数据处理方法、装置、电子设备、存储介质和程序产品制造方法及图纸

本申请实施例公开一种数据处理方法、装置、电子设备、存储介质和程序产品，包括：先获取初始生成模型，然后从初始生成模型中查找目标算子。在查找到目标算子之后，可以根据目标算子的类别，通过预设量化策略对目标算子进行量化处理，从而得到经过量化处理的初始生成模型，并将其记为待训练生成模型。随后，可以利用训练输入对象对待训练生成模型进行训练，从而得到训练后生成模型。通过查找预先设定的目标算子，以及依据相应的预设量化策略实现对目标算子进行量化处理的处理步骤可以批量应用于生成模型的训练中，从而可以改善现有技术耗费时间较多且工作效率较低的问题。时间较多且工作效率较低的问题。时间较多且工作效率较低的问题。

【技术实现步骤摘要】
数据处理方法、装置、电子设备、存储介质和程序产品


[0001]本申请涉及计算机领域，具体涉及一种数据处理方法、装置、电子设备、存储介质和程序产品。

技术介绍

[0002]生成模型(Generative model)是指可以从一个随机向量中生成新的样本数据集的模型。它是机器学习领域中重要的一类模型。
[0003]现有技术中，在对生成模型进行训练的过程中，通常需要工作人员逐个进行模型的调整，耗费时间较多且工作效率较低。

技术实现思路

[0004]本申请实施例提供一种数据处理方法、装置、电子设备、存储介质和程序产品，可以改善现有技术耗费时间较多且工作效率较低的问题。
[0005]本申请实施例提供一种数据处理方法，所述方法包括：
[0006]获取初始生成模型；
[0007]从所述初始生成模型中查找目标算子；
[0008]根据所述目标算子的类别，通过预设量化策略对所述目标算子进行量化处理，得到经过量化处理的初始生成模型，记为待训练生成模型；
[0009]利用训练输入对象对所述待训练生成模型进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：获取初始生成模型；从所述初始生成模型中查找目标算子；根据所述目标算子的类别，通过预设量化策略对所述目标算子进行量化处理，得到经过量化处理的初始生成模型，记为待训练生成模型；利用训练输入对象对所述待训练生成模型进行训练，得到训练后生成模型。2.如权利要求1所述的方法，其特征在于，所述根据所述目标算子的类别，通过预设量化策略对所述目标算子进行量化处理，得到经过量化处理的初始生成模型，包括：在所述目标算子为单个算子的情况下，对所述目标算子进行算子替换处理，得到经过量化处理的初始生成模型。3.如权利要求1所述的方法，其特征在于，所述根据所述目标算子的类别，通过预设量化策略对所述目标算子进行量化处理，得到经过量化处理的初始生成模型，包括：在所述目标算子为多算子组合，或所述目标算子为卷积运算算子的情况下，向目标位置插入量化算子组合，所述量化算子组合用于量化处理，所述量化算子组合包括量化算子和反量化算子。4.如权利要求3所述的方法，其特征在于，所述在所述目标算子为多算子组合，或所述目标算子为卷积运算算子的情况下，向目标位置插入量化算子组合，包括：在所述目标算子为包含卷积运算算子的多算子组合，或所述目标算子为卷积运算算子的情况下，向输入量与所述卷积运算算子之间的位置插入量化算子组合；所述方法还包括：在所述初始生成模型中添加，用于量化所述卷积运算算子的权重的量化算子组合。5.如权利要求4所述的方法，其特征在于，所述方法还包括：在所述目标算子为所述卷积运算算子的情况下，向所述卷积运算算子的输出位置插入所述量化算子。6.如权利要求4所述的方法，其特征在于，所述方法还包括：在所述目标算子为包含卷积运算算子的所述多算子组合，且所述多算子组合还包含依次连接在所述卷积运算算子的输出位置的批标准化算子以及激活函数的情况下，不对所述卷积运算算子的输出进行量化。7.如权利要求4所述的方法，其特征在于，所述方法还包括：在所述目标算子为包含卷积运算算子的所述多算子组合，所述多算子组合还包含连接在所述卷积运算算子的输出位置的批标准化算子，且所述批标准化算子还与加法运算算子的第一输入分支连接的情况下，不对所述卷积运算算子的输出进行量化，向所述加法运算算子的...

【专利技术属性】
技术研发人员：弓静，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：