[發(fā)明專利]一種深度學習模型文件的轉(zhuǎn)換方法、系統(tǒng)、計算機設備及計算機可讀存儲介質(zhì)在審
| 申請?zhí)枺?/td> | 202010050425.9 | 申請日: | 2020-01-17 |
| 公開(公告)號: | CN111275199A | 公開(公告)日: | 2020-06-12 |
| 發(fā)明(設計)人: | 朱錦祥;單以磊;臧磊 | 申請(專利權(quán))人: | 深圳壹賬通智能科技有限公司 |
| 主分類號: | G06N20/00 | 分類號: | G06N20/00 |
| 代理公司: | 北京英特普羅知識產(chǎn)權(quán)代理有限公司 11015 | 代理人: | 程超 |
| 地址: | 518052 廣東省深圳市*** | 國省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 深度 學習 模型 文件 轉(zhuǎn)換 方法 系統(tǒng) 計算機 設備 可讀 存儲 介質(zhì) | ||
1.一種深度學習模型文件的轉(zhuǎn)換方法,其特征在于,包括以下步驟:
接收原始深度學習框架下取得的待轉(zhuǎn)換模型文件;
根據(jù)所述待轉(zhuǎn)換模型文件的文件類型,選擇相應的可讀框架讀取待轉(zhuǎn)換模型文件,以獲得待轉(zhuǎn)換模型文件的載入信息;
將所述載入信息進行解析和/或翻譯處理,以獲得中間規(guī)范的信息;
根據(jù)中間規(guī)范的信息整合成中間規(guī)范模型文件;
通過目標深度學習框架開啟中間規(guī)范模型文件并啟用目標深度學習框架的存儲引擎將取得的中間規(guī)范模型文件保存為目標模型文件,所述目標模型文件可應用于目標深度學習框架。
2.根據(jù)權(quán)利要求1所述的深度學習模型文件的轉(zhuǎn)換方法,其特征在于,所述原始深度學習框架包括Caffe、Keras、MXNet、Tensorflow、Microsoft Cognitive Toolkit(CNTK)、PyTorch、CoreML的任一種,所述目標深度學習框架包括Caffe、Keras、MXNet、Tensorflow、Microsoft Cognitive Toolkit(CNTK)、PyTorch、CoreML的任一種。
3.根據(jù)權(quán)利要求1所述的深度學習模型文件的轉(zhuǎn)換方法,其特征在于,所述待轉(zhuǎn)換模型文件包括完整的模型文件和不完整的模型文件,所述完整的模型文件包括權(quán)重文件與網(wǎng)絡結(jié)構(gòu)代碼,不完整的模型文件包括權(quán)重文件而不包括網(wǎng)絡結(jié)構(gòu)代碼。
4.根據(jù)權(quán)利要求3所述的深度學習模型文件的轉(zhuǎn)換方法,其特征在于,獲得待轉(zhuǎn)換模型文件的載入信息的步驟包括:
識別待轉(zhuǎn)換模型文件對應的原始深度學習框架;
判斷待轉(zhuǎn)換模型文件是否為完整的模型文件;
若是,則加載處理以獲得待轉(zhuǎn)換模型文件的載入信息;
若否,則提示補充并等待補充,然后返回執(zhí)行判斷待轉(zhuǎn)換模型文件是否為完整的模型文件。
5.根據(jù)權(quán)利要求3所述的深度學習模型文件的轉(zhuǎn)換方法,其特征在于,獲得待轉(zhuǎn)換模型文件的載入信息的步驟包括:
識別待轉(zhuǎn)換模型文件對應的原始深度學習框架;
通過識別待轉(zhuǎn)換模型文件的保存代碼判斷待轉(zhuǎn)換模型文件是否需要進一步完整性檢查;
若不需要進一步完整性檢查,則加載處理以獲得待轉(zhuǎn)換模型文件的載入信息;
若需要進一步完整性檢查,則檢查待轉(zhuǎn)換模型文件的內(nèi)容是否存在網(wǎng)絡結(jié)構(gòu)代碼的特征;
若存在網(wǎng)絡結(jié)構(gòu)代碼,則加載處理以獲得待轉(zhuǎn)換模型文件的載入信息;
若不存在網(wǎng)絡結(jié)構(gòu)代碼,則提示補充并等待補充,然后返回執(zhí)行通過識別待轉(zhuǎn)換模型文件的保存代碼判斷待轉(zhuǎn)換模型文件是否需要進一步完整性檢查。
6.根據(jù)權(quán)利要求5所述的深度學習模型文件的轉(zhuǎn)換方法,其特征在于,所述載入信息為載入網(wǎng)絡結(jié)構(gòu)代碼與權(quán)重文件內(nèi)的信息,所述載入信息包括數(shù)據(jù)類型、運算單元、計算圖、激活子、通道維度。
7.一種深度學習模型文件的轉(zhuǎn)換系統(tǒng),其特征在于,包括:
接收模塊,其用于接收原始深度學習框架下取得的待轉(zhuǎn)換模型文件;
模型載入模塊,其用于根據(jù)所述待轉(zhuǎn)換模型文件的文件類型,選擇相應的可讀框架讀取待轉(zhuǎn)換模型文件,以獲得待轉(zhuǎn)換模型文件的載入信息;
信息轉(zhuǎn)換模塊,其用于將所述載入信息進行解析和/或翻譯處理,以獲得中間規(guī)范的信息;
合成模塊,其用于根據(jù)中間規(guī)范的信息整合成中間規(guī)范模型文件;
模型轉(zhuǎn)換模塊,其用于通過目標深度學習框架開啟中間規(guī)范模型文件并啟用目標深度學習框架的存儲引擎將取得的中間規(guī)范模型文件保存為目標模型文件,所述目標模型文件可應用于目標深度學習框架。
8.一種計算機設備,所述計算機設備,包括存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序,其特征在于:所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1至6任一項所述方法的步驟。
9.一種計算機可讀存儲介質(zhì),其上存儲有計算機程序,其特征在于:所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至6任一項所述方法的步驟。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于深圳壹賬通智能科技有限公司,未經(jīng)深圳壹賬通智能科技有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010050425.9/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。





