[发明专利]神经网络模型的转换方法、装置、设备及存储介质

说明书

本公开涉及人工智能技术领域，具体涉及一种神经网络模型的转换方法、装置、设备及存储介质。一种神经网络模型的转换方法，包括：获取输入数据，输入数据包括通用转换参数以及目标转换模型的平台标识信息；根据输入数据的平台标识信息，由预先建立的工具集中确定目标转换工具；工具集包括多个转换工具，每个转换工具用于对神经网络模型进行转换处理以得到对应的转换模型；基于目标转换工具和输入数据的通用转换参数，对神经网络模型进行转换处理，得到目标转换模型。本公开实施方式的转换方法，降低模型转换的成本，提高模型转换效率。

技术领域

本公开涉及人工智能技术领域，具体涉及一种神经网络模型的转换方法、装置、设备及存储介质。

背景技术

目前各大芯片厂商的人工智能(Artificial Intelligence，AI)芯片支持的神经网络模型格式均不一致，对应的转换工具及使用方法也大相径庭。将同一神经网络移植到不同的芯片平台上时，需要研究人员根据平台转换工具和对应的方法对神经网络模型进行模型转换和模型测试，才可以完成神经网络在AI芯片上的使用。

相关技术中，由于不同芯片平台对应的转换方法不统一，导致研究人员需要学习多种AI芯片的转换工具，导致开发效率低下。

发明内容

为提高神经网络模型的转换效率，本公开实施方式提供了一种神经网络模型的转换方法、装置、电子设备以及存储介质。

第一方面，本公开实施方式提供了一种神经网络模型的转换方法，包括：

获取输入数据，所述输入数据包括通用转换参数以及目标转换模型的平台标识信息；

根据所述输入数据的平台标识信息，由预先建立的工具集中确定目标转换工具；所述工具集包括多个转换工具，每个所述转换工具用于对神经网络模型进行转换处理以得到对应的转换模型；

基于所述目标转换工具和所述输入数据的所述通用转换参数，对神经网络模型进行转换处理，得到所述目标转换模型。

在一些实施方式中，所述获取输入数据包括：

通过显示装置显示用户交互界面，获取通过所述用户交互界面输入的输入参数；

根据所述输入参数处理得到所述输入数据。

在一些实施方式中，所述输入数据的所述通用转换参数包括多个参数类别；在所述获取输入数据之前，所述转换方法还包括：

获取所述工具集中每个所述转换工具进行所述转换处理所需的参数类别；

根据每个所述转换工具所需的参数类别，确定所述通用转换参数包括的参数类别。

在一些实施方式中，预先建立所述工具集的过程包括：

获取各个平台对应的转换工具，并建立每个平台的平台标识信息与转换工具的对应关系；

将各个平台的转换工具进行整体封装处理，得到所述工具集。

在一些实施方式中，在得到所述工具集之后，所述转换方法还包括：

根据新增平台对应的转换工具以及平台标识信息，建立所述新增平台的平台标识信息与转换工具的对应关系；

将所述新增平台的所述对应关系以及所述转换工具嵌入所述工具集中，得到更新后的工具集。

在一些实施方式中，所述输入数据还包括目标转换模型的通用测试参数；在得到所述目标转换模型之后，所述转换方法还包括：

根据所述输入数据的所述平台标识信息，由所述工具集中确定目标测试工具；所述工具集还包括多个测试工具，每个所述测试工具用于对转换处理后得到的目标转换模型进行测试；