【技术实现步骤摘要】
本专利技术涉及人工智能，特别是涉及一种模型转换方法、装置、电子设备及存储介质。
技术介绍
1、随着近些年的深度学习发展，产生了诸多不同格式的模型表示方法，如caffe、pytorch、onnx、tensorflow等，在实际工程应用中，称这些框架为前端框架，这些前端框架主要供算法工程师使用，产生的模型并不是最终的性能最优模型。如果需要模型的推理发挥出最佳的表现，则需要把模型运行在指定的深度学习芯片上，这些芯片包含gpu、tpu、npu等，这就是模型的部署。
2、在深度学习模型的部署过程中，不同的后端框架支持的输入模型格式千差万别，目前大部分后端框架都对onnx、pytorch、tensorflow等框架进行了支持，onnx承担起模型的ir中间表示角色，目前，把onnx模型转换成pytorch的python开源库，由于该库无法生成模型描述的py文件(python编程语言的源代码文件)，无法对模型进行调试，onnx算子转换后算子更加的零碎，导致转换后的模型可读性较差，无法满足模型部署需求。
技术实现思
<本文档来自技高网...【技术保护点】
1.一种模型转换方法，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，所述获取预先转换的中间模型的模型信息，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述头信息生成模型结构描述文件，采用所述模型结构描述文件构建模型转换框架，将所述常量信息输入至所述模型转换框架，包括：
4.根据权利要求1所述的方法，其特征在于，所述确定所述计算图信息中的算子结构以及算子类型，根据预设算子映射表和算子类型将所述算子结构映射为目标算子结构，包括：
5.根据权利要求4所述的方法，其特征在于，所述将所述算子结...
【技术特征摘要】
1.一种模型转换方法，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，所述获取预先转换的中间模型的模型信息，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述头信息生成模型结构描述文件，采用所述模型结构描述文件构建模型转换框架，将所述常量信息输入至所述模型转换框架，包括：
4.根据权利要求1所述的方法，其特征在于，所述确定所述计算图信息中的算子结构以及算子类型，根据预设算子映射表和算子类型将所述算子结构映射为目标算子结构，包括：
5.根据权利要求4所述的方法，其特征在于，所述将所述算...
【专利技术属性】
技术研发人员：张云鹏，李永翔，孙皓，朱庆军，李云飞，
申请(专利权)人：中电信人工智能科技北京有限公司，
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。