【技术实现步骤摘要】
一种车载终端模型部署方法、装置、设备及介质
[0001]本申请涉及汽车智能座舱
,具体涉及一种车载终端模型部署方法、装置、设备及介质。
技术介绍
[0002]随着AI(Artificial intelligence:人工智能)视觉技术的发展,通过视觉技术实现的功能不断扩大,在汽车智能座舱
对AI视觉技术的运用也越发广泛。大多数AI是在云端进行运算,但是云端计算具有网络延迟、离线环境无法使用、响应不及时、数据隐私无法保证等问题。
[0003]为了解决上述云端AI计算的问题,目前车企多使用供应商提供的AI芯片和AI算法实现座舱移动终端的AI计算。但是,当车企想要增加新功能时必须依赖供应商进行开发和集成,成本变高,如何在不依赖供应商的前提下将目标算法部署至车载终端内,以及如何降低算法部署成本,是目标亟需解决的问题。
技术实现思路
[0004]鉴于以上所述现有技术的缺点,本申请的目的在于提供一种车载算法部署方法、装置、设备及介质,用于解决现有技术中如何在不依赖供应商的前提下将目标算法部署至车载终端内、降低算法部署成本的问题。
[0005]为实现上述目的及其他相关目的,本申请提供一种车载终端模型部署方法,所述方法包括:
[0006]获取目标模型和测试数据集;
[0007]根据预先选取的模型推理框架所需的数据格式,对所述目标模型进行格式转换,得到格式转换后的目标模型;
[0008]将所述格式转换后的目标模型传输至车载终端内的模型推理框架,并运行所述格式转换后的目 ...
【技术保护点】
【技术特征摘要】
1.一种车载终端模型部署方法,其特征在于,所述方法包括:获取目标模型和测试数据集;根据预先选取的模型推理框架所需的数据格式,对所述目标模型进行格式转换,得到格式转换后的目标模型;将所述格式转换后的目标模型传输至车载终端内的模型推理框架,并运行所述格式转换后的目标模型;将所述测试数据集输入所述模型推理框架中,根据所述测试数据集对所述目标模型进行模型推理,得到推理结果;将所述推理结果传输至目标功能模块,以实现在车载终端对所述目标模型的部署。2.根据权利要求1所述的车载终端模型部署方法,其特征在于:所述目标模型的格式为torch格式;所述预先选取的模型推理框架所需的数据格式为tflite格式。3.根据权利要求1所述的车载终端模型部署方法,其特征在于,所述将所述格式转换后的目标模型传输至车载终端内的模型推理框架,并运行所述格式转换后的目标模型,包括:将所述格式转换后的目标模型传输至所述车载终端的系统中,所述车载终端的系统中预先配置tensorflow
‑
lite架包;将所述系统中的目标模型传输至所述模型推理框架中;根据所述tensorflow
‑
lite架包中的tensorflow初始化接口,获取并响应tensorflow初始化指令,以通过所述模型推理框架对所述目标模型的参数进行初始化并运行所述目标模型。4.根据权利要求1所述的车载终端模型部署方法,其特征在于,所述测试数据集包括图像测试数据集,所述将所述测试数据集输入所述模型推理框架中,根据所述测试数据集对所述目标模型进行模型推理,得到推理结果之前,还包括在车载终端对所述图像测试数据集进行前处理的步骤,所述前处理的步骤包括:根据预设的图像尺寸,对所述图像测试数据集中的图像进行缩放,得到第一图像测试数据集;获取所述第一图像测试数据集中的多个图像,分别对所述多个图像进行随机剪裁和拼接,并将剪裁和拼接后得到的图像添加至所述第一图像测试数据集中,得到第二图像测试数据集;获取所述第二图像测试数据集中的多个图像和所述多个图像对应的标签,根据预设的混合比例对所述多个图像和标签进行混合,并将混合后的图像和标签添加至所述第二图像测试数据集中,得到第三图像测试数据集。5.根据权利要求4所述的车载终端模型部署方法,其特征在于,所述得到第三图像测试数据集之后,还包括:获取所述第三图像测试数据集的第一数据格式和第二数据格式,所述第一数据格式为在所述车载终端进行前处理后得到的第三图像测试数据集的数据格式,所述第二数据格式为在电脑端进行前处理后得到的第三图像测试数据集的数据格式,所述第一数据格式和第二数据格式为矩阵形式;根据所述电脑端中预先配置的矩阵转换方式,对所述第二数据格式的矩阵顺序转换为
所述第一数据格式的矩阵顺序,得到矩阵顺序转换后的第二数据格式;比对所述第一数据格式与所述矩阵顺序转换后的第二数据格式,得到比对结果,若所...
【专利技术属性】
技术研发人员:朱诚,王传钊,刘大全,张英鹏,肖宏,
申请(专利权)人:重庆长安汽车股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。