[发明专利]一种深度学习模型文件的转换方法、系统、计算机设备及计算机可读存储介质

权利要求书

1.一种深度学习模型文件的转换方法，其特征在于，包括以下步骤：

接收原始深度学习框架下取得的待转换模型文件；

根据所述待转换模型文件的文件类型，选择相应的可读框架读取待转换模型文件，以获得待转换模型文件的载入信息；

将所述载入信息进行解析和/或翻译处理，以获得中间规范的信息；

根据中间规范的信息整合成中间规范模型文件；

通过目标深度学习框架开启中间规范模型文件并启用目标深度学习框架的存储引擎将取得的中间规范模型文件保存为目标模型文件，所述目标模型文件可应用于目标深度学习框架。

2.根据权利要求1所述的深度学习模型文件的转换方法，其特征在于，所述原始深度学习框架包括Caffe、Keras、MXNet、Tensorflow、Microsoft Cognitive Toolkit(CNTK)、PyTorch、CoreML的任一种，所述目标深度学习框架包括Caffe、Keras、MXNet、Tensorflow、Microsoft Cognitive Toolkit(CNTK)、PyTorch、CoreML的任一种。

3.根据权利要求1所述的深度学习模型文件的转换方法，其特征在于，所述待转换模型文件包括完整的模型文件和不完整的模型文件，所述完整的模型文件包括权重文件与网络结构代码，不完整的模型文件包括权重文件而不包括网络结构代码。

4.根据权利要求3所述的深度学习模型文件的转换方法，其特征在于，获得待转换模型文件的载入信息的步骤包括：

识别待转换模型文件对应的原始深度学习框架；

判断待转换模型文件是否为完整的模型文件；

若是，则加载处理以获得待转换模型文件的载入信息；

若否，则提示补充并等待补充，然后返回执行判断待转换模型文件是否为完整的模型文件。

5.根据权利要求3所述的深度学习模型文件的转换方法，其特征在于，获得待转换模型文件的载入信息的步骤包括：

识别待转换模型文件对应的原始深度学习框架；

通过识别待转换模型文件的保存代码判断待转换模型文件是否需要进一步完整性检查；

若不需要进一步完整性检查，则加载处理以获得待转换模型文件的载入信息；

若需要进一步完整性检查，则检查待转换模型文件的内容是否存在网络结构代码的特征；

若存在网络结构代码，则加载处理以获得待转换模型文件的载入信息；

若不存在网络结构代码，则提示补充并等待补充，然后返回执行通过识别待转换模型文件的保存代码判断待转换模型文件是否需要进一步完整性检查。

6.根据权利要求5所述的深度学习模型文件的转换方法，其特征在于，所述载入信息为载入网络结构代码与权重文件内的信息，所述载入信息包括数据类型、运算单元、计算图、激活子、通道维度。

7.一种深度学习模型文件的转换系统，其特征在于，包括：

接收模块，其用于接收原始深度学习框架下取得的待转换模型文件；

模型载入模块，其用于根据所述待转换模型文件的文件类型，选择相应的可读框架读取待转换模型文件，以获得待转换模型文件的载入信息；

信息转换模块，其用于将所述载入信息进行解析和/或翻译处理，以获得中间规范的信息；

合成模块，其用于根据中间规范的信息整合成中间规范模型文件；

模型转换模块，其用于通过目标深度学习框架开启中间规范模型文件并启用目标深度学习框架的存储引擎将取得的中间规范模型文件保存为目标模型文件，所述目标模型文件可应用于目标深度学习框架。

8.一种计算机设备，所述计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至6任一项所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至6任一项所述方法的步骤。