[发明专利]机器学习模型的编译优化方法和装置

说明书

本发明公开了一种机器学习模型的编译优化方法和装置。其中，该方法包括：运行第一机器学习模型分别对N个数据集进行处理，得到N组模型运行信息；根据所述N组模型运行信息，在所述第一组操作中确定出N个操作集合；根据所述N个操作集合，在所述第一组操作中确定允许被分别编译的多个操作子集合；使用所述目标编译器分别对与每个所述编译区域对应的所述操作子集合进行编译。本发明解决了由于在机器学习在编译时没有引入运行时的采样信息，导致的编译周期长、浪费资源的技术问题。

技术领域

本发明涉及人工智能领域，具体而言，涉及一种机器学习模型的编译优化方法和装置。

背景技术

机器学习系统中的编译优化有提前编译和即时编译两大类技术。现有机器学习系统在编译时，没有引入运行时的采样信息，由于没有采样运行时张量形状的变化信息，会导致在多次迭代过程中因为部分操作张量形状变化引发计算图大部分操作的重新编译。这类重编译非常耗时且耗内存。

针对相关技术中，由于在机器学习在编译时没有引入运行时的采样信息，导致的编译周期长、浪费资源的问题，目前尚未存在有效的解决方案

发明内容

本发明实施例提供了一种机器学习模型的编译优化方法和装置，以至少解决由于在机器学习在编译时没有引入运行时的采样信息，导致的编译周期长、浪费资源的技术问题。

根据本发明实施例的一个方面，提供了一种机器学习模型的编译优化方法，包括：运行第一机器学习模型分别对N个数据集进行处理，得到N组模型运行信息，其中，对于每个所述数据集，所述第一机器学习模型被多次运行，得到一组所述模型运行信息，所述第一机器学习模型包括第一组操作，所述第一组操作中的操作为允许被目标编译器处理的操作，每组所述模型运行信息用于指示：在所述多次运行所述第一机器学习模型对一个所述数据集进行处理的过程中，所述第一组操作中的每个操作的输入张量和输出张量的形状是否发生变化，N为大于1的自然数；根据所述N组模型运行信息，在所述第一组操作中确定出N个操作集合；根据所述N个操作集合，在所述第一组操作中确定允许被分别编译的多个操作子集合，其中，所述多个操作子集合设置为允许被所述目标编译器分别编译；使用所述目标编译器分别对与每个所述编译区域对应的所述操作子集合进行编译。

可选地，每个所述操作集合包括第一操作子集合和第二操作子集合，每个所述第一操作子集合包括在所述多次运行所述第一机器学习模型对一个所述数据集进行处理的过程中输入张量和输出张量的形状均未发生变化的操作，每个所述第二操作子集合包括在所述多次运行所述第一机器学习模型对一个所述数据集进行处理的过程中输入张量和/或输出张量的形状发生变化的操作，其中，所述根据所述N个操作集合，在所述第一组操作中确定允许被分别编译的多个操作子集合，包括：对于所述N个操作集合中的每个操作集合，执行以下操作，其中，在执行以下操作的过程中，所述每个操作集合被视为当前操作集合：在所述第一组操作中确定是否存在第三操作子集合，其中，所述第三操作子集合中的操作仅出现在所述当前操作集合中的所述第二操作子集合中、而未出现在所述N个操作集合中除所述当前操作集合之外的操作集合中的所述第二操作子集合中；其中，在存在所述第三操作子集合的情况下，所述第三操作子集合为所述多个操作子集合中的一个操作子集合。

可选地，每个所述操作集合包括第一操作子集合和第二操作子集合，每个所述第一操作子集合包括在所述多次运行所述第一机器学习模型对一个所述数据集进行处理的过程中输入张量和输出张量的形状均未发生变化的操作，每个所述第二操作子集合包括在所述多次运行所述第一机器学习模型对一个所述数据集进行处理的过程中输入张量和/或输出张量的形状发生变化的操作，其中，所述根据所述N个操作集合，在所述第一组操作中确定允许被分别编译的多个操作子集合，包括：对所述N个操作集合中的所述第一操作子集合取交集，得到第四操作子集合，其中，所述第四操作子集合为所述多个操作子集合中的一个操作子集合。

可选地，所述方法还包括：对所述N个操作集合中的所述第二操作子集合取交集，得到第五操作子集合；将所述第五操作子集合中的操作设置为放弃使用搜索目标编译器进行编译。