[发明专利]神经网络模型推理方法、装置、电子设备及可读介质

权利要求书

1.一种神经网络模型推理方法，其特征在于，包括：

获取待识别图片；

采用流水线方法对待识别图片进行预处理；

将预先训练好的神经网络模型加载到神经网络推理加速引擎中；

采用加载后的神经网络推理加速引擎对预处理后的待识别图片进行推理，得到推理结果。

2.根据权利要求1所述的方法，其特征在于，采用流水线方法对待识别图片进行预处理的步骤包括：

将对同一张待识别图片的预处理任务划分成多个处理阶段，为每个处理阶段创建相对应的进程，将创建的进程按预设顺序构建成流水线队列；

根据构建的流水线队列并发处理待识别图片。

3.根据权利要求1所述的方法，其特征在于，所述神经网络模型为残差网络模型；所述流水线方法为pipeline方法，所述推理加速引擎为TensorRT。

4.根据权利要求3所述的方法，其特征在于，将预先训练好的神经网络模型加载到神经网络推理加速引擎中的步骤包括：

将残差网络模型转换为TensorRT支持的解析模型，得到解析后的残差网络模型；

创建TensorRT引擎，并将解析后的残差网络模型加载到TensorRT引擎中，得到TensorRT推理加速引擎。

5.一种神经网络模型推理装置，其特征在于，包括：

获取模块，用于获取待识别图片；

预处理模块，用于采用流水线方法对待识别图片进行预处理；

加速模块，用于将预先训练好的神经网络模型加载到神经网络推理加速引擎中；

推理模块，用于采用加载后的神经网络推理加速引擎对预处理后的待识别图片进行推理，得到推理结果。

6.根据权利要求5所述的装置，其特征在于，预处理模块包括：

构建模块，用于将对同一张待识别图片的预处理任务划分成多个处理阶段，为每个处理阶段创建相对应的进程，将创建的进程按预设顺序构建成流水线队列；

并发处理模块，用于根据构建的流水线队列并发处理待识别图片。

7.根据权利要求5所述的装置，其特征在于，所述神经网络模型为残差网络模型；所述流水线方法为pipeline方法，所述推理加速引擎为TensorRT。

8.根据权利要求7所述的装置，其特征在于，加速模块包括：

解析模块，将残差网络模型转换为TensorRT支持的解析模型，得到解析后的残差网络模型；

创建模块，创建TensorRT引擎，并将解析后的残差网络模型加载到TensorRT引擎中，得到TensorRT推理加速引擎。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至4任一项所述的方法的步骤。

10.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1至4任一所述方法。