【技术实现步骤摘要】
神经网络模型的处理方法、装置、设备及介质
[0001]本申请涉及卷积运算
,特别涉及一种神经网络模型的处理方法
、
装置
、
设备及介质
。
技术介绍
[0002]在神经网络模型中,循环节点是指不同于常规的矩阵乘法和卷积等操作的节点,循环节点可以为条件语句
、
循环语句等,常常需要根据输入数据的当前状态做出决策
。
由于循环节点的存在,可能会出现函数的递归调用
、
大循环重复产生的情况,使得神经网络模型中部分算子的执行顺序是不确定的,提高了神经网络模型计算图的复杂度,增加了神经网络模型占用的内存,并且由于循环节点的存在,可能会导致神经网络模型运行过程中出现不确定的运行延迟,造成内存溢出的问题
。
技术实现思路
[0003]为解决由于循环节点的存在,提高了神经网络模型的计算图的复杂度,增加了神经网络模型占用的内存的问题,本申请实施例中提供一种神经网络模型的处理方法
、
装置
、
设备及介质
。
[0004]第一方面,本申请实施例提供了一种神经网络模型的处理方法,应用于电子设备,方法包括:获取待处理的神经网络模型,并确定神经网络模型中所有的初始循环结构;遍历初始循环结构,确定每个初始循环结构的循环次数,并根据循环次数对初始循环结构进行循环展开,得到展开循环结构;在确定初始循环结构和展开循环结构不相同的情况下,将初始循环结构更新为展开循环结构,得到处理后的神经 ...
【技术保护点】
【技术特征摘要】
1.
一种神经网络模型的处理方法,其特征在于,应用于电子设备,所述方法包括:获取待处理的神经网络模型,并确定所述神经网络模型中所有的初始循环结构;遍历所述初始循环结构,确定每个所述初始循环结构的循环次数,并根据所述循环次数对所述初始循环结构进行循环展开,得到展开循环结构;在确定所述初始循环结构和所述展开循环结构不相同的情况下,将所述初始循环结构更新为所述展开循环结构,得到处理后的所述神经网络模型
。2.
根据权利要求1所述的神经网络模型的处理方法,其特征在于,确定所述初始循环结构的循环次数,包括:在所述初始循环结构的条件语句的参数均为常数的情况下,获取所述初始循环结构的实际参数;将所述实际参数输入所述初始循环结构,以确定所述初始循环结构的循环次数
。3.
根据权利要求2所述的神经网络模型的处理方法,其特征在于,确定所述初始循环结构的条件语句的参数是否均为常数的方法,包括:确定所述初始循环结构的条件语句的表达式;确定所述表达式的循环参数,所述循环参数用于确定所述初始循环结构的循环次数;若所述循环参数可以离线确定,则确定所述初始循环结构的条件语句的参数均为常数;若所述循环参数不可以离线确定,则确定所述初始循环结构的条件语句的参数包括非常数
。4.
根据权利要求2所述的神经网络模型的处理方法,其特征在于,所述将所述实际参数输入所述初始循环结构,以确定所述初始循环结构的循环次数,包括:配置循环计数器;将所述实际参数输入所述初始循环结构,通过所述循环计数器确定所述初始循环结构的循环次数
。5.
根据权利要求2所述的神经网络模型的处理方法,其特征在于,遍历所述初始循环结构包括:创建循环结构列表,所述循环结构列表用于存储所述初始循环结构;从所述循环结构列表中依次读取所述初始循环结构,直至所述循环结构列表为空
。6.
根据权利要求5所述的神经网络模型的处理方法,其特征在于,还包括创建无效展开结构列表,所述无效展开结构列表用于存储展开循环结构与所述初始循环结构相同的循环结构,以及从所述循环结构列表中删除与所述无效展开结构列表中的展开循环结构相同的所述初始循环结构
。7.
根据权利要求5‑6任一项所述的神经网络模型的处理方法,其特征在于,包括:获取循环结构列表的第
i
个初始循环结构,
i
为自然数;确定所述第
i
个初始循环结构的第一循环次数,并根据所述第一循环次数对所述第
i
个初始循环结构进行循环展开,得到第
i
个展开循环结构;在确定所述第
...
【专利技术属性】
技术研发人员:袁帅,干雨稠,张宇超,
申请(专利权)人:安谋科技中国有限公司,
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。