[发明专利]一种调试应用程序的方法及设备

权利要求书

1.一种调试应用程序的方法，该方法应用在个人电脑PC上，其特征在于，所述方法包括：

所述PC确定自身的人工智能引擎框架和终端设备上的人工智能引擎框架对在线模型中的各个神经网络算子的支持状态，所述在线模型是应用程序具有的人工智能能力对应的数学模型；

所述PC根据所述支持状态，将所述在线模型拆分为神经网络部分和神经网络算子部分，所述神经网络部分包括所述PC和所述终端设备都支持的神经网络算子，所述神经网络算子部分是所述PC不支持的神经网络算子和所述终端设备不支持的神经网络算子；

所述PC将所述神经网络部分转换为离线模型；

所述PC将所述离线模型和所述神经网络算子部分对应的二进制程序算子信息打包到所述应用程序的程序包中，生成具有人工智能能力的应用程序包，以使得所述PC的安卓模拟器运行所述应用程序包时，所述安卓模拟器调用所述PC的人工智能引擎框架和硬件加速设备对所述离线模型进行加速运算，并执行所述二进制程序算子信息对应的二进制程序算子。

2.如权利要求1所述的方法，其特征在于，所述执行所述二进制程序算子信息对应的二进制程序算子，包括：

所述安卓模拟器从所述安卓模拟器的CPU软件算子库中查询到所述二进制程序算子信息对应的二进制程序算子；

所述安卓模拟器执行所述二进制程序算子。

3.如权利要求2所述的方法，其特征在于，所述PC将所述神经网络部分转换为离线模型之后，还包括：

若所述终端设备上的人工智能引擎框架所支持的计算精度低于所述PC上的人工智能引擎框架所支持的计算精度，则所述PC将所述离线模型的计算精度调整至与所述终端设备上的人工智能引擎框架所支持的计算精度一致。

4.一种调试应用程序的方法，该方法应用在个人电脑PC上，其特征在于，包括：

所述PC确定终端设备上的人工智能引擎框架对在线模型中的各个神经网络算子的支持状态，所述在线模型是所述应用程序具有的人工智能能力对应的数学模型；

所述PC根据所述支持状态，将所述在线模型拆分为神经网络部分和神经网络算子部分，所述神经网络部分包括所述终端设备都支持的神经网络算子，所述神经网络算子部分是所述终端设备不支持的神经网络算子；

所述PC将所述神经网络部分转换为离线模型；

所述PC将所述离线模型和所述神经网络算子部分对应的二进制程序算子信息打包到所述应用程序的程序包中，并将所述程序包发送到所述终端设备。

5.一种调试应用程序的装置，所述装置设置于个人电脑PC中，所述PC包括安卓模拟器、人工智能引擎框架、硬件加速设备和中央处理器CPU，其特征在于，包括：

状态确定单元，用于确定所述PC的人工智能引擎框架和终端设备上的人工智能引擎框架对在线模型中的各个神经网络算子的支持状态，所述在线模型是所述应用程序具有的人工智能能力对应的数学模型；

模型转换单元，用于根据所述支持状态，将所述在线模型拆分为神经网络部分和神经网络算子部分，并将所述神经网络部分转换为离线模型；所述神经网络部分包括所述PC和所述终端设备都支持的神经网络算子，所述神经网络算子部分是所述PC不支持的神经网络算子和所述终端设备不支持的神经网络算子；

应用程序包生成单元，用于将所述离线模型和所述神经网络算子部分对应的二进制程序算子信息打包到所述应用程序的程序包中，生成具有人工智能能力的应用程序包；

处理单元，用于当所述安卓模拟器从所述应用程序包生成单元获取所述应用程序包并运行所述应用程序包时，根据所述安卓模拟器的调用请求来调用所述PC的所述人工智能引擎框架和所述硬件加速设备对所述应用程序包中的离线模型进行加速运算，生成第一运算结果，以使所述安卓模拟器根据所述第一运算结果和所述二进制程序算子信息对应的二进制程序算子得到目标运算结果。