[发明专利]针对目标模型的数据处理方法、装置、电子设备和介质

说明书

本公开公开了一种针对目标模型的数据处理方法、装置、设备、介质和产品，涉及深度学习领域。针对目标模型的数据处理方法包括：获取目标模型，其中，目标模型包括至少一个网络层，至少一个网络层中的每个网络层包括多个模型参数；针对至少一个网络层中的目标网络层，将目标网络层的多个模型参数划分为多个分组；分别将多个分组的模型参数的数据类型由第一数据类型调整为第二数据类型，得到处理后的目标模型。

技术领域

本公开涉及计算机技术领域，尤其涉及深度学习领域，更具体地，涉及一种针对目标模型的数据处理方法、装置、电子设备、介质和程序产品。

背景技术

深度学习技术在视觉、自然语言处理等领域应用广泛。回顾深度学习模型的发展历程，可以发现深度学习模型的网络结构越来越复杂，相应模型的参数越来越多、计算量也越来越大，导致深度学习模型的使用需要耗费大量的资源。

发明内容

本公开提供了一种针对目标模型的数据处理方法、装置、电子设备、存储介质以及程序产品。

根据本公开的一方面，提供了一种针对目标模型的数据处理方法，包括：获取目标模型，其中，所述目标模型包括至少一个网络层，所述至少一个网络层中的每个网络层包括多个模型参数；针对所述至少一个网络层中的目标网络层，将所述目标网络层的多个模型参数划分为多个分组；分别将所述多个分组的模型参数的数据类型由第一数据类型调整为第二数据类型，得到处理后的目标模型。

根据本公开的另一方面，提供了一种针对目标模型的数据处理方法，包括：从目标模型的至少一个网络层中确定目标网络层，其中，所述至少一个网络层中的每个网络层包括多个模型参数；确定所述目标网络层中的多个模型参数所属的多个分组；分别将所述多个分组中的模型参数的数据类型由第二数据类型调整为第一数据类型，得到处理后的目标模型。

根据本公开的另一方面，提供了一种针对目标模型的数据处理装置，包括：获取模块、划分模块以及第一调整模块。获取模块，用于获取目标模型，其中，所述目标模型包括至少一个网络层，所述至少一个网络层中的每个网络层包括多个模型参数；划分模块，用于针对所述至少一个网络层中的目标网络层，将所述目标网络层的多个模型参数划分为多个分组；第一调整模块，用于分别将所述多个分组的模型参数的数据类型由第一数据类型调整为第二数据类型，得到处理后的目标模型。

根据本公开的另一方面，提供了一种针对目标模型的数据处理装置，包括：第一确定模块、第二确定模块以及第二调整模块。第一确定模块，用于从目标模型的至少一个网络层中确定目标网络层，其中，所述至少一个网络层中的每个网络层包括多个模型参数；第二确定模块，用于确定所述目标网络层中的多个模型参数所属的多个分组；第二调整模块，用于分别将所述多个分组中的模型参数的数据类型由第二数据类型调整为第一数据类型，得到处理后的目标模型。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和与所述至少一个处理器通信连接的存储器。其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的针对目标模型的数据处理方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述的针对目标模型的数据处理方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述的针对目标模型的数据处理方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1示意性示出了根据本公开一实施例的针对目标模型的数据处理方法和装置的系统架构；