[發明專利]用于監控深度學習框架下的算子兼容性的方法和裝置

在審

• 申請號: 202011027367.4
• 申請日: 2020-09-25
• 公開（公告）號: CN112101571A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 李雅美;藍翔;駱濤;鄭輝煌
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 北京市漢坤律師事務所 11602
• 代理人: 姜浩然;吳麗麗

本公開涉及一種用于監控深度學習框架下的算子兼容性的方法和裝置、計算系統和計算機可讀存儲介質，涉及深度學習領域。該方法包括：生成與至少一個原有算子相關聯的描述信息以及與至少一個修改后的算子相關聯的描述信息，其中，描述信息與算子兼容性相關聯；確定與至少一個原有算子相關聯的描述信息和與至少一個修改后的算子相關聯的描述信息之間的不同；確定不同是否滿足預先設定的規則；以及響應于確定不同中的至少一個不滿足預先設定的規則，提示不具備兼容性的信息。

技術領域

本公開涉及深度學習領域，具體涉及一種用于監控深度學習框架下的算子兼容性的方法和裝置、計算系統和計算機可讀存儲介質。

背景技術

深度學習是人工智能領域中的關鍵技術，開發者通常基于深度學習框架來開展相關工作。算子是從一個函數空間到另一函數空間的映射，是深度學習框架中的基本計算單元，對模型訓練、預測和部署發揮重要作用。隨著深度學習技術的不斷發展，深度學習框架中的算子數量逐漸增多，并且算子處于快速迭代中。

在此部分中描述的方法不一定是之前已經設想到或采用的方法。除非另有指明，否則不應假定此部分中描述的任何方法僅因其包括在此部分中就被認為是現有技術。類似地，除非另有指明，否則此部分中提及的問題不應認為在任何現有技術中已被公認。

發明內容

根據本公開的第一方面，提供了一種用于監控深度學習框架下的算子兼容性的方法，包括：生成與至少一個原有算子相關聯的描述信息以及與至少一個修改后的算子相關聯的描述信息，其中，描述信息與算子兼容性相關聯；確定與至少一個原有算子相關聯的描述信息和與至少一個修改后的算子相關聯的描述信息之間的不同；確定不同是否滿足預先設定的規則；以及響應于確定不同中的至少一個不滿足預先設定的規則，提示不具備兼容性的信息。

根據本公開的第二方面，提供了一種用于監控深度學習框架下的算子兼容性的裝置，包括：第一生成模塊，被配置為生成與至少一個原有算子相關聯的描述信息以及與至少一個修改后的算子相關聯的描述信息，其中，描述信息與算子兼容性相關聯；第一確定模塊，被配置為確定與至少一個原有算子相關聯的描述信息和與至少一個修改后的算子相關聯的描述信息之間的不同；第二確定模塊，被配置為確定不同是否滿足預先設定的規則；以及提示模塊，被配置為響應于確定不同中的至少一個不滿足預先設定的規則，提示不具備兼容性的信息。

根據本公開的第三方面，提供了一種計算系統，包括：處理器；以及存儲程序的存儲器，程序包括指令，指令在由處理器執行時使得處理器執行上述用于監控深度學習框架下的算子兼容性的方法。

根據本公開的第四方面，提供了一種存儲程序的計算機可讀存儲介質，程序包括指令，指令在由計算系統的處理器執行時，使得計算系統執行上述用于監控深度學習框架下的算子兼容性的方法。

根據本公開的一個或多個實施例，可以確保深度學習框架向前兼容，使得新版本的預測庫能夠兼容舊版本訓練的模型，提高算子兼容性的準確度。

根據本公開的另外一個或多個實施例，可以自動監控深度學習框架下的算子兼容性，從而減少人工審核所需的人力，降低開發成本。

附圖說明

附圖示例性地示出了實施例并且構成說明書的一部分，與說明書的文字描述一起用于講解實施例的示例性實施方式。所示出的實施例僅出于例示的目的，并不限制權利要求的范圍。在所有附圖中，相同的附圖標記指代類似但不一定相同的要素。

圖1示出了根據本公開的實施例的用于監控深度學習框架下的算子兼容性的方法的流程圖；

圖2示出了根據本公開的另一實施例的用于監控深度學習框架下的算子兼容性的方法的流程圖；

圖3示出了根據本公開的實施例的根據不具備兼容性的信息來確定是否需要對與不同中的至少一個相關聯的修改后的算子再修改的流程圖；