[发明专利]通用机器学习模型文件解析方法、装置、存储介质

权利要求书

1.一种通用机器学习模型文件解析方法，其特征在于，所述通用机器学习模型文件包括目标通用机器学习模型、模型目录，所述方法包括：

获取通用机器学习模型文件的文件标识码；

检测所述文件标识码是否符合预设规则，若所述文件标识码符合预设规则，则在所述通用机器学习模型文件中读取所述模型目录；所述模型目录为通用机器学习模型文件中所有模型存放位置的记录；所述预设规则表示通用机器学习模型文件的标识码的描述信息；其中，通用机器学习模型文件的标识码是指通用机器学习模型文件附带的起标识作用的字符，通过识别文件的标识码可以将不同的通用机器学习模型文件区分开，便于准确获取对应的通用机器学习模型文件；

根据所述模型目录，在所述通用机器学习模型文件中读取所述目标通用机器学习模型。

2.根据权利要求1所述的方法，其特征在于，所述若所述文件标识码符合预设规则，则在所述通用机器学习模型文件中读取模型目录包括：

获取所述通用机器学习模型文件的校验码；

校验所述校验码与预设标准码是否一致，若所述校验码与预设标准码不一致，则执行纠错运算。

3.根据权利要求2所述的方法，其特征在于，所述校验所述校验码与预设标准码是否一致，若所述校验码与预设标准码不一致，则执行纠错运算包括：

获取纠错码；

根据所述纠错码对所述通用机器学习模型文件进行纠错，得到纠错后的模型文件；

校验所述纠错后的模型文件的校验码与所述预设标准码是否一致；

若所述纠错后的通用机器学习模型文件的校验码与所述预设标准码一致，则在所述通用机器学习模型文件中读取模型目录。

4.根据权利要求1所述的方法，其特征在于，所述根据所述模型目录，读取对应的通用机器学习模型包括：

获取目标通用机器学习模型的在所述通用机器学习模型文件中的存储偏移量；

根据所述存储偏移量，读取所述目标通用机器学习模型。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

读取所述通用机器学习模型中的硬件参数信息；

根据所述硬件参数信息，生成硬件匹配信息。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述通用机器学习模型中可共享的数据进行拆解，得到栈区数据，将所述通用机器学习模型中不可共享的数据进行拆解，得到堆区数据；

根据所述栈区数据、所述堆区数据以及输入数据计算，得到输出数据。

7.一种通用机器学习模型文件解析装置，其特征在于，所述装置包括：

文件获取器，目录解析器以及模型读取器；所述目录解析器分别与所述文件获取器、以及所述模型读取器相连；

所述文件获取器，用于获取通用机器学习模型文件；所述通用机器学习模型文件包括目标通用机器学习模型、模型目录；

所述文件获取器包括文件头校验器，用于获取所述通用机器学习模型文件的文件标识码；

所述目录解析器，用于检测所述文件标识码是否符合预设规则，若所述文件标识码符合预设规则，则在所述通用机器学习模型文件中读取模型目录；所述模型目录为通用机器学习模型文件中所有模型存放位置的记录；所述预设规则表示通用机器学习模型文件的标识码的描述信息；其中，通用机器学习模型文件的标识码是指通用机器学习模型文件附带的起标识作用的字符，通过识别文件的标识码可以将不同的通用机器学习模型文件区分开，便于准确获取对应的通用机器学习模型文件；

所述模型读取器，用于根据所述模型目录，在通用机器学习模型文件中读取所述目标通用机器学习模型。

8.根据权利要求7所述的装置，其特征在于，

所述文件头校验器还用于：

获取所述通用机器学习模型文件的校验码；以及校验所述校验码与预设标准码是否一致，若所述校验码与预设标准码不一致，则执行纠错运算。