【技术实现步骤摘要】
人工智能框架的深度学习模型适配方法、装置及电子设备
[0001]本专利技术涉及深度学习
,特别涉及一种人工智能框架的深度学习模型适配方法、装置及电子设备。
技术介绍
[0002]随着人工智能技术的发展,以神经网络为代表的深度学习因其学习能力强、覆盖范围广以及鲁棒性强等优点被广泛应用于各
人工智能框架和人工智能芯片作为人工智能技术开发和应用的关键基础组件,通过人工智能框架的训练可以得到深度学习模型,并且可以运行于人工智能芯片。
[0003]现有技术中,各种类型的人工智能芯片因形态不一,算力不等且应用场景不同的特点,往往使得每一种人工智能芯片仅适用于一种特定框架下的深度学习模型,而无法运行其他框架下的深度学习模型。
[0004]为此,如何提供一种能够将各种人工智能框架下的深度学习模型与任意人工智能芯片适配的人工智能框架的深度学习模型适配方法、装置及电子设备是本领域技术人员亟需解决的问题。
技术实现思路
[0005]有鉴于此,本专利技术提出了一种人工智能框架的深度学习模型适配方法、装置
【技术保护点】
【技术特征摘要】
1.一种人工智能框架的深度学习模型适配方法,其特征在于,包括:步骤(1):获取人工智能框架的信息以及需适配的目标硬件的信息;步骤(2):构建并训练所述人工智能框架的深度学习模型,结合所述目标硬件的信息,查询转换路径表,得到所述深度学习模型匹配的目标转换路径;步骤(3):根据所述目标转换路径,对所述深度学习模型进行转换,并进行优化与压缩,得到适配所述目标硬件的目标深度学习模型。2.根据权利要求1所述的一种人工智能框架的深度学习模型适配方法,其特征在于,步骤(1)中,所述目标硬件为至少两个。3.根据权利要求1所述的一种人工智能框架的深度学习模型适配方法,其特征在于,步骤(2)中,构建并训练所述人工智能框架的深度学习模型,具体为:根据所述深度学习模型的应用领域,构建对应的初始深度学习模型;获取与所述应用领域相关的业务数据集;将所述业务数据集均分为N+1个业务数据集;其中,N为大于1的正整数;将N个所述业务数据集输入所述初始深度学习模型中进行模型训练,得到经过训练的深度学习模型;将剩余一个业务数据集输入所述经过训练的深度学习模型中,验证模型合理性。4.根据权利要求2所述的一种人工智能框架的深度学习模型适配方法,其特征在于,步骤(2)中,所述深度学习模型结合所述目标硬件的信息,查询转换路径表,得到所述深度学习模型匹配的目标转换路径,具体为:将每一个所述目标硬件的信息分别与所述深度学习模型的信息组合,得到至少两个组合信息;其中,所述深度学习模型的信息包括:模型结构信息和训练框架信息;根据所述至少两个组合信息,查询转换路径表,得到至少两个候选路径;根据所述至少两个候选路径,确定所述目标转换路径。5.根据权利要求4所述的一种人工智能框架的深度学习模型适配方法,其特征在于,根据所述至少两个候选路径,确定所述目标转换路径,具体为:将所述至少两个候选路径的重合部分合并,得到所述目标转换路径。6.根据权利要求1所述的一...
【专利技术属性】
技术研发人员:田二林,程静,李宝珍,张永霞,梁维德,朱增超,
申请(专利权)人:郑州轻工业大学,
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。