[发明专利]深度学习模型的执行代码的确定方法、装置及存储介质

权利要求书

1.一种深度学习模型的执行代码的确定方法，其特征在于，所述方法包括：

基于深度学习模型的中间代码的数据处理方式，确定所述中间代码对应的至少一个预处理中间代码，所述数据处理方式包括数据重复使用和/或数据不重复使用，所述至少一个预处理中间代码互不相同；

将每个预处理中间代码转换成可执行代码，得到至少一个可执行代码；

从所述至少一个可执行代码中确定所述深度学习模型的执行代码。

2.如权利要求1所述的方法，其特征在于，所述方法应用于目标检测、目标跟踪、语义分割、语音识别、文字识别、自然语言处理中的任一场景。

3.如权利要求2所述的方法，其特征在于，所述中间代码包括多个中间代码块，每个中间代码块分别用于处理不同的张量数据，所述基于深度学习模型的中间代码的数据处理方式，确定所述中间代码对应的至少一个预处理中间代码，包括：

将所述中间代码作为一个预处理中间代码；和/或，

基于各个中间代码块的数据处理方式，对所述多个中间代码块中的至少一个中间代码块进行缓存优化处理；

将缓存优化处理后的至少一个中间代码块和未进行缓存优化处理的所有中间代码块构成的中间代码作为一个预处理中间代码。

4.如权利要求3所述的方法，其特征在于，所述基于各个中间代码块的数据处理方式，对所述多个中间代码块中的至少一个中间代码块进行缓存优化处理，包括：

当所述多个中间代码块的数据处理方式均包括数据不重复使用时，对所述多个中间代码块中的至少一个中间代码块进行双缓存优化处理；

所述将缓存优化处理后的至少一个中间代码块和未进行缓存优化处理的所有中间代码块构成的中间代码作为一个预处理中间代码，包括：

将双缓存优化处理后的至少一个中间代码块和未进行双缓存优化处理的所有中间代码块构成的中间代码作为一个预处理中间代码。

5.如权利要求3所述的方法，其特征在于，所述基于各个中间代码块的数据处理方式，对所述多个中间代码块中的至少一个中间代码块进行缓存优化处理，包括：

当所述多个中间代码块中的部分中间代码块的数据处理方式包括数据重复使用，以及所述多个中间代码块中的部分中间代码块的数据处理方式包括数据不重复使用时，对所述多个中间代码块中数据处理方式包括数据不重复使用的至少一个中间代码块进行双缓存优化处理，以及对所述多个中间代码块中数据处理方式包括数据重复使用的至少一个中间代码块进行环形缓存优化处理；

所述将缓存优化处理后的至少一个中间代码块和未进行缓存优化处理的所有中间代码块构成的中间代码作为一个预处理中间代码，包括：

将双缓存优化处理后的至少一个中间代码块、环形缓存优化处理后的至少一个中间代码块和未进行缓存优化处理的所有中间代码块构成的中间代码作为一个预处理中间代码。

6.如权利要求3所述的方法，其特征在于，所述基于各个中间代码块的数据处理方式，对所述多个中间代码块中的至少一个中间代码块进行缓存优化处理，包括：

当所述多个中间代码块的数据处理方式均包括数据重复使用时，对所述多个中间代码块中的至少一个中间代码块进行环形缓存优化处理；

所述将缓存优化处理后的至少一个中间代码块和未进行缓存优化处理的所有中间代码块构成的中间代码作为一个预处理中间代码，包括：

将环形缓存优化处理后的至少一个中间代码块和未进行环形缓存优化处理的所有中间代码块构成的中间代码作为一个预处理中间代码。

7.如权利要求1-6任一项所述的方法，其特征在于，所述从所述至少一个可执行代码中确定所述深度学习模型的执行代码，包括：

基于待测试张量数据，确定每个可执行代码的执行性能指标；

基于每个可执行代码的执行性能指标，从所述至少一个可执行代码中确定所述深度学习模型的执行代码。