[發明專利]代碼轉換方法、裝置、設備以及存儲介質

有效

• 申請號: 202110042472.3
• 申請日: 2021-01-13
• 公開（公告）號: CN112764755B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 張留杰;藍翔;鄭輝煌;劉紅雨;李雅美;陳威行
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F8/41
• 分類號: G06F8/41;G06N20/00
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 韓海花

本申請公開了一種代碼轉換方法、裝置、設備以及存儲介質，涉及深度學習技術領域。具體實現方案為：通過獲取深度學習模型在動態圖模式下的源代碼，根據源代碼，確定深度學習模型中同一個源函數所對應的多段源代碼；確定多段源代碼所對應的多個類實例信息，獲取源函數在靜態圖模式下的第一函數代碼；根據第一函數代碼和多個類實例信息，生成源函數在靜態圖模式下所對應的多段目標代碼后，根據多段目標代碼，確定深度學習模型在靜態圖模式下的目標代碼。由此，通過獲取源函數在靜態圖模式下的第一函數代碼，避免了對動態圖模式下的相同源代碼進行重復轉換的過程，有效地提高了深度學習模型的代碼轉換的速度。

技術領域

本申請公開了一種代碼轉換方法、裝置、設備以及存儲介質，涉及數據處理技術領域，具體涉及深度學習技術領域。

背景技術

隨著深度學習技術的興起，越來越多的深度學習框架被開源出來，各具特色。大多數的框架會支持聲明式編程(靜態圖)和命令式編程(動態圖)兩種編程范式。靜態圖訓練速度快，更易于部署推理；動態圖調試方便，組網體驗好，更有利于模型的快速組建。為了更好的融合動態圖和靜態圖的優勢，代碼轉寫技術被應用到深度學習框架中，支持動態圖轉換到靜態圖。

但是，現有的將動態圖轉換到靜態圖的代碼轉換技術中，會對相同的函數進行多次轉換，從而導致轉換的效率較低。

發明內容

本申請提供了一種用于代碼轉換的方法、裝置、設備以及存儲介質。

根據本申請的一方面，提供了一種代碼轉換方法，包括：

獲取深度學習模型在動態圖模式下的源代碼，并根據所述源代碼，確定所述深度學習模型中同一個源函數所對應的多段源代碼；

確定所述多段源代碼所對應的多個類實例信息；

獲取所述源函數在靜態圖模式下的第一函數代碼；

根據所述第一函數代碼和所述多個類實例信息，生成所述源函數在所述靜態圖模式下所對應的多段目標代碼；

根據所述多段目標代碼，確定所述深度學習模型在所述靜態圖模式下的目標代碼。

可選地，所述獲取所述源函數在靜態圖模式下的第一函數代碼，包括：

查詢第一預設存儲位置是否存在所述源函數在靜態圖模式下的第一函數代碼；

確定在所述第一預設存儲位置查詢到所述第一函數代碼，則從所述第一預設存儲位置中獲取所述源函數在靜態圖模式下的第一函數代碼。

可選地，所述方法還包括：

確定在所述第一預設存儲位置未查詢到所述第一函數代碼，則獲取所述源函數在所述動態圖模式下的第一中間表示；

根據動態圖模式與靜態圖模式之間的中間表示轉換規則，對所述第一中間表示進行轉換，以得到所述源函數在靜態圖模式下的第二中間表示；

根據所述第二中間表示，確定所述源函數在所述靜態圖模式下的第一函數代碼。

可選地，所述獲取所述源函數在所述動態圖模式下的第一中間表示，包括：

對所述多段源代碼中的任意一段源代碼進行解析，以得到與實例無關的第二函數代碼；

將所述第二函數代碼轉換為所述第一中間表示。

可選地，所述獲取所述源函數在靜態圖模式下的第一函數代碼之前，所述方法還包括：

確定第二預設存儲位置中不存在每段源代碼在所述靜態圖模式對應的第一代碼。

可選地，所述方法還包括：