[发明专利]通用机器学习模型文件的生成方法、装置、存储介质

权利要求书

1.一种通用机器学习模型文件的生成方法，其特征在于，所述通用机器学习模型文件包括通用机器学习模型和模型目录，所述模型目录用于记录所述通用机器学习模型文件中所有模型的存放位置；所述生成方法包括：

获取所述通用机器学习模型；

计算所述通用机器学习模型的存储偏移量；其中，所述存储偏移量用于表征每个通用机器学习模型在所述通用机器学习模型文件中相对于最先存储的通用机器学习模型存储的相对位置；

根据所述通用机器学习模型以及所述通用机器学习模型存储偏移量，生成所述模型目录；

根据所述通用机器学习模型文件的属性信息、所述通用机器学习模型以及所述模型目录，生成所述通用机器学习模型文件。

2.根据权利要求1所述的生成方法，其特征在于，所述根据所述通用机器学习模型文件的属性信息、所述通用机器学习模型以及所述模型目录，生成所述通用机器学习模型文件，包括：

获取所述通用机器学习模型文件的文件头和文件尾；

根据所述文件头、所述模型目录、所述通用机器学习模型以及所述文件尾，生成所述通用机器学习模型文件。

3.根据权利要求1所述的生成方法，其特征在于，所述计算所述通用机器学习模型的存储偏移量的步骤包括：

获取每个所述通用机器学习模型占用的存储空间大小和所述通用机器学习模型的数量；

获取所述通用机器学习模型的存放顺序；

根据每个所述通用机器学习模型占用的存储空间大小、所述通用机器学习模型的数量、所述通用机器学习模型的存放顺序，计算每个所述通用机器学习模型的存储偏移量。

4.根据权利要求1所述的生成方法，其特征在于，所述根据所述通用机器学习模型文件的属性信息、所述通用机器学习模型以及所述模型目录，生成通用机器学习模型文件，包括：

创建所述通用机器学习模型文件的标识码；

根据所述标识码、所述通用机器学习模型、所述模型目录，生成所述通用机器学习模型文件。

5.根据权利要求1所述的生成方法，其特征在于，所述根据所述通用机器学习模型文件的属性信息、所述通用机器学习模型以及所述模型目录，生成所述通用机器学习模型文件，包括：

创建所述通用机器学习模型文件的校验码和/或纠错码；

根据所述通用机器学习模型文件的校验码和/或纠错码、所述通用机器学习模型以及所述模型目录，生成所述通用机器学习模型文件。

6.根据权利要求1所述的生成方法，其特征在于，所述根据所述通用机器学习模型文件的属性信息、所述通用机器学习模型以及所述模型目录，生成所述通用机器学习模型文件还包括：

计算所述通用机器学习模型文件所需占用的存储空间的大小；

根据所述通用机器学习模型、所述通用机器学习模型文件所需占用的存储空间的大小以及所述模型目录，生成通用机器学习模型文件。

7.一种通用机器学习模型文件的生成方法，其特征在于，所述生成方法包括：

获取机器学习任务的任务参数；

对所述任务参数进行分类，生成任务指令及模型参数；

在多核平台中，将核间不共享的数据对应的所述任务指令及模型参数进行汇集，生成栈数据，将核间共享的数据对应的所述任务指令及模型参数进行汇集，生成堆数据；

将所述栈数据和堆数据进行整合，生成通用机器学习模型；

计算所述通用机器学习模型的存储偏移量；

根据所述通用机器学习模型以及所述通用机器学习模型存储偏移量，生成模型目录；

根据所述通用机器学习模型文件的属性信息、所述通用机器学习模型、所述模型目录，生成通用机器学习模型文件。