[发明专利]一种数据处理方法、装置及设备

说明书

本申请提供一种数据处理方法、装置及设备，该方法包括：获取至少一个训练平台训练的第一深度学习模型，每一训练平台训练的第一深度学习模型包括第一模型结构、第一模型参数；将每一训练平台训练的第一深度学习模型转换为第二深度学习模型，第二深度学习模型包括第二模型结构、第二模型参数；将该第二深度学习模型转换为与硬件设备匹配的第三深度学习模型；将该第三深度学习模型发送给该硬件设备，以使该硬件设备运行该第三深度学习模型，并通过该第三深度学习模型实现数据处理。通过本申请的技术方案，可以提升跨训练平台以及跨硬件设备的部署效率，减少开发工作量，提高用户体验。

技术领域

本申请涉及人工智能技术领域，尤其是一种数据处理方法、装置及设备。

背景技术

深度学习是机器学习领域中一个新的研究方向，被引入机器学习使其更接近于最初的目标，即人工智能。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息，对诸如文字、图像和声音等数据的解释有很大帮助，深度学习的最终目标是让机器能够具有分析学习能力，能够识别文字、图像和声音等数据。深度学习在搜索技术、数据挖掘、机器学习、机器翻译、自然语言处理、多媒体学习、语音、推荐和个性化技术，均取得了很多成果。

为了采用深度学习技术实现人工智能处理，需要先在训练平台训练出深度学习模型，并将深度学习模型部署到硬件设备，由硬件设备运行深度学习模型以实现数据处理。但是，深度学习领域中存在多种类型的训练平台，不同训练平台对深度学习模型的表达方式存在差异，深度学习领域中也存在多种类型的硬件设备，不同硬件设备对深度学习模型的表达方式也存在差异，因此，为了在硬件设备运行深度学习模型，就需要开发者针对不同训练平台和不同硬件设备分别进行工具链的开发，开发工作量很大，用户体验较差，工具链表示如何将训练平台训练的深度学习模型转换为硬件设备能够运行的深度学习模型。

发明内容

本申请提供一种数据处理方法，应用于中间设备，所述中间设备位于训练平台与硬件设备之间，所述训练平台用于训练深度学习模型，所述硬件设备用于运行深度学习模型以实现数据处理，所述方法包括：

获取至少一个训练平台训练的第一深度学习模型，每一训练平台训练的第一深度学习模型包括第一模型结构、第一模型参数；每一训练平台训练的第一深度学习模型中的第一模型结构的表达方式与该训练平台支持的模型结构表达方式相同，每一训练平台训练的第一深度学习模型中的第一模型参数的表达方式与该训练平台支持的模型参数表达方式相同；

将每一训练平台训练的第一深度学习模型转换为第二深度学习模型，该第二深度学习模型包括第二模型结构、第二模型参数；该第二模型结构的表达方式与该中间设备支持的模型结构表达方式相同，该第二模型参数的表达方式与该中间设备支持的模型参数表达方式相同；

将该第二深度学习模型转换为与硬件设备匹配的第三深度学习模型，该第三深度学习模型包括第三模型结构、第三模型参数，该第三模型结构的表达方式与该硬件设备支持的模型结构表达方式相同，该第三模型参数的表达方式与该硬件设备支持的模型参数表达方式相同；

将该第三深度学习模型发送给该硬件设备，以使该硬件设备运行该第三深度学习模型，并通过该第三深度学习模型实现数据处理。

本申请提供一种数据处理装置，应用于中间设备，所述中间设备位于训练平台与硬件设备之间，所述训练平台用于训练深度学习模型，所述硬件设备用于运行深度学习模型以实现数据处理，所述装置包括：

获取模块，用于获取至少一个训练平台训练的第一深度学习模型，每一训练平台训练的第一深度学习模型包括第一模型结构、第一模型参数；每一训练平台训练的第一深度学习模型中的第一模型结构的表达方式与该训练平台支持的模型结构表达方式相同，每一训练平台训练的第一深度学习模型中的第一模型参数的表达方式与该训练平台支持的模型参数表达方式相同；