[发明专利]一种模型转换的方法、装置、设备和计算机存储介质

说明书

本发明提供了一种模型转换的方法、装置、设备和计算机存储介质，所述方法包括：获取待转换模型；确定所述待转换模型中包含的神经网络层，并获取对应各神经网络层的转换结果；对所述对应各神经网络层的转换结果进行组合，得到对应所述待转换模型的转换结果。本发明能够降低模型转换的成本，提升模型转换的效率。

【技术领域】

本发明涉及互联网技术领域，尤其涉及一种模型转换的方法、装置、设备和计算机存储介质。

【背景技术】

在现有技术中，绝大多数机器学习模型或深度学习模型都是在云端服务器中训练和部署的。若是要将部署在云端服务器中的学习模型转换为其他类型的模型，例如将它们转换为能够适用于移动设备的模型，一般会采用两种方式：通过交叉编译对模型进行整体转换或者基于训练数据重新训练模型。

其中，通过交叉编译整体转换模型的方式会存在以下问题：开发者需要具备专业的交叉编译经验，并需要面对各种报错并进行代码修改，因此转换成本较高；若所要转换得到的模型与待转换模型之间的一致性不高，还会导致转换失败，因此转换效率较低。而基于训练数据重新训练模型的方式会存在以下问题：开发者需要废弃已经经过反复调优和业务验证的云端服务器模型,重新在新的框架上训练得到模型，因此需要耗费大量的时间，而且重新训练得到的模型的性能与云端服务器中模型的性能相比不够良好。

【发明内容】

有鉴于此，本发明提供了一种模型转换的方法、装置、设备和计算机存储介质，用于降低模型转换的成本，提升模型转换的效率。

本发明为解决技术问题所采用的技术方案为提供一种模型转换的方法，所述方法包括：获取待转换模型；确定所述待转换模型中包含的神经网络层，并获取对应各神经网络层的转换结果；对所述对应各神经网络层的转换结果进行组合，得到对应所述待转换模型的转换结果。

根据本发明一优选实施例，所述待转换模型为云端服务器中已经训练好的机器学习模型或深度学习模型。

根据本发明一优选实施例，所述获取对应各神经网络层的转换结果包括：确定目标模型；根据预设的目标模型与转换方式之间的对应关系，确定与所述目标模型对应的转换方式；利用所确定的转换方式对各神经网络层进行转换，得到对应各神经网络层的转换结果。

根据本发明一优选实施例，所述获取对应各神经网络层的转换结果包括：获取各神经网络层中包含的操作算子；基于所获取的操作算子得到对应各神经网络层的转换结果。

根据本发明一优选实施例，所述基于所获取的操作算子得到对应各神经网络层的转换结果包括：按照各神经网络层中操作算子的运算顺序，依次拼接各神经网络层中包含的操作算子；将操作算子的拼接结果作为对应各神经网络层的转换结果。

根据本发明一优选实施例，所述基于所获取的操作算子得到对应各神经网络层的转换结果包括：对各神经网络层中包含的操作算子进行转换，得到对应各操作算子的转换结果；对各操作算子的转换结果进行拼接，得到对应各神经网络层的转换结果。

根据本发明一优选实施例，在得到对应所述待转换模型的转换结果之后，还包括：获取用户输入的设备属性信息；根据所获取的设备属性信息确定优化参数；根据所获取的优化参数，对所述对应待转换模型的转换结果进行优化以得到优化结果。

根据本发明一优选实施例，在得到对应所述待转换模型的转换结果之后，还包括：将所述对应待转换模型的转换结果发送并保存在云端服务器中。

本发明为解决技术问题所采用的技术方案为提供一种模型转换的装置，所述装置包括：获取单元，用于获取待转换模型；转换单元，用于确定所述待转换模型中包含的神经网络层，并获取对应各神经网络层的转换结果；处理单元，用于对所述对应各神经网络层的转换结果进行组合，得到对应所述待转换模型的转换结果。

根据本发明一优选实施例，所述待转换模型为云端服务器中已经训练好的机器学习模型或深度学习模型。