[发明专利]定长输入神经网络模型的修改方法、装置及设备

说明书

本发明涉及一种定长输入神经网络模型的修改方法、装置及设备，该方法包括：获取仅支持定长输入的神经网络模型的原图后，获取神经网络模型的各算子的包括mask变换子图和mask清零子图的mask处理子图；然后，生成包含该各算子的mask处理子图的数据清零图；在接收到用户输入的mask数据集后，根据数据清零图中的mask变换子图对mask数据集中的mask进行变换操作，并将原图中需要进行数据清零的算子替换为该算子的mask清零子图，以实现数据清零图和原图的合并；最后，根据合并后的图生成用于计算与mask对应的变长输入数据的目标神经网络模型。基于此，本申请提高了mask和数据清零操作的添加效率和准确率，进而，本申请能够提高神经网络模型的修改效率和准确率。

技术领域

本发明涉及人工智能技术领域，具体涉及一种定长输入神经网络模型的修改方法、装置及设备。

背景技术

神经网络模型广泛应用在语音识别、图像识别和语义理解等场景。神经网络模型可通过根据数据长度相等的各训练样本对支持变长输入数据计算的神经网络模型进行训练得到。然而，这样训练得到的神经网络模型在用作实际推理时，仅支持定长输入数据的计算，而无法支持变长输入数据的计算。其中，变长输入数据为通过对输入数据进行无效数据填充后得到的数据。

目前，通过手动在上述神经网络模型中添加mask(掩码)和数据清零操作，使得该模型能够支持变长输入数据的计算。然而，手动添加mask和数据清零操作，存在添加效率低、人力成本高和容易漏添的问题。

发明内容

为了解决现有技术中，在修改定长输入神经网络模型，以使其支持变长输入的过程中，存在修改效率和准确率低的问题，本发明提供了一种定长输入神经网络模型的修改方法、装置及设备。

本发明实施例提供了一种定长输入神经网络模型的修改方法，包括：

获取神经网络模型数据；所述神经网络模型数据中包含神经网络模型的原图；所述神经网络模型为仅支持定长输入的神经网络模型；

获取所述神经网络模型的各算子的mask处理子图；所述mask处理子图包括mask变换子图和mask清零子图；所述mask变换子图用于表示mask经过该mask变换子图对应的算子后，该mask发生的变化；所述mask清零子图用于表示mask输入该mask清零子图对应的算子后，该算子为实现数据清零，所执行的计算过程；

生成包含所述神经网络模型的各算子和该各算子的mask处理子图的数据清零图；

响应于用户的mask输入操作，接收mask数据集；所述mask数据集中包含至少一个mask；

根据所述数据清零图中的mask变换子图对所述mask数据集中的mask进行变换操作，并将所述原图中需要进行数据清零的算子替换为该算子的mask清零子图，以实现所述数据清零图和所述原图的合并；

根据由所述数据清零图和所述原图合并而成的模型图，生成目标神经网络模型；所述目标神经网络模型用于计算与所述mask对应的变长输入数据。

本发明实施例还提供了一种定长输入神经网络模型的修改装置，包括：

神经网络模型数据获取模块，用于获取神经网络模型数据；所述神经网络模型数据中包含神经网络模型的原图；所述神经网络模型为仅支持定长输入的神经网络模型；

mask处理子图获取模块，用于获取所述神经网络模型的各算子的mask处理子图；所述mask处理子图包括mask变换子图和mask清零子图；所述mask变换子图用于表示mask经过该mask变换子图对应的算子后，该mask发生的变化；所述mask清零子图用于表示mask输入该mask清零子图对应的算子后，该算子为实现数据清零，所执行的计算过程；

数据清零图生成模块，用于生成包含所述神经网络模型的各算子和该各算子的mask处理子图的数据清零图；