[发明专利]模型使用方法及装置

权利要求书

1.一种模型使用方法，其特征在于，应用于终端，所述终端内置有深度学习模型，所述方法包括：

获取一段运行时间内所述深度学习模型中多个算子的使用信息，所述多个算子包括使用关联的算子；

在确定所述使用关联的算子的使用信息满足预设信息条件后，按照所述使用关联的算子的使用顺序，对所述使用关联的算子进行组合，获得组合后的第一深度学习模型；

响应于满足所述第一深度学习模型的使用条件，使用所述第一深度学习模型。

2.根据权利要求1所述的方法，其特征在于，所述确定所述使用关联的算子的使用信息满足预设信息条件，包括以下至少一项：

确定所述使用关联的算子的使用频率大于或等于预设频率；

确定所述使用关联的算子的使用次数大于或等于预设次数。

3.根据权利要求1所述的方法，其特征在于，所述使用关联的算子的复杂度不同；所述在确定所述使用关联的算子的使用信息满足预设信息条件后，按照所述使用关联的算子的使用顺序，对所述使用关联的算子进行组合，包括：

在确定使用关联的且复杂度不同的算子的使用信息满足所述预设信息条件后，按照所述使用关联的且复杂度不同的算子的使用顺序，对所述使用关联的且复杂度不同的算子进行组合。

4.根据权利要求3所述的方法，其特征在于，所述使用关联的算子包括两个复杂度不同的算子，复杂度高的算子先于复杂度低的算子使用；所述在确定使用关联的且复杂度不同的算子的使用信息满足所述预设信息条件后，按照所述使用关联的且复杂度不同的算子的使用顺序，对所述使用关联的且复杂度不同的算子进行组合，包括：

在确定所述两个复杂度不同的算子的使用信息满足所述预设信息条件后，按照所述复杂度高的算子先于所述复杂度低的算子的顺序，对所述两个复杂度不同的算子进行组合。

5.根据权利要求1所述的方法，其特征在于，所述多个算子中的一个算子与其他多个算子关联；所述方法还包括：

在所述一个算子和所述其他多个算子中的一部分已发生组合的情况下，响应于所述一个算子和所述其他多个算子中的另一部分的使用信息满足所述预设信息条件，对目标深度学习模型中的所述一个算子和所述其他多个算子中的另一部分进行组合，获得组合后的第二深度学习模型，所述目标深度学习模型是基于所述深度学习模型获得的、其中所述一个算子和其后使用的算子未发生组合的模型；

响应于满足所述第二深度学习模型的使用条件，使用所述第二深度学习模型。

6.根据权利要求5所述的方法，其特征在于，所述目标深度学习模型包括未发生组合的所述深度学习模型。

7.一种模型使用装置，其特征在于，应用于终端，所述终端内置有深度学习模型，所述装置包括：

获取模块，被配置为获取一段运行时间内所述深度学习模型中多个算子的使用信息，所述多个算子包括使用关联的算子；

第一组合模块，被配置为在确定所述使用关联的算子的使用信息满足预设信息条件后，按照所述使用关联的算子的使用顺序，对所述使用关联的算子进行组合，获得组合后的第一深度学习模型；

第一使用模块，被配置为响应于满足所述第一深度学习模型的使用条件，使用所述第一深度学习模型。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

确定模块，被配置为确定所述使用关联的算子的使用频率大于或等于预设频率，和/或，确定所述使用关联的算子的使用次数大于或等于预设次数。

9.根据权利要求7所述的装置，其特征在于，所述使用关联的算子的复杂度不同；

所述第一组合模块，被配置为在确定使用关联的且复杂度不同的算子的使用信息满足所述预设信息条件后，按照所述使用关联的且复杂度不同的算子的使用顺序，对所述使用关联的且复杂度不同的算子进行组合。