【技术实现步骤摘要】
本专利技术涉及计算机系统及深度学习，特别是涉及一种深度学习算子定位方法、一种电子设备、一种存储介质和一种程序产品。
技术介绍
1、目前主流的深度学习框架包括tensorflow，pytorch，paddlepaddle，onnx等，这些框架缺乏一个统一的通用的模型结构，在深度学习硬件上适配这些框架的模型时，需要根据框架的不同选择不同的方法，这造成了大量的资源浪费。并且在基于深度学习过程中，模型可能会由于如精度的变化等问题，导致模型的训练出现错误；或者是需要修改某些算子以改进模型时，由于模型的规模和参数的复杂性难以准确定位算子，导致模型训练效率较低。
技术实现思路
1、鉴于上述问题，提出了本专利技术实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种深度学习算子定位方法、一种电子设备、一种存储介质和一种程序产品。
2、为了解决上述问题，本专利技术实施例公开了一种深度学习算子定位方法，包括：
3、接收深度学习框架数据和定位需求指令；
4、将所述深度...
【技术保护点】
1.一种深度学习算子定位方法，其特征在于，包括：
2.根据权利要求1所述的深度学习算子定位方法，其特征在于，所述对所述中间表示信息进行索引重构，生成中间表示图的步骤包括：
3.根据权利要求2所述的深度学习算子定位方法，其特征在于，所述对所述中间表示信息进行正则化抽取，确定算子索引的步骤包括：
4.根据权利要求3所述的深度学习算子定位方法，其特征在于，所述将所述算子结构和所述依赖关系结合，生成所述算子索引的步骤包括：
5.根据权利要求2所述的深度学习算子定位方法，其特征在于，所述依据所述定位需求指令对所述中间表示图进行搜索...
【技术特征摘要】
1.一种深度学习算子定位方法，其特征在于，包括：
2.根据权利要求1所述的深度学习算子定位方法，其特征在于，所述对所述中间表示信息进行索引重构，生成中间表示图的步骤包括：
3.根据权利要求2所述的深度学习算子定位方法，其特征在于，所述对所述中间表示信息进行正则化抽取，确定算子索引的步骤包括：
4.根据权利要求3所述的深度学习算子定位方法，其特征在于，所述将所述算子结构和所述依赖关系结合，生成所述算子索引的步骤包括：
5.根据权利要求2所述的深度学习算子定位方法，其特征在于，所述依据所述定位需求指令对所述中间表示图进行搜索，确定目标算子位置的步骤包括：
6.根据权利要求5所述的深度学习算子定位方法，其特征在于，所述定位类型为故障类型时，...
【专利技术属性】
技术研发人员：贾蒙磊，
申请(专利权)人：苏州元脑智能科技有限公司，
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。