申请/专利权人：北京燧原智能科技有限公司

申请日：2024-01-23

公开（公告）日：2024-04-23

公开（公告）号：CN117609870B

主分类号：G06F18/241

分类号：G06F18/241;G06N3/042;G06N3/08;G06F18/214

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本发明实施例公开了一种结构识别模型训练、模型结构识别方法、设备及介质，包括：将目标结构模型转换为静态图结构数据；其中，所述静态图结构数据包括目标结构模型的算子节点，以及各所述算子节点之间的数据流向边；对所述静态图结构数据中的各算子节点和数据流向边进行特征编码，得到静态图编码信息，其中，所述静态图编码信息包括算子节点对应的节点编码和数据流向边对应的邻接矩阵；根据所述静态图编码信息构建模型训练样本数据；根据所述模型训练样本数据训练图神经网络模型；其中，训练完成的图神经网络模型用于识别网络模型的结构。本发明实施例的技术方案能够提高模型结构的识别精度和识别效率。

主权项：1.一种模型结构识别方法，其特征在于，包括：获取目标识别模型，将所述目标识别模型转换为待识别静态图结构数据；对所述待识别静态图结构数据中的各算子节点和数据流向边进行特征编码，得到待识别静态图编码信息；其中，所述待识别静态图编码信息包括算子节点对应的节点编码和数据流向边对应的邻接矩阵；将所述待识别静态图编码信息输入至图神经网络模型，以通过所述图神经网络模型输出所述目标识别模型的模型结构；其中，所述对所述待识别静态图结构数据中的各算子节点和数据流向边进行特征编码，包括：确定所述待识别静态图结构数据的算子列表；对所述算子列表中的各算子配置算子权重；根据算子权重对所述算子列表中各算子进行特征编码，得到所述节点编码；根据算子节点构建待配置邻接矩阵；其中，所述待配置邻接矩阵的行元素和列元素为所述算子节点；根据各算子节点之间的数据流向关系对所述待配置邻接矩阵进行赋值，得到所述数据流向边对应的邻接矩阵；其中，在所述将所述待识别静态图编码信息输入至图神经网络模型，以通过所述图神经网络模型输出所述目标识别模型的模型结构之后，还包括：根据所述目标识别模型的模型结构识别结果确定模型中间变量的生命周期；根据所述模型中间变量的生命周期和预设硬件约束条件，生成所述目标识别模型的算子融合策略；其中，所述预设硬件约束条件根据计算算力、内存带宽和cache的大小配置；所述算子融合策略包括算子拆解、算子聚合以及算子重建；通过所述算子融合策略对所述目标识别模型进行算子融合处理。

全文数据：

权利要求：

百度查询： 北京燧原智能科技有限公司 结构识别模型训练、模型结构识别方法、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD