[发明专利]人工智能处理装置的编译方法及系统、存储介质及终端

权利要求书

1.一种人工智能处理装置的编译方法，其特征在于，包括以下步骤：

基于人工智能处理装置的识别准确率对深度学习网络模型数据进行精度压缩，以得到深度学习数据图；

对所述深度学习数据图进行图分析，以得到符合协议定义的深度学习数据流图；

基于所述深度学习数据流图生成可执行软件代码，并将所述可执行软件代码输入所述人工智能处理装置；

基于所述深度学习数据流图生成硬件比特流，并将所述硬件比特流输入所述人工智能处理装置。

2.根据权利要求1所述的人工智能处理装置的编译方法，其特征在于，基于人工智能处理装置的识别准确率对深度学习网络模型数据进行精度压缩包括以下步骤：

对所述深度学习网络模型数据进行固化；

对固化后的所述深度学习网络模型数据进行量化；

根据固化后的所述深度学习网络模型数据和量化后的所述深度学习网络模型数据生成深度学习数据图。

3.根据权利要求1所述的人工智能处理装置的编译方法，其特征在于，所述深度学习网络模型采用Tensorflow训练模型。

4.根据权利要求1所述的人工智能处理装置的编译方法，其特征在于，所述人工智能处理装置包括CPU和FPGA，所述可执行软件代码输入所述CPU，所述硬件比特流输入所述FPGA。

5.一种人工智能处理装置的编译系统，其特征在于，包括精度压缩模块、图分析模块、代码生成模块和比特流生成模块；

所述精度压缩模块用于基于人工智能处理装置的识别准确率对深度学习网络模型数据进行精度压缩，以得到深度学习数据图；

所述图分析模块用于对所述深度学习数据图进行图分析，以得到符合协议定义的深度学习数据流图；

所述代码生成模块用于基于所述深度学习数据流图生成可执行软件代码，并将所述可执行软件代码输入所述人工智能处理装置；

所述比特流生成模块用于基于所述深度学习数据流图生成硬件比特流，并将所述硬件比特流输入所述人工智能处理装置。

6.根据权利要求5所述的人工智能处理装置的编译系统，其特征在于，所述精度压缩模块基于人工智能处理装置的识别准确率对深度学习网络模型数据进行精度压缩执行以下步骤：

对所述深度学习网络模型数据进行固化；

对固化后的所述深度学习网络模型数据进行量化；

根据固化后的所述深度学习网络模型数据和量化后的所述深度学习网络模型数据生成深度学习数据图。

7.根据权利要求5所述的人工智能处理装置的编译系统，其特征在于，所述深度学习网络模型采用Tensorflow训练模型。

8.根据权利要求5所述的人工智能处理装置的编译系统，其特征在于，所述人工智能处理装置包括CPU和FPGA，所述可执行软件代码输入所述CPU，所述硬件比特流输入所述FPGA。

9.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至4中任一项所述人工智能处理装置的编译方法。

10.一种终端，其特征在于，包括：处理器及存储器；

所述存储器用于存储计算机程序；

所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行权利要求1至4中任一项所述人工智能处理装置的编译方法。