[发明专利]一种模型算子对比方法、系统及存储介质

说明书

本发明公开了一种模型算子对比方法，包括如下步骤：第一步，获取源模型，源模型包括路径和网络结构定义文件；第二步，判断源模型的类型，得到所述源模型类型；第三步，基于源模型类型、路径和网络结构定义文件，解析得到源模型的第一算子；第四步，获取目标模型，读取支持转换到目标模型的第二算子；将第二算子与第一算子进行对比，若第一算子中存在第三算子，所述第三算子不包含于第二算子，则提示第三算子不支持转换到目标模型；若不存在第三算子，则提示支持源模型转换到目标模型；通过上述方式，本发明实现了自动进行模型算子对比，节约了模型转换时算子对比的人力物力。

技术领域

本发明涉及深度学习技术领域，特别是涉及一种模型算子对比方法、系统及存储介质。

背景技术

目前主流的深度学习模型框架种类很多，如TensorFlow、PyTorch、Caffe、ONNX和TensorRT，每个深度学习模型框架支持的算子都不尽相同，此时就需要找出不支持转换到目标模型框架的算子，现有技术是手动进行模型算子的对比；由于实际应用中要转换的模型框架含有的算子往往成百上千，现有技术的缺陷明显，对于研发人员而言非常费时费力，并且容易遗漏和出错。

发明内容

本发明主要解决的技术问题是提供一种模型算子对比方法、系统及存储介质，能够解决逐一对比算子需耗费较多的人力物力的问题。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种模型算子对比方法，包括如下步骤：

获取源模型，所述源模型包括路径和网络结构定义文件；

判断源模型类型，得到所述源模型类型；

基于所述源模型类型、所述路径和所述网络结构定义文件，解析得到所述源模型的第一算子；

获取目标模型，读取支持转换到所述目标模型的第二算子；将所述第二算子与所述第一算子进行对比，若所述第一算子中存在第三算子，所述第三算子不包含于所述第二算子，则提示所述第三算子不支持转换到所述目标模型；若不存在所述第三算子，则提示支持所述源模型转换到所述目标模型。

作为一种改进方案，判断源模型类型，得到所述源模型类型步骤进一步包括：

获取所述源模型的模型后缀，根据所述模型后缀判断源模型类型；

根据所述源模型类型执行模型加载的操作；如果加载成功，则输出所述源模型类型；如果加载失败，则提示所述源模型类型判断错误。

进一步具体地，每个所述源模型类型具有若干所述模型后缀。

作为一种改进方案，所述解析得到所述源模型的第一算子步骤进一步包括：

给所述源模型设置输入，使所述源模型进行前向传播，得到计算图；

遍历所述计算图，得到并输出所述第一算子。

作为一种改进方案，所述遍历所述计算图步骤进一步包括：

通过反向传播遍历所述计算图。

作为一种改进方案，所述读取支持转换到所述目标模型的第二算子的步骤进一步包括：

将支持转换到所述目标模型的第二算子按类型分别进行存储。

进一步具体地，对支持转换到所述目标模型的所述第二算子按类型分别进行更新。

本发明还提供一种模型算子对比系统，所述模型算子对比系统包括：类型判断模块、模型解析模块和算子对比模块；

所述类型判断模块用于获取源模型和模型后缀，根据所述模型后缀和模型加载操作判断输入模型的类型，并将得到的模型类型输出到所述模型解析模块；