[發明專利]計算圖優化方法及裝置、電子設備、計算機可讀介質

在審

• 申請號: 202210617134.2
• 申請日: 2022-06-01
• 公開（公告）號: CN114819106A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 張偉豪;王封;祝夭龍
• 申請（專利權）人: 北京靈汐科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 北京天昊聯合知識產權代理有限公司 11112
• 代理人: 彭瑞欣;馮建基

本公開提供了一種計算圖優化方法及裝置、電子設備、計算機可讀介質，該方法包括：獲取待優化的第一計算圖；通過預先訓練的圖神經網絡對所述第一計算圖進行檢測，確定所述第一計算圖中待優化的第一子圖；根據所述第一子圖，對所述第一計算圖進行優化，得到優化后的第二計算圖。根據本公開的實施例能夠提升計算圖的優化效率，從而提升計算圖的編譯效率。

技術領域

本公開涉及計算圖技術領域，特別涉及一種計算圖優化方法及裝置、電子設備、計算機可讀存儲介質。

背景技術

隨著人工智能技術的不斷發展，越來越多的神經網絡被應用到了生產實踐中。這些神經網絡在編程、部署、執行的過程中往往使用計算圖的形式去描述，計算圖作為IR(Intermediate Representation，中間表示)也被用于高性能計算等其他領域，因此，針對計算圖的優化(如編譯優化與執行優化)已經越來越受到人們的重視。

發明內容

本公開提供一種計算圖優化方法及裝置、處理核、電子設備、計算機可讀存儲介質。

第一方面，本公開提供了一種計算圖優化方法，該計算圖優化方法包括：獲取待優化的第一計算圖；通過預先訓練的圖神經網絡對所述第一計算圖進行檢測，確定所述第一計算圖中待優化的第一子圖；根據所述第一子圖，對所述第一計算圖進行優化，得到優化后的第二計算圖。

第二方面，本公開提供了一種計算圖優化裝置，該計算圖優化裝置包括：獲取模塊，用于獲取待優化的第一計算圖；檢測模塊，用于通過預先訓練的圖神經網絡對所述第一計算圖進行檢測，確定所述第一計算圖中待優化的第一子圖；優化模塊，用于根據所述第一子圖，對所述第一計算圖進行優化，得到優化后的第二計算圖。

第三方面，本公開提供了一種電子設備，該電子設備包括：至少一個處理器；以及與所述至少一個處理器通信連接的存儲器；其中，所述存儲器存儲有可被所述至少一個處理器執行的一個或多個計算機程序，一個或多個所述計算機程序被所述至少一個處理器執行，以使所述至少一個處理器能夠執行上述的計算圖優化方法。

第四方面，本公開提供了一種計算機可讀存儲介質，其上存儲有計算機程序，其中，所述計算機程序在被處理器/處理核執行時實現上述的計算圖優化方法。

本公開所提供的實施例，使用圖神經網絡(GNN，Graph Neural Networks)對計算圖進行檢測，能夠檢測到模糊的、難以用統一的明確規則定義的、待優化的結構或算子，提升了檢測的成功率，從而提升了計算圖的優化效率，進一步提升了計算圖的編譯效率。

應當理解，本部分所描述的內容并非旨在標識本公開的實施例的關鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。

附圖說明

附圖用來提供對本公開的進一步理解，并且構成說明書的一部分，與本公開的實施例一起用于解釋本公開，并不構成對本公開的限制。通過參考附圖對詳細示例實施例進行描述，以上和其他特征和優點對本領域技術人員將變得更加顯而易見，在附圖中：

圖1為相關技術中對計算圖進行優化的流程的示意圖；

圖2為本公開實施例提供的一種計算圖優化方法的流程圖；

圖3為本公開實施例提供的一種計算圖優化方法的部分步驟的流程圖；

圖4為本公開實施例提供的一種計算圖優化方法的部分步驟的流程圖；

圖5為本公開實施例提供的一種計算圖優化方法的部分步驟的流程圖；

圖6為本公開實施例提供的一種計算圖優化方法的部分步驟的流程圖；

圖7為本公開實施例提供的一種計算圖優化方法的示意圖；

圖8為本公開實施例提供的一種計算圖優化方法的示意圖；