【技术实现步骤摘要】
本申请涉及电数据处理领域，具体涉及一种基于多面体编译的深度学习模型优化方法、设备及介质。
技术介绍
1、随着技术的发展，深度学习模型在各种应用和场景中变得越来越重要。其中，深度学习模型是指一种基于神经网络的机器学习模型，特别是那些由多个层（即深层网络）构成的模型。它们通过层级化的方式处理数据，以便从中自动提取特征和进行复杂的模式识别。
2、然而，深度学习模型往往计算复杂度高，执行效率成为限制其应用的关键因素。对于深度学习模型来说，传统的编译器在处理深度学习模型时，往往难以充分利用硬件资源，导致计算效率低下。
技术实现思路
1、为了解决上述问题，本申请提出了一种基于多面体编译的深度学习模型优化方法，包括：
2、获取深度学习模型，并对所述深度学习模型进行解析，提取所述深度学习模型对应的计算图；
3、基于所述计算图，将所述深度学习模型中的计算问题转换为多面体模型；其中，所述深度学习模型中的操作对应于所述多面体模型中的顶点，所述深度学习模型中的数据流对应于所述多
【技术保护点】
1.一种基于多面体编译的深度学习模型优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于所述计算图，将所述深度学习模型中的计算问题转换为多面体模型，具体包括：
3.根据权利要求2所述的方法，其特征在于，基于所述求和累积运算，为相应的顶点之间添加边，具体包括：
4.根据权利要求1所述的方法，其特征在于，通过对所述多面体模型进行编译，对所述深度学习模型进行优化，具体包括：
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，基于所述循环变换...
【技术特征摘要】
1.一种基于多面体编译的深度学习模型优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于所述计算图，将所述深度学习模型中的计算问题转换为多面体模型，具体包括：
3.根据权利要求2所述的方法，其特征在于，基于所述求和累积运算，为相应的顶点之间添加边，具体包括：
4.根据权利要求1所述的方法，其特征在于，通过对所述多面体模型进行编译，对所述深度学习模型进行优化，具体包括：
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，基于所述循...
【专利技术属性】
技术研发人员：郝运凯，姜凯，赵鑫鑫，薛海军，
申请(专利权)人：山东浪潮科学研究院有限公司，
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。