[發明專利]一種深度學習模型文件的轉換方法、系統、計算機設備及計算機可讀存儲介質

在審

• 申請號: 202010050425.9
• 申請日: 2020-01-17
• 公開（公告）號: CN111275199A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 朱錦祥;單以磊;臧磊
• 申請（專利權）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權代理有限公司 11015
• 代理人: 程超

1.一種深度學習模型文件的轉換方法，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換模型文件；

根據所述待轉換模型文件的文件類型，選擇相應的可讀框架讀取待轉換模型文件，以獲得待轉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，以獲得中間規范的信息；

根據中間規范的信息整合成中間規范模型文件；

通過目標深度學習框架開啟中間規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.根據權利要求1所述的深度學習模型文件的轉換方法，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.根據權利要求1所述的深度學習模型文件的轉換方法，其特征在于，所述待轉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重文件與網絡結構代碼，不完整的模型文件包括權重文件而不包括網絡結構代碼。

4.根據權利要求3所述的深度學習模型文件的轉換方法，其特征在于，獲得待轉換模型文件的載入信息的步驟包括：

識別待轉換模型文件對應的原始深度學習框架；

判斷待轉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，然后返回執行判斷待轉換模型文件是否為完整的模型文件。

5.根據權利要求3所述的深度學習模型文件的轉換方法，其特征在于，獲得待轉換模型文件的載入信息的步驟包括：

識別待轉換模型文件對應的原始深度學習框架；

通過識別待轉換模型文件的保存代碼判斷待轉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，則檢查待轉換模型文件的內容是否存在網絡結構代碼的特征；

若存在網絡結構代碼，則加載處理以獲得待轉換模型文件的載入信息；

若不存在網絡結構代碼，則提示補充并等待補充，然后返回執行通過識別待轉換模型文件的保存代碼判斷待轉換模型文件是否需要進一步完整性檢查。

6.根據權利要求5所述的深度學習模型文件的轉換方法，其特征在于，所述載入信息為載入網絡結構代碼與權重文件內的信息，所述載入信息包括數據類型、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換系統，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換模型文件；

模型載入模塊，其用于根據所述待轉換模型文件的文件類型，選擇相應的可讀框架讀取待轉換模型文件，以獲得待轉換模型文件的載入信息；

信息轉換模塊，其用于將所述載入信息進行解析和/或翻譯處理，以獲得中間規范的信息；

合成模塊，其用于根據中間規范的信息整合成中間規范模型文件；

模型轉換模塊，其用于通過目標深度學習框架開啟中間規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：所述處理器執行所述計算機程序時實現權利要求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，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行時實現權利要求1至6任一項所述方法的步驟。