CN112527281A - 基于人工智能的算子升级方法、装置、电子设备及介质 - Google Patents
基于人工智能的算子升级方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN112527281A CN112527281A CN202011503405.9A CN202011503405A CN112527281A CN 112527281 A CN112527281 A CN 112527281A CN 202011503405 A CN202011503405 A CN 202011503405A CN 112527281 A CN112527281 A CN 112527281A
- Authority
- CN
- China
- Prior art keywords
- operator
- modification information
- upgraded
- target
- artificial intelligence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/34—Graphical or visual programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/38—Creation or generation of source code for implementing user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/60—Software deployment
- G06F8/65—Updates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computer Security & Cryptography (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Stored Programmes (AREA)
Abstract
本申请公开了基于人工智能的算子升级方法、装置、电子设备及介质,涉及计算机技术领域,具体涉及深度学习、大数据处理等人工智能技术领域。具体实现方案:确定针对待升级算子的修改信息;根据预配置的可兼容性规则,判断修改信息是否满足兼容性条件;根据判断的结果和修改信息对待升级算子进行升级,以得到目标算子,从而能够避免算子的不兼容升级对人工智能模型框架的影响,使得算子的升级保持了兼容性,使得算子所属的人工智能模型框架具有可持续迭代性。
Description
技术领域
本申请涉及计算机技术领域,具体涉及深度学习、大数据处理等人工智能技术领域,尤其涉及基于人工智能的算子升级方法、装置、电子设备及介质。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术,以及机器学习、深度学习、大数据处理技术、知识图谱技术等几大方向。
研发人员通常基于人工智能框架开展相关工作。算子是人工智能框架中的基本计算单元,对人工智能的模型训练、预测和部署等都有着重要影响。随着人工智能技术的不断发展,新模型的不断提出,人工智能框架中算子数量逐渐增多,算子迭代升级可保持框架生命力,且满足用户最新的建模需求。
发明内容
提供了一种基于人工智能的算子升级方法、装置、电子设备、存储介质及计算机程序产品。
根据第一方面,提供了一种基于人工智能的算子升级方法,包括:确定针对待升级算子的修改信息;根据预配置的可兼容性规则,判断所述修改信息是否满足兼容性条件;根据判断的结果和所述修改信息对所述待升级算子进行升级,以得到目标算子。
根据第二方面,提供了一种基于人工智能的算子升级装置,包括:确定模块,用于确定针对待升级算子的修改信息;判断模块,用于根据预配置的可兼容性规则,判断所述修改信息是否满足兼容性条件;升级模块,用于根据判断的结果和所述修改信息对所述待升级算子进行升级,以得到目标算子。
根据第三方面,提供了一种电子设备,包括:至少一个处理器;以及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本申请实施例的基于人工智能的算子升级方法。
根据第四方面,提出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本申请实施例公开的基于人工智能的算子升级方法。
根据第五方面,提出了一种计算机程序产品,包括计算机程序,当所述计算机程序由处理器执行时实现本申请实施例公开的基于人工智能的算子升级方法。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请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,不构成对本申请的限定。其中:
图1是根据本申请第一实施例的示意图;
图2是本申请实施例中算子示意图;
图3是本申请实施例中一可兼容性规则示意图;
图4是本申请实施例中另一可兼容性规则示意图;
图5是本申请实施例中又一可兼容性规则示意图;
图6是根据本申请第二实施例的示意图;
图7为本申请实施例中算子版本号的格式示意图;
图8是根据本申请第三实施例的示意图;
图9是根据本申请第四实施例的示意图;
图10是用来实现本申请实施例的基于人工智能的算子升级方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本申请第一实施例的示意图。
其中,需要说明的是,本实施例的基于人工智能的算子升级方法的执行主体为基于人工智能的算子升级装置,该装置可以由软件和/或硬件的方式实现,该装置可以配置在电子设备中,电子设备可以包括但不限于终端、服务器端等。
本申请实施例涉及深度学习、大数据处理等人工智能技术领域。
其中,人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。深度学习的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。
而大数据处理,是指采用人工智能的方式对规模巨大的数据进行分析以及处理的过程,而大数据可以概括为5个V,数据量大(Volume)、速度快(Velocity)、类型多(Variety)、价值(Value)、真实性(Veracity)。
如图1所示,该基于人工智能的算子升级方法包括:
S101:确定针对待升级算子的修改信息。
其中,算子是人工智能框架中的基本计算单元,对人工智能的模型训练、预测和部署等都有着重要影响,人工智能模型之中需要版本升级的算子,可以被称为待升级算子。
算子的定义可以举例如下:
主要由三部分组成:输入(Inputs)、输出(Outputs)、属性(Attributes)。一个算子可以同时拥有多个输入、输出和属性,算子信息可以表示为如图2所示的字典形式(以算子是reshape为例),图2是本申请实施例中算子示意图。
修改信息用于描述针对待升级算子进行升级过程中所修改的内容。
修改信息比如输入修改、输出修改和属性修改,可以理解的是,由于不当的算子升级可能导致人工智能框架不能向后兼容,即新版本的预测库不能兼容旧版本训练的模型,因此,本申请实施例中首先可以确定针对待升级算子的修改信息,从而依据该修改信息对待升级算子的升级过程采取一定的方式以保障升级后算子的兼容性。
S102:根据预配置的可兼容性规则,判断修改信息是否满足兼容性条件。
上述在确定针对待升级算子的修改信息之后,可以根据预配置的可兼容性规则,判断修改信息是否满足兼容性条件。
其中,可兼容性规则可以是预先配置的,该可兼容性规则当中描述了针对算子的修改信息的兼容性情况,比如,增加输入、增加输出、增加有默认值的属性的修改信息,使得升级后的算子可兼容,而其他的一些修改信息则使得升级后的算子不可兼容,对此不做限制。
举例而言,可兼容性规则可以如图3所示,图3是本申请实施例中一可兼容性规则示意图,其中各个节点对应一种修改信息,并且不同的修改信息指向的最末层的节点表示对升级后算子版本的管理策略,次末层的节点表示该修改信息是可兼容的修改,或者是不可兼容的修改。
则本申请实施例中,可以将修改信息与该预配置的可兼容性规则进行匹配,从而确定出修改信息对应于预配置的可兼容性规则中的节点,并确定对应的节点指向的是可兼容修改,还是不可兼容修改,而后触发后续步骤。
又例如,一并参见图4和图5,图4是本申请实施例中另一可兼容性规则示意图,图5是本申请实施例中又一可兼容性规则示意图,图4中描述了属性(Attribute)修改的可兼容性规则,图5中描述了输入(Inputs)/输出(Outputs)修改的可兼容性规则。
S103:根据判断的结果和修改信息对待升级算子进行升级,以得到目标算子。
上述根据预配置的可兼容性规则,判断修改信息是否满足兼容性条件,由于预配置的可兼容性规则是预先配置的,则能够保障可兼容性判断的效率,而后,可以触发根据判断的结果和修改信息对待升级算子进行升级,以得到目标算子,从而使得算子的升级保持了兼容性,使得算子所属的人工智能模型框架具有可持续迭代性。
一些实施例中,其中,根据判断的结果和修改信息对待升级算子进行升级,以得到目标算子,可以是在修改信息满足兼容性条件,则根据修改信息直接修改待升级算子已有的算法处理逻辑。将修改后的待升级算子作为目标算子。
也即是说,如果确定出修改信息对应于预配置的可兼容性规则中的节点,并确定对应的节点指向的是可兼容修改,则可以确定修改信息满足兼容性条件,即,针对待升级算子的修改信息是向后兼容的,则可以直接采用该修改信息对待升级算子已有的算法处理逻辑进行相应的修改,并将修改后的待升级算子作为目标算子。
由于当修改信息满足兼容性条件,则根据修改信息直接修改待升级算子已有的算法处理逻辑,而后将修改后的待升级算子作为目标算子,能够在保障升级后算子兼容性的同时,保障了算子升级效率,提升人工智能模型框架的更新效率。
另外一些实施例中,其中,根据判断的结果和修改信息对待升级算子进行升级,以得到目标算子,可以是在修改信息不满足兼容性条件时,则获取待升级算子对应的算法处理逻辑,根据修改信息和算法处理逻辑生成新算子,并将新算子作为目标算子。
也即是说,如果确定出修改信息不在预配置的可兼容性规则中,或者,修改信息对应于预配置的可兼容性规则中的节点,但是确定对应的节点指向的是不可兼容修改(即基于该修改信息对待升级算子进行修改后,升级后算子不可向后兼容),则可以确定修改信息不满足兼容性条件,此时可以获取待升级算子对应的算法处理逻辑,根据修改信息和算法处理逻辑生成新算子,并将新算子作为目标算子,由此,能够有效保障人工智能模型框架的兼容稳定性,保证新版本的人工智能模型框架之中的预测库能够有效地兼容旧版本训练的模型,有效地避免了框架更新可能带入的兼容失败风险。
本实施例中,通过确定针对待升级算子的修改信息,并根据预配置的可兼容性规则,判断修改信息是否满足兼容性条件,以及根据判断的结果和修改信息对待升级算子进行升级,以得到目标算子,从而能够避免算子的不兼容升级对人工智能模型框架的影响,使得算子的升级保持了兼容性,使得算子所属的人工智能模型框架具有可持续迭代性。
图6是根据本申请第二实施例的示意图。
如图6所示,该基于人工智能的算子升级方法包括:
S601:确定针对待升级算子的修改信息。
S602:根据预配置的可兼容性规则,判断修改信息是否满足兼容性条件。
S603:如果修改信息不满足兼容性条件,则获取待升级算子对应的算法处理逻辑。
S604:根据修改信息和算法处理逻辑生成新算子,并将新算子作为目标算子。
S601-S604的说明可以具体参见上述实施例,在此不再赘述。
S605:生成目标算子的版本号。
也即是说,本实施例中,如果由于删除了算子的输入或者输出,或者算子的参数含义产生重要变化,有不能向后功能兼容的修改时,可以生成新算子,并且针对新算子进行命名。
本申请实施例中,为了使得人工智能框架中的模型能够便捷地对新算子进行调用和加载,保障人工智能框架中模型的运行加载效率,可以生成目标算子的版本号,而后根据版本号和待升级算子的算子名生成与目标算子对应的算子名。
可选地,一些实施例中,生成目标算子的版本号,可以是获取目标算子对应的数据存储结构;确定数据存储结构之中预写入的检查点的数量;以及根据检查点的数量生成目标算子的版本号。
举例而言,用户可以使用REGISTER_OP_VERSION宏定义注册器的AddCheckPoint()接口函数向底层的目标算子对应的数据存储结构中写入检查点信息(Checkpoint),每个检查点(Checkpoint)可以包含一个或多个OpUpdateInfo对象,OpUpdateInfo对象可以被用来描述此检查点包含的具体的修改信息,则可以确定数据存储结构之中预写入的检查点的数量;以及根据检查点的数量生成目标算子的版本号,例如,版本号version_id即为目标算子对应的数据存储结构中所含的Checkpoints检查点个数。
如图7所示,图7为本申请实施例中算子版本号的格式示意图,图7中算子对应的数据存储结构之中包含3个检查点,其初始版本为0,增添3个检查点后,当前版本version_id=2。
上述获取目标算子对应的数据存储结构;确定数据存储结构之中预写入的检查点的数量;以及根据检查点的数量生成目标算子的版本号,能够快速地定义出升级后的目标算子的版本号,在使得人工智能框架中的模型能够便捷地对新算子进行调用和加载的同时,保障算子升级的连贯性。
S606:根据版本号和待升级算子的算子名生成与目标算子对应的算子名。
例如,可以针对新算子的命名,采用{operator_name}_v{id}的形式,例如reshape_v2,其中,v{id}是生成的版本号,{operator_name}是待升级算子的算子名。
本实施例中,通过确定针对待升级算子的修改信息,并根据预配置的可兼容性规则,判断修改信息是否满足兼容性条件,以及根据判断的结果和修改信息对待升级算子进行升级,以得到目标算子,从而能够避免算子的不兼容升级对人工智能模型框架的影响,使得算子的升级保持了兼容性,使得算子所属的人工智能模型框架具有可持续迭代性。通过生成目标算子的版本号,并根据版本号和待升级算子的算子名生成与目标算子对应的算子名,使得人工智能框架中的模型能够便捷地对新算子进行调用和加载,保障人工智能框架中模型的运行加载效率。
图8是根据本申请第三实施例的示意图。
如图8所示,该基于人工智能的算子升级装置80,包括:
确定模块801,用于确定针对待升级算子的修改信息;
判断模块802,用于根据预配置的可兼容性规则,判断所述修改信息是否满足兼容性条件;
升级模块803,用于根据判断的结果和所述修改信息对所述待升级算子进行升级,以得到目标算子。
在本申请的一些实施例中,其中,所述升级模块803,具体用于:
如果所述修改信息满足所述兼容性条件,则根据所述修改信息直接修改所述待升级算子已有的算法处理逻辑;
将修改后的待升级算子作为所述目标算子。
在本申请的一些实施例中,其中,所述升级模块803,具体用于:
如果所述修改信息不满足所述兼容性条件,则获取所述待升级算子对应的算法处理逻辑;
根据所述修改信息和所述算法处理逻辑生成新算子,并将所述新算子作为所述目标算子。
在本申请的一些实施例中,如图9所示,该基于人工智能的算子升级装置90,包括:确定模块901、判断模块902、升级模块903,还包括:生成模块904,用于生成所述目标算子的版本号,并根据所述版本号和所述待升级算子的算子名生成与所述目标算子对应的算子名。
在本申请的一些实施例中,其中,所述生成模块904,具体用于:
获取所述目标算子对应的数据存储结构;
确定所述数据存储结构之中预写入的检查点的数量;以及
根据所述检查点的数量生成所述目标算子的版本号。
可以理解的是,本实施例附图9中的基于人工智能的算子升级装置90与上述实施例中的基于人工智能的算子升级装置80,确定模块901与上述实施例中的确定模块801,判断模块902与上述实施例中的判断模块802,升级模块903与上述实施例中的升级模块803,可以具有相同的功能和结构。
需要说明的是,前述对基于人工智能的算子升级方法的解释说明也适用于本实施例的基于人工智能的算子升级装置,此处不再赘述。
本实施例中,通过确定针对待升级算子的修改信息,并根据预配置的可兼容性规则,判断修改信息是否满足兼容性条件,以及根据判断的结果和修改信息对待升级算子进行升级,以得到目标算子,从而能够避免算子的不兼容升级对人工智能模型框架的影响,使得算子的升级保持了兼容性,使得算子所属的人工智能模型框架具有可持续迭代性。
根据本申请的实施例,本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图10是用来实现本申请实施例的基于人工智能的算子升级方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图10所示,设备1000包括计算单元1001,其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序,来执行各种适当的动作和处理。在RAM 1003中,还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
设备1000中的多个部件连接至I/O接口1005,包括:输入单元1006,例如键盘、鼠标等;输出单元1007,例如各种类型的显示器、扬声器等;存储单元1008,例如磁盘、光盘等;以及通信单元1009,例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理,例如,基于人工智能的算子升级方法。
例如,在一些实施例中,基于人工智能的算子升级方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1008。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时,可以执行上文描述的基于人工智能的算子升级方法的一个或多个步骤。备选地,在其他实施例中,计算单元1001可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行基于人工智能的算子升级方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的基于人工智能的算子升级方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网及区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (13)
1.一种基于人工智能的算子升级方法,包括:
确定针对待升级算子的修改信息;
根据预配置的可兼容性规则,判断所述修改信息是否满足兼容性条件;
根据判断的结果和所述修改信息对所述待升级算子进行升级,以得到目标算子。
2.根据权利要求1所述的方法,其中,所述根据判断的结果和所述修改信息对所述待升级算子进行升级,以得到目标算子,包括:
如果所述修改信息满足所述兼容性条件,则根据所述修改信息直接修改所述待升级算子已有的算法处理逻辑;
将修改后的待升级算子作为所述目标算子。
3.根据权利要求1所述的方法,其中,所述根据判断的结果和所述修改信息对所述待升级算子进行升级,以得到目标算子,包括:
如果所述修改信息不满足所述兼容性条件,则获取所述待升级算子对应的算法处理逻辑;
根据所述修改信息和所述算法处理逻辑生成新算子,并将所述新算子作为所述目标算子。
4.根据权利要求3所述的方法,在所述根据所述修改信息和所述算法处理逻辑生成新算子,并将所述新算子作为所述目标算子之后,还包括:
生成所述目标算子的版本号;
根据所述版本号和所述待升级算子的算子名生成与所述目标算子对应的算子名。
5.根据权利要求4所述的方法,其中,所述生成所述目标算子的版本号,包括:
获取所述目标算子对应的数据存储结构;
确定所述数据存储结构之中预写入的检查点的数量;以及
根据所述检查点的数量生成所述目标算子的版本号。
6.一种基于人工智能的算子升级装置,包括:
确定模块,用于确定针对待升级算子的修改信息;
判断模块,用于根据预配置的可兼容性规则,判断所述修改信息是否满足兼容性条件;
升级模块,用于根据判断的结果和所述修改信息对所述待升级算子进行升级,以得到目标算子。
7.根据权利要求6所述的装置,其中,所述升级模块,具体用于:
如果所述修改信息满足所述兼容性条件,则根据所述修改信息直接修改所述待升级算子已有的算法处理逻辑;
将修改后的待升级算子作为所述目标算子。
8.根据权利要求6所述的装置,其中,所述升级模块,具体用于:
如果所述修改信息不满足所述兼容性条件,则获取所述待升级算子对应的算法处理逻辑;
根据所述修改信息和所述算法处理逻辑生成新算子,并将所述新算子作为所述目标算子。
9.根据权利要求8所述的装置,还包括:
生成模块,用于生成所述目标算子的版本号,并根据所述版本号和所述待升级算子的算子名生成与所述目标算子对应的算子名。
10.根据权利要求9所述的装置,其中,所述生成模块,具体用于:
获取所述目标算子对应的数据存储结构;
确定所述数据存储结构之中预写入的检查点的数量;以及
根据所述检查点的数量生成所述目标算子的版本号。
11.一种电子设备,包括:
至少一个处理器;以及
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权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。
13.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011503405.9A CN112527281B (zh) | 2020-12-17 | 2020-12-17 | 基于人工智能的算子升级方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011503405.9A CN112527281B (zh) | 2020-12-17 | 2020-12-17 | 基于人工智能的算子升级方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112527281A true CN112527281A (zh) | 2021-03-19 |
CN112527281B CN112527281B (zh) | 2022-03-11 |
Family
ID=75001311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011503405.9A Active CN112527281B (zh) | 2020-12-17 | 2020-12-17 | 基于人工智能的算子升级方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112527281B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114201156A (zh) * | 2021-12-10 | 2022-03-18 | 北京百度网讯科技有限公司 | 接入方法、装置、电子设备及计算机存储介质 |
CN114217849A (zh) * | 2021-11-08 | 2022-03-22 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 人工智能模型算法的解释方法、装置和计算机设备 |
CN114218166A (zh) * | 2021-11-04 | 2022-03-22 | 北京百度网讯科技有限公司 | 数据处理方法、装置、电子设备及可读存储介质 |
CN114924772A (zh) * | 2022-07-15 | 2022-08-19 | 浙江大华技术股份有限公司 | 一种算法包的更新方法及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060168574A1 (en) * | 2005-01-21 | 2006-07-27 | David Giannini | Methods and systems for transferring data over a network |
CN110928529A (zh) * | 2019-11-06 | 2020-03-27 | 第四范式(北京)技术有限公司 | 辅助算子开发的方法和系统 |
CN111401510A (zh) * | 2019-09-24 | 2020-07-10 | 上海寒武纪信息科技有限公司 | 一种数据处理方法、装置、计算机设备及存储介质 |
CN111966361A (zh) * | 2020-09-25 | 2020-11-20 | 北京百度网讯科技有限公司 | 用于确定待部署模型的方法、装置、设备及其存储介质 |
-
2020
- 2020-12-17 CN CN202011503405.9A patent/CN112527281B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060168574A1 (en) * | 2005-01-21 | 2006-07-27 | David Giannini | Methods and systems for transferring data over a network |
CN111401510A (zh) * | 2019-09-24 | 2020-07-10 | 上海寒武纪信息科技有限公司 | 一种数据处理方法、装置、计算机设备及存储介质 |
CN110928529A (zh) * | 2019-11-06 | 2020-03-27 | 第四范式(北京)技术有限公司 | 辅助算子开发的方法和系统 |
CN111966361A (zh) * | 2020-09-25 | 2020-11-20 | 北京百度网讯科技有限公司 | 用于确定待部署模型的方法、装置、设备及其存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114218166A (zh) * | 2021-11-04 | 2022-03-22 | 北京百度网讯科技有限公司 | 数据处理方法、装置、电子设备及可读存储介质 |
CN114217849A (zh) * | 2021-11-08 | 2022-03-22 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 人工智能模型算法的解释方法、装置和计算机设备 |
CN114217849B (zh) * | 2021-11-08 | 2023-11-07 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 人工智能模型算法的解释方法、装置和计算机设备 |
CN114201156A (zh) * | 2021-12-10 | 2022-03-18 | 北京百度网讯科技有限公司 | 接入方法、装置、电子设备及计算机存储介质 |
CN114201156B (zh) * | 2021-12-10 | 2022-08-05 | 北京百度网讯科技有限公司 | 接入方法、装置、电子设备及计算机存储介质 |
CN114924772A (zh) * | 2022-07-15 | 2022-08-19 | 浙江大华技术股份有限公司 | 一种算法包的更新方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112527281B (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112527281B (zh) | 基于人工智能的算子升级方法、装置、电子设备及介质 | |
CN112560496B (zh) | 语义分析模型的训练方法、装置、电子设备及存储介质 | |
CN113342345A (zh) | 深度学习框架的算子融合方法、装置 | |
US20220237376A1 (en) | Method, apparatus, electronic device and storage medium for text classification | |
CN113887627A (zh) | 噪音样本的识别方法、装置、电子设备以及存储介质 | |
CN111782181A (zh) | 代码生成方法、装置、电子设备以及存储介质 | |
CN115237436A (zh) | 应用部署方法、装置、电子设备及可读存储介质 | |
CN114417780A (zh) | 状态同步方法、装置、电子设备及存储介质 | |
CN117908838A (zh) | 软件需求文档的生成方法、装置、电子设备及存储介质 | |
CN114743586B (zh) | 存储器模型的镜像存储实现方法、装置及存储介质 | |
US20220207427A1 (en) | Method for training data processing model, electronic device and storage medium | |
CN116030235A (zh) | 目标检测模型训练方法、目标检测方法、装置和电子设备 | |
CN114385829A (zh) | 知识图谱创建方法、装置、设备以及存储介质 | |
CN113138760A (zh) | 一种页面生成方法、装置、电子设备和介质 | |
CN113239296B (zh) | 小程序的展示方法、装置、设备和介质 | |
CN112560462B (zh) | 事件抽取服务的生成方法、装置、服务器以及介质 | |
CN113553407B (zh) | 事件追溯方法、装置、电子设备及存储介质 | |
CN117742711A (zh) | 面向低代码的页面渲染方法、装置、电子设备和存储介质 | |
CN114115854A (zh) | 一种sdk文件生成方法、装置、设备以及存储介质 | |
CN117591145A (zh) | 接口文档的更新方法及装置、电子设备和存储介质 | |
CN116302086A (zh) | 应用程序的处理方法、装置、电子设备与可读存储介质 | |
CN117632189A (zh) | 一种应用更新方法、装置、电子设备和存储介质 | |
CN118069141A (zh) | 代码变更影响范围确定方法、装置、设备及存储介质 | |
CN115757145A (zh) | 客户端接口的开发方法、装置、设备以及存储介质 | |
CN115480744A (zh) | 命令执行日志的输出方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |