[发明专利]信息处理、模型处理方法及装置、设备、介质

权利要求书

1.信息处理方法，其特征在于，所述方法包括：

响应于第一人工智能AI应用接收的输入操作，获取输入的第一对象，所述第一AI应用为经训练的神经网络NN模型的迁移模型支持的应用；

调用所述NN模型的第一硬件指令码和所述迁移模型的第二硬件指令码，对所述第一对象进行处理，得到处理结果；

其中，所述NN模型中的第一节点组与所述迁移模型中的相对应的第二节点组的节点属性相同，所述第一硬件指令码是通过对所述第一节点组编译而生成的，所述第二硬件指令码是通过对所述迁移模型中与所述第二节点组不同的第三节点组编译而生成的。

2.根据权利要求1所述的方法，其特征在于，在所述响应于第一AI应用接收的输入操作之前，所述方法还包括：

对所述NN模型进行迁移学习，得到所述迁移模型；

将所述迁移模型划分为所述第二节点组和所述第三节点组；

对所述第三节点组的每一节点进行编译，以生成所述第二硬件指令码，从而完成所述迁移模型的编译。

3.根据权利要求2所述的方法，其特征在于，所述对所述第三节点组的每一节点进行编译，包括：

确定所述第二节点组的每一节点是否与所述NN模型的对应位置节点的属性相同；

如果相同，对所述第三节点组的每一节点进行编译。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

将所述NN模型的计算节点划分为所述第一节点组和第四节点组；

对所述第一节点组的每一节点进行模型转换，并对模型转换得到的第一模型中间表达进行编译，得到所述第一硬件指令码；

对所述第四节点组的每一节点进行模型转换，并对模型转换得到的第二模型中间表达进行编译，得到所述第三硬件指令码；

当第二AI应用接收到输入的第二对象时，触发所述目标硬件运行所述第一硬件指令码和所述第三硬件指令码，以对所述第二对象进行处理；其中，所述第二AI应用为所述NN模型支持的应用。

5.模型处理方法，其特征在于，所述方法包括：

对经训练的神经网络NN模型进行迁移学习，得到迁移模型；

将所述迁移模型的计算节点划分为第二节点组和第三节点组；

对所述第三节点组的每一节点进行编译，以生成第二硬件指令码，从而完成所述迁移模型的编译；

其中，所述第二硬件指令码用于和所述NN模型的第一硬件指令码共同对第一人工智能AI应用接收的第一对象进行处理，所述第一AI应用为所述迁移模型支持的应用；所述第一硬件指令是通过对所述NN模型中与相对应的所述第二节点组的节点属性相同的第一节点组编译而生成的。

6.根据权利要求5所述的方法，其特征在于，所述对所述第三节点组的每一节点进行编译，包括：

确定所述第二节点组的每一节点是否与所述NN模型的对应位置节点的属性相同；如果相同，对所述第三节点组的每一节点进行编译。

7.根据权利要求5所述的方法，其特征在于，所述方法还包括：

将所述第二硬件指令码载入目标硬件；

当所述第一AI应用接收到输入的所述第一对象时，触发所述目标硬件运行所述第二硬件指令码和所述第一硬件指令码，以对所述第一对象进行处理。

8.根据权利要求7所述的方法，其特征在于，在将所述第二硬件指令码载入目标硬件之前，所述方法还包括：

将所述NN模型的第一硬件指令码和第三硬件指令码载入所述目标硬件；其中，所述第三硬件指令码是对所述NN模型中与所述第一节点组不同的第四节点组编译而生成的；

当第二AI应用接收到输入的第二对象时，触发所述目标硬件运行所述第一硬件指令码和所述第三硬件指令码，以对所述第二对象进行处理；其中，所述第二AI应用为所述NN模型支持的应用。