深度学习模型的部署方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种深度学习模型的部署方法、装置、电子设备及存储介质。该方法包括：将待部署在指定应用场景的目标深度学习模型按照部署流程划分为M个目标流程模块；在预先确定的模块库中查找与M个目标流程模块中每个目标流程模块类别相同的流程模块，得到N个替代流程模块，模块库中预存有多个类别的各个应用场景下的流程模块，M≥N，M，N均为不小于零的整数；调整N个替代流程模块的配置参数，以得到目标深度学习模型适用于指定场景的N个已配置流程模块；基于N个已配置流程模块，在指定应用场景部署目标深度学习模型。本发明专利技术能够提高深度学习模型的部署效率。习模型的部署效率。习模型的部署效率。

【技术实现步骤摘要】
深度学习模型的部署方法、装置、电子设备及存储介质


[0001]本专利技术涉及深度学习模型部署
，尤其涉及一种深度学习模型的部署方法、装置、电子设备及存储介质。

技术介绍

[0002]深度学习模型部署是将使用数据集训练得到的深度学习模型应用于实际场景，对实际数据进行深度学习推理得到结果的过程。深度学习模型种类众多，应用广泛，适用于不同的应用场景，深度学习模型的部署效率直接决定着项目的进度和工期。
[0003]当前，在部署深度学习模型时，绝大多数会按照深度学习模型的流程重新编写代码，配置相应的配置参数，导致部署效率低。

技术实现思路

[0004]本专利技术提供了一种深度学习模型的部署方法、装置、电子设备及存储介质，以解决当前在部署深度学习模型时，需要按照深度学习模型的流程重新编写代码，配置相应的配置参数，导致部署效率低的问题。
[0005]第一方面，本专利技术提供了一种深度学习模型的部署方法，包括：
[0006]将待部署在指定应用场景的目标深度学习模型按照部署流程划分为M个目标流程模块；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种深度学习模型的部署方法，其特征在于，包括：将待部署在指定应用场景的目标深度学习模型按照部署流程划分为M个目标流程模块；在预先确定的模块库中查找与所述M个目标流程模块中每个目标流程模块类别相同的流程模块，得到N个替代流程模块，所述模块库中预存有多个类别的各个应用场景下的流程模块，M≥N，M，N均为不小于零的整数；调整所述N个替代流程模块的配置参数，以得到所述目标深度学习模型适用于指定场景的N个已配置流程模块；基于所述N个已配置流程模块，在指定应用场景部署所述目标深度学习模型。2.根据权利要求1所述的深度学习模型的部署方法，其特征在于，在指定应用场景部署所述目标深度学习模型之后，所述方法还包括：将已部署的所述目标深度学习模型中各个流程模块的执行数据存入预设的全局数据空间，所述执行数据包括输入数据和输出数据。3.根据权利要求2所述的深度学习模型的部署方法，其特征在于，所述将已部署的所述目标深度学习模型中各个流程模块的执行数据存入预设的全局数据空间，包括：对于已部署的所述目标深度学习模型中的每一个流程模块，确定所述流程模块的身份标识；根据所述身份标识和所述输入数据，构建第一键值对；根据所述身份标识和所述输出数据，构建第二键值对；将所述第一键值对和所述第二键值对存入所述全局数据空间。4.根据权利要求3所述的深度学习模型的部署方法，其特征在于，所述执行数据还包括各个流程模块产生的中间数据，在确定所述流程模块的身份标识之后，所述方法还包括：根据所述身份标识和所述中间数据，构建第三键值对，并将所述第三键值对存入所述全局数据空间。5.根据权利要求1所述的深度学习模型的部署方法，其特征在于，所述方法还包括：将所述M个目标流程模块的配置参数存入所述目标学习模型的配置文件；相应的，所述调整所述N个替代流程模块的配置参数，以得到所述目标深度学习模型适用于指定场景的N个已配置流程模块，包括：在所述配置文件中，调整所述N个替代流程模块的配置参数，以得到所述目标深度学习模型适用于指定场景的N个已配置流程模块。6.根据权利要求1...

【专利技术属性】
技术研发人员：马鸿策，
申请(专利权)人：长城汽车股份有限公司，
类型：发明
国别省市：