[發明專利]神經網絡模型的定制化方法、系統、設備和存儲介質

在審

• 申請號: 202010575490.3
• 申請日: 2020-06-22
• 公開（公告）號: CN111753983A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 潘搌鵬;熊超;蔡權雄;牛昕宇
• 申請（專利權）人: 深圳鯤云信息科技有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 潘登

1.一種神經網絡模型的定制化方法，其特征在于，包括：

獲取預設的神經網絡模型；

將所述神經網絡模型轉換為靜態計算圖模型；

根據所述靜態計算圖模型的第一計算節點的節點信息構建出有向無環計算圖模型；

通過預設的圖解析引擎將所述有向無環計算圖模型轉換為中間表達計算圖；

根據所述中間表達計算圖生成定制化的目標神經網絡模型。

2.根據權利要求1所述的方法，其特征在于，所述根據所述靜態計算圖模型的第一計算節點的節點信息構建出有向無環計算圖模型包括：

根據所述靜態計算圖模型的第一計算節點的節點信息構建出無向計算圖模型，所述節點信息包括計算節點順序；

根據所述計算節點順序為所述無向計算圖模型的第二計算節點添加邊關系以構建出有向無環計算圖模型。

3.根據權利要求2所述的方法，其特征在于，所述根據所述靜態計算圖模型的第一計算節點的節點信息構建出無向計算圖模型包括：

獲取所述靜態計算圖模型的第一計算節點的節點信息，所述節點信息還包括計算節點數量；

初始化與所述計算節點數量相同數量的第二計算節點；

按照拓撲排序將所述節點信息對應添加至所述第二計算節點以構建出無向計算圖模型。

4.根據權利要求1所述的方法，其特征在于，所述根據所述靜態計算圖模型的第一計算節點的節點信息構建出有向無環計算圖模型之后包括：

通過預設接口將所述有向無環計算圖模型可視化顯示；

接收用戶對所述有向無環計算圖模型的修改。

5.根據權利要求1所述的方法，其特征在于，所述通過預設的圖解析引擎將所述有向無環計算圖模型轉換為中間表達計算圖包括：

獲取定義在預設的圖解析引擎的解析規則；

根據所述解析規則對所述有向無環計算圖模型的第三計算節點進行替換以得到中間表達計算圖。

6.根據權利要求5所述的方法，其特征在于，所述解析規則包括匹配規則、改寫規則和賦值規則，所述根據所述解析規則對所述有向無環計算圖模型的第三計算節點進行替換以得到中間表達計算圖包括：

根據所述匹配規則對所述有向無環計算圖模型的第三計算節點進行匹配；

匹配成功時，根據所述改寫規則新增第四計算節點和所述第四計算節點的節點連接關系；

根據所述賦值規則和匹配成功的所述第三計算節點對所述第四計算節點進行賦值，并刪除匹配成功的所述第三計算節點以得到中間表達計算圖。

7.根據權利要求1所述的方法，其特征在于，所述根據所述中間表達計算圖生成定制化的目標神經網絡模型包括：

通過預設的序列化接口將所述中間表達計算圖轉換為定制化的中間表達；

將所述中間表達序列化為定制化的目標神經網絡模型。

8.一種神經網絡模型的定制化系統，其特征在于，包括：

模型獲取模塊，用于獲取預設的神經網絡模型；

模型轉換模塊，用于將所述神經網絡模型轉換為靜態計算圖模型；

模型構建模塊，用于根據所述靜態計算圖模型的第一計算節點的節點信息構建出有向無環計算圖模型；

計算圖轉換模塊，用于通過預設的圖解析引擎將所述有向無環計算圖模型轉換為中間表達計算圖；

模型生成模塊，用于根據所述中間表達計算圖生成定制化的目標神經網絡模型。

9.一種神經網絡模型的定制化設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-7中任一所述的方法。

10.一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，該程序被處理器執行時實現如權利要求1-7中任一所述的方法。