【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种模型处理方法、系统及设备。
技术介绍
1、当人工智能（artificial intelligence，ai）模型准备部署至资源有限的硬件平台，如移动设备、嵌入式系统以及各类物联网终端时，会面临存储空间不足、计算能力受限等实际挑战。
2、为解决上述技术问题，量化技术应运而生，它主要通过将ai模型内部复杂的浮点数权重和激活值转换为低精度数据类型（例如整数或二进制），以达到压缩模型体积、提升模型运行效率的目的。
3、目前，在ai模型的研发流程中，将模型部署到不同的硬件平台上是一项繁琐且耗时的工作，每个模型都需要针对性地采用不同的量化技术进行处理，量化完成后可能还需要逐一在各个目标硬件平台上进行性能测试，以验证模型的真实性能，导致ai模型的处理效率较低。
技术实现思路
1、本申请通过多个方面提供一种模型处理方法、系统及设备，可以有效提升ai模型的处理效率。
2、第一方面，本申请实施例提供一种模型处理方法，该方法包括：
3、在远程代码仓库中获取目标配置参数；所述远程代码仓库中存储有至少一种硬件平台对应的处理数据，所述目标配置参数中包括目标硬件平台对应的标识信息；
4、根据所述目标配置参数与所述目标硬件平台对应的目标处理数据，生成所述目标硬件平台对应的模型处理任务；
5、获取待处理模型，并执行所述模型处理任务，以对所述待处理模型进行处理。
6、在一种可能的实施方式中，所述在远程代码
7、检测所述远程代码仓库中是否存在新建或更新后的目标配置参数；
8、在所述远程代码仓库中存在新建或更新后的目标配置参数时，获取所述目标配置参数。
9、在一种可能的实施方式中，所述目标配置参数中包括待处理模型路径，所述获取待处理模型，并执行所述模型处理任务，包括：
10、启动docker容器；所述docker容器包括执行所述模型处理任务所需的依赖项；
11、根据所述待处理模型路径，获取所述待处理模型。
12、在一种可能的实施方式中，所述目标处理数据包括所述目标硬件平台对应的量化处理数据，所述目标配置参数中还包括所述目标硬件平台对应的量化配置参数，所述量化配置参数包括量化数据路径与量化精度中的至少一项；
13、所述根据所述目标配置参数与所述目标硬件平台对应的目标处理数据，生成所述目标硬件平台对应的模型处理任务，包括：
14、根据所述量化配置参数与所述量化处理数据，生成模型量化任务。
15、在一种可能的实施方式中，所述方法还包括：
16、确定所述模型量化任务是否执行成功；
17、在所述模型量化任务执行成功时，将量化后的模型上传至预设储存装置；
18、在所述模型量化任务执行失败时，输出提醒消息；所述提醒消息用于提醒所述待处理模型量化失败。
19、在一种可能的实施方式中，所述方法还包括：
20、在所述模型量化任务执行成功时，确定是否对量化后的模型进行测试；
21、在确定对量化后的模型进行测试时，向所述目标硬件平台对应的自动测试装置发送测试指令。
22、在一种可能的实施方式中，所述目标处理数据包括所述目标硬件平台对应的测试处理数据，所述目标配置参数中还包括所述目标硬件平台对应的测试配置参数，所述测试配置参数包括测试数据路径、测试文件路径、测试结果保存位置中的至少一项；
23、所述根据所述目标配置参数与所述目标硬件平台对应的目标处理数据，生成所述目标硬件平台对应的模型处理任务，包括：
24、当接收到测试指令时，根据所述测试配置参数与所述测试处理数据，生成所述目标硬件平台对应的模型测试任务。
25、在一种可能的实施方式中，所述执行所述模型处理任务，包括：
26、确定本地硬件资源是否支持运行所述待处理模型；
27、若本地硬件资源不支持运行所述待处理模型，则将所述待处理模型与所述模型测试任务挂载到远程终端中，利用所述远程终端执行所述模型测试任务。
28、在一种可能的实施方式中，所述方法还包括：
29、记录所述待处理模型的测试结果；
30、根据所述测试结果生成所述待处理模型对应的性能评估报告。
31、第二方面，本申请实施例提供一种模型处理系统，该系统包括用户端以及至少一个处理装置；
32、所述用户端用于：配置或更新硬件平台的配置参数，并将新配置或更新的配置参数推送至远程代码仓库；所述远程代码仓库中存储有至少一种硬件平台对应的处理数据；
33、所述至少一个处理装置用于：在所述远程代码仓库中获取目标配置参数，根据所述目标配置参数与目标硬件平台对应的目标处理数据，生成所述目标硬件平台对应的模型处理任务；获取待处理模型，并执行所述模型处理任务，以对所述待处理模型进行处理。
34、在一种可能的实施方式中，所述配置参数包括量化配置参数与测试配置参数；所述处理装置包括自动量化模块与自动测试模块；
35、所述自动量化模块用于：在检测到所述远程代码仓库存在新的目标量化配置参数时，获取所述目标量化配置参数，并根据所述目标量化配置参数，生成目标硬件平台对应的模型量化任务；获取待量化模型，并执行所述模型量化任务，以对所述待量化模型进行量化处理；
36、所述自动测试模块用于：当接收到测试指令时，在所述远程代码仓库中获取目标硬件平台对应的目标测试配置参数，并根据所述目标测试配置参数，生成目标硬件平台对应的模型测试任务；获取待测试模型，并执行所述模型测试任务，以对所述待测试模型进行测试。
37、第三方面，本申请实施例提供一种电子设备，包括：存储器和处理器；
38、所述存储器存储计算机执行指令；
39、所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如第一方面提供的模型处理方法。
40、第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被计算机执行时，用于实现如第一方面提供的模型处理方法。
41、第五方面，本申请实施例提供一种计算机程序产品，包括计算机程序，当所述计算机程序被运行时，使得计算机执行如第一方面提供的模型处理方法。
42、本申请实施例提供的模型处理方法、系统及设备，由于远程代码仓库中集成了各个硬件平台对应的处理数据，例如量化方法数据与测试方法数据等，由此开发人员不需要再熟练掌握每种硬件平台特有的处理方式，当有硬件平台存在模型量化和/或测试需求时，开发人员只需将该硬件平台对应的配置参数推送到远程代码仓库中即可，系统可以自动从远程代码仓库中获取所需的配置参数，自动生成并执行模型处理任务，如模型量化任务与模型测试任务等，整个过程无需人工介入，不本文档来自技高网...
【技术保护点】
1.一种模型处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述在远程代码仓库中获取目标配置参数，包括：
3.根据权利要求1所述的方法，其特征在于，所述目标配置参数中包括待处理模型路径，所述获取待处理模型，并执行所述模型处理任务，包括：
4.根据权利要求1至3任一项所述的方法，其特征在于，所述目标处理数据包括所述目标硬件平台对应的量化处理数据，所述目标配置参数中还包括所述目标硬件平台对应的量化配置参数，所述量化配置参数包括量化数据路径与量化精度中的至少一项；
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.根据权利要求1至3任一项所述的方法，其特征在于，所述目标处理数据包括所述目标硬件平台对应的测试处理数据，所述目标配置参数中还包括所述目标硬件平台对应的测试配置参数，所述测试配置参数包括测试数据路径、测试文件路径、测试结果保存位置中的至少一项；
8.根据权利要求7所述的方法，其特征在于，所述
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
10.一种模型处理系统，其特征在于，所述系统包括用户端以及至少一个处理装置；
11.根据权利要求10所述的系统，其特征在于，所述配置参数包括量化配置参数与测试配置参数；所述处理装置包括自动量化模块与自动测试模块；
12.一种电子设备，其特征在于，包括：存储器和处理器；
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被计算机执行时，实现如权利要求1至9任一项所述的模型处理方法。
14.一种计算机程序产品，其特征在于，包括计算机程序，当所述计算机程序被运行时，使得计算机执行如权利要求1至9任一项所述的模型处理方法。
...【技术特征摘要】
1.一种模型处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述在远程代码仓库中获取目标配置参数，包括：
3.根据权利要求1所述的方法，其特征在于，所述目标配置参数中包括待处理模型路径，所述获取待处理模型，并执行所述模型处理任务，包括：
4.根据权利要求1至3任一项所述的方法，其特征在于，所述目标处理数据包括所述目标硬件平台对应的量化处理数据，所述目标配置参数中还包括所述目标硬件平台对应的量化配置参数，所述量化配置参数包括量化数据路径与量化精度中的至少一项；
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.根据权利要求1至3任一项所述的方法，其特征在于，所述目标处理数据包括所述目标硬件平台对应的测试处理数据，所述目标配置参数中还包括所述目标硬件平台对应的测试配置参数，所述测试配置...
【专利技术属性】
技术研发人员：薛盛可，
申请(专利权)人：浙江深象智能科技有限公司，
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。