[发明专利]模型翻译方法、装置及计算机可读存储介质

权利要求书

1.一种模型翻译方法，其特征在于，包括：

获取待翻译模型以及训练数据集，所述待翻译模型包含至少一个神经网络层；

将所述待翻译模型的所述神经网络层转换成目标处理器支持的目标神经网络层，得到目标模型；

根据所述训练数据集对所述目标模型进行训练，以确定所述目标模型中各个所述目标神经网络层的参数。

2.根据权利要求1所述的模型翻译方法，其特征在于，获取待翻译模型，包括：

基于所述编程界面接收所述待翻译模型的程序代码，确定所述待翻译模型；

其中，所述编程界面禁用所述目标处理器不支持的函数。

3.根据权利要求1所述的模型翻译方法，其特征在于，将所述待翻译模型的神经网络层转换成目标处理器支持的目标神经网络层，包括：

基于所述待翻译模型中神经网络层的函数功能与所述目标处理器支持的目标神经网络层的函数功能之间的等效关系，确定所述待翻译模型中神经网络层与所述目标处理器支持的目标神经网络层之间的层映射关系；

基于所述层映射关系，将所述待翻译模型中的神经网络层等效转换为所述目标处理器支持的目标神经网络层。

4.根据权利要求3所述的模型翻译方法，其特征在于，确定所述待翻译模型中神经网络层与所述目标处理器支持的目标神经网络层之间的层映射关系，所述方法还包括：

基于所述等效关系确定所述待翻译模型中指定神经网络层与所述目标处理器支持的目标神经网络层之间的层映射关系；和/或，

基于所述等效关系确定所述待翻译模型中指定神经网络层与所述目标处理器支持的目标神经网络层组合之间的层映射关系；和/或，

基于所述等效关系确定所述待翻译模型中指定神经网络层组合与所述目标处理器支持的目标神经网络层之间的层映射关系；和/或，

基于所述等效关系确定所述待翻译模型中指定神经网络层组合与所述目标处理器支持的目标神经网络层组合之间的层映射关系。

5.根据权利要求1所述的模型翻译方法，其特征在于，所述方法还包括：

将所述训练数据集中的样本数据输入所述目标模型，以确定所述目标模型的至少一个目标神经网络层的输入值的数值范围；

根据所述输入值的数值范围和预设量化规则，确定所述目标模型中至少一个目标神经网络层的量化参数。

6.根据权利要求1所述的模型翻译方法，其特征在于，所述方法还包括：

获取所述目标模型的待处理对象；

将所述待处理对象输入所述目标模型，以确定所述目标模型的至少一个目标神经网络层的输入值的数值范围；

根据所述输入值的数值范围和预设量化规则，确定所述目标模型中至少一个目标神经网络层的量化参数。

7.根据权利要求1-6中任意一项所述的模型翻译方法，其特征在于，确定所述目标模型中各个目标神经网络层的参数之后，所述方法还包括：

根据所述目标模型的各个目标神经网络层及对应的参数生成输出代码。

8.根据权利要求1-6中任意一项所述的模型翻译方法，其特征在于，所述待翻译模型为pb格式、h5格式或darknet格式。

9.根据权利要求1-6中任意一项所述的模型翻译方法，其特征在于，所述输出代码为C语言格式或bin文件格式。

10.一种模型翻译装置，其特征在于，包括：

确定模块，用于获取待翻译模型以及训练数据集，所述待翻译模型包含至少一个神经网络层；

层转换模块，用于将所述待翻译模型的神经网络层转换成目标处理器支持的目标神经网络层，得到目标模型；

训练模块，用于根据所述训练数据集对所述目标模型进行训练，以确定所述目标模型中各个目标神经网络层的参数。