【技术实现步骤摘要】
本说明书涉及机器学习领域，尤其涉及一种基于布局传播的机器学习模型转化方法、装置以及设备。
技术介绍
1、随着计算机和互联网技术的发展，出现了多种类型的机器学习框架，而不同的环境对于各类型机器学习框架的支持能力也不同，这就导致一些已经训练完的机器学习模型，难以直接投入到新的环境中使用，或者在直接投入后容易出现异常问题。
2、为解决该问题，可以通过能够适应新环境的其他机器学习框架重新构造相同的机器学习模型，手动将原始机器学习模型中的参数层权重进行移植。或者，也可以先将原始机器学习模型转化为中间格式的模型，通过引入冗余算子将该中间格式的模型进行转化，得到目标机器学习模型。
3、基于此，需要更能够保证目标机器学习模型的生成效率和运行效率的方案。
技术实现思路
1、本说明书一个或多个实施例提供一种基于布局传播的机器学习模型转化方法、装置、设备以及存储介质，用以解决如下技术问题：需要更能够保证目标机器学习模型的生成效率和运行效率的方案。
2、为解决上述技术问题，本说...
【技术保护点】
1.一种基于布局传播的机器学习模型转化方法，包括：
2.如权利要求1所述的方法，所述根据所述调整后的算子，生成所述目标机器学习模型，具体包括：
3.如权利要求1所述的方法，所述根据所述调整后的算子，生成所述目标机器学习模型，具体包括：
4.如权利要求3所述的方法，所述生成所述目标机器学习模型之后，所述方法还包括：
5.如权利要求4所述的方法，所述第一激活算子为LeakyReLU算子，所述第二激活算子为PReLU算子，所述第二卷积算子为融合卷积算子。
6.如权利要求4所述的方法，所述确定的算子包括卷积算子，所述...
【技术特征摘要】
1.一种基于布局传播的机器学习模型转化方法，包括：
2.如权利要求1所述的方法，所述根据所述调整后的算子，生成所述目标机器学习模型，具体包括：
3.如权利要求1所述的方法，所述根据所述调整后的算子，生成所述目标机器学习模型，具体包括：
4.如权利要求3所述的方法，所述生成所述目标机器学习模型之后，所述方法还包括：
5.如权利要求4所述的方法，所述第一激活算子为leakyrelu算子，所述第二激活算子为prelu算子，所述第二卷积算子为融合卷积算子。
6.如权利要求4所述的方法，所述确定的算子包括卷积算子，所述移动端模型用于辅助用户拍摄图像。
7.如权利要求1所述的方法，所述对所述确定的算子的属性进行调整，具体包括：
8.如权利要求7所述的方法，所述隐式布局为nchw或nhwc，所述输入张量的布局变量为nchw或nhwc，所述隐式布局与所述输入张量的布局变量不一致。
9.如权利要求1～8任一项所述的方法，所述原始机器学习模型为pytorch模型，所述框架转移中间模型为onnx模型，所述目标机器学习模型为tensorflow模型。
10.一种基于布局传播的机器学习模型转化装置，包括：
11.如权利要求10...
【专利技术属性】
技术研发人员：黄堃，程远，王萌，
申请(专利权)人：支付宝杭州信息技术有限公司，
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。