深度学习框架间模型代码转换方法和系统技术方案

技术编号:42664163 阅读:19 留言:0更新日期:2024-09-10 12:20
本发明专利技术提出了一种深度学习框架间模型代码转换方法和系统,包括:形成算子知识图谱;构建完整的抽象语法树;使用代码依赖信息生成器解析神经网络模型代码中的导入模块代码,据此构建出通用依赖信息;构建出特定算子信息来存储对算子所赋值的变量名称以及位置和缩进信息;将以上特定算子信息输入算子知识图谱的查询脚本中进行查询操作,并最终输出对应的目标深度学习框架下的算子,生成算子映射关系;逐级遍历以上生成的源框架下的抽象语法树,自顶向下改写算法,以生成目标框架下的抽象语法树;生成目标框架下的模型代码。根据本发明专利技术技术方案,提高了存储算子信息的灵活性及查询效率,保证了转换精度与可靠性。

【技术实现步骤摘要】

本专利技术属于深度学习框架领域,具体涉及一种深度学习框架间模型代码转换方法和系统


技术介绍

1、人工智能是新一轮科技革命和产业变革的重要驱动力量,正在引领全球经济发展。其中,深度学习框架是新一轮人工智能跨越发展的核心引擎,也是构建人工智能全栈生态的关键。

2、各种深度学习框架种类繁多、接口多样,生态环境复杂。一方面,各种框架间的异构设计难以形成协同发展、群智服务的良好态势,造成了一个个深度学习框架的生态孤岛,给深度学习框架技术进步、协同发展、应用深化带来了巨大的挑战。现阶段我国相关算法和创新型应用多以国外底层软硬件平台构建,自主产业生态薄弱,特别是国产厂商技术路线多样,自主深度学习框架应用不够丰富,相互间的兼容适配水平较差,缺乏有效的互操作性与互联互通机制,严重制约了我国自主技术生态体系的构建。

3、mindspore是由华为于2019年8月推出的新一代全场景ai计算框架,mindspore外的其他深度学习框架下的模型并不能直接在昇腾处理器上进行训练,为了充分利用昇腾处理器的算力来提升训练性能,研究人员需要将源模型进行迁移,使迁移本文档来自技高网...

【技术保护点】

1.一种深度学习框架间模型代码转换方法,其特征在于,包括:

2.根据权利要求1所述的深度学习框架间模型代码转换方法,其特征在于,所述数据模型包括:深度学习框架节点、深度学习框架类节点、深度学习框架内的算子节点、算子的参数节点和算子的输入值节点。

3.根据权利要求1所述的深度学习框架间模型代码转换方法,其特征在于,

4.根据权利要求1所述的深度学习框架间模型代码转换方法,其特征在于,

5.根据权利要求4所述的深度学习框架间模型代码转换方法,其特征在于,

6.一种深度学习框架间模型代码转换系统,其特征在于,包括:

【技术特征摘要】

1.一种深度学习框架间模型代码转换方法,其特征在于,包括:

2.根据权利要求1所述的深度学习框架间模型代码转换方法,其特征在于,所述数据模型包括:深度学习框架节点、深度学习框架类节点、深度学习框架内的算子节点、算子的参数节点和算子的输入值节点。

3.根据权利要求1...

【专利技术属性】
技术研发人员:丁嵘刘屹洲王雨倩
申请(专利权)人:北京航空航天大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1