[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)。
