CN114201242B - 用于处理数据的方法、装置、设备以及存储介质 - Google Patents
用于处理数据的方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN114201242B CN114201242B CN202111505705.5A CN202111505705A CN114201242B CN 114201242 B CN114201242 B CN 114201242B CN 202111505705 A CN202111505705 A CN 202111505705A CN 114201242 B CN114201242 B CN 114201242B
- Authority
- CN
- China
- Prior art keywords
- target
- static
- operands
- graph
- operand
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/448—Execution paradigms, e.g. implementations of programming paradigms
- G06F9/4482—Procedural
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/448—Execution paradigms, e.g. implementations of programming paradigms
- G06F9/4488—Object-oriented
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了用于处理数据的方法、装置、设备以及存储介质,涉及深度学习技术领域。具体实现方案为:获取输入目标函数的目标参数;确定预先缓存的静态图集合中是否存在与目标参数对应的静态图;响应于确定不存在与目标参数对应的静态图,根据目标参数,生成代码信息;根据代码信息,生成目标静态图;根据目标静态图,确定利用目标函数处理目标参数的处理结果。本实现方式可以提高计算效率。
Description
技术领域
本公开涉及计算机技术领域,具体涉及深度学习技术领域,尤其涉及用于处理数据的方法、装置、设备以及存储介质。
背景技术
张量是面向高维时空数据和信号的存储和表达形式,例如图像数据可以表达为形状为NCHW形的4D张量,N、C、H、W分别代表帧、颜色通道、行和列。深度学习、计算机视觉、自然语言处理等信息处理应用中经常对多个张量进行处理,用于提取特征、对数据进行分类等,这些张量处理常伴随大量维度扩充、对齐和置换等预处理和后处理操作,导致代码臃肿,既容易出现编写错误,也可能损害性能。
Einsum是基于爱因斯坦求和约定的描述性张量操作编程接口(API),其覆盖丰富的张量操作语义。Einsum功能强大是指其支持大量常见的张量计算,以及这些计算的复合形式,例如迹(trace)、对角元(diagonal)、转置(transpose)、维度缩减(squeeze)、维度扩充(unsqueeze)、按维度求和(sum)、内积(dot)、外积(outer)、广播乘积(elementwise-mul,*),矩阵乘(matmul)、批量矩阵乘(Bmm)等。Einsum的简单易用是指其接口形式是描述性的,可读性强,容易编写。但现有技术对Einsum的使用性能普遍较低。
发明内容
本公开提供了一种用于处理数据的方法、装置、设备以及存储介质。
根据第一方面,提供了一种用于处理数据的方法,包括:获取输入目标函数的目标参数;确定预先缓存的静态图集合中是否存在与目标参数对应的静态图;响应于确定不存在与目标参数对应的静态图,根据目标参数,生成代码信息;根据代码信息,生成目标静态图;根据目标静态图,确定利用目标函数处理目标参数的处理结果。
根据第二方面,提供了一种用于处理数据的装置,包括:参数获取单元,被配置成获取输入目标函数的目标参数;缓存查询单元,被配置成确定预先缓存的静态图集合中是否存在与目标参数对应的静态图;代码生成单元,被配置成响应于确定不存在与目标参数对应的静态图,根据目标参数,生成代码信息;静态图生成单元,被配置成根据代码信息,生成目标静态图;数据处理单元,被配置成根据目标静态图,确定利用目标函数处理目标参数的处理结果。
根据第三方面,提供了一种电子设备,包括:至少一个处理器;以及与上述至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,上述指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面所描述的方法。
根据第四方面,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,上述计算机指令用于使计算机执行如第一方面所描述的方法。
根据第五方面,一种计算机程序产品,包括计算机程序,上述计算机程序在被处理器执行时实现如第一方面所描述的方法。
根据本公开的技术能够提高Einsum的使用性能,提高数据处理效率。
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是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于处理数据的方法的一个实施例的流程图;
图3是根据本公开的用于处理数据的方法的一个应用场景的示意图;
图4是根据本公开的用于处理数据的方法的另一个实施例的流程图;
图5是根据本公开的用于处理数据的方法中规划的一个实施例的流程图;
图6是根据本公开的用于处理数据的装置的一个实施例的结构示意图;
图7是用来实现本公开实施例的用于处理数据的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于处理数据的方法或用于处理数据的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。例如,终端设备101、102、103可以将表示待处理数据的目标参数发送给服务器105。终端设备101、102、103上可以安装有各种通讯客户端应用,例如数据处理类应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103发送的目标参数进行处理的后台服务器。后台服务器可以利用目标函数对目标参数进行处理,得到数据处理结果,并将数据处理结果反馈给终端设备101、102、103。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开实施例所提供的用于处理数据的方法可以由终端设备101、102、103执行,也可以由服务器105执行。相应地,用于处理数据的装置可以设置于终端设备101、102、103中,也可以设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的用于处理数据的方法的一个实施例的流程200。本实施例的用于处理数据的方法,包括以下步骤:
步骤201,获取输入目标函数的目标参数。
本实施例中,用于处理数据的方法的执行主体可以通过各种方式获取输入目标函数的目标参数。例如,执行主体为终端设备时,用户可以通过输入设备输入目标参数。执行主体为服务器时,可以从任务队列中获取目标参数或者从参数接收平台获取目标参数。上述目标函数可以是待处理数据可以使用的函数,例如可以是Einsum函数。目标参数可以包括spec信息(Einsum函数的输入信息)。spec信息可以包括两个参数:pattern和operands。pattern是爱因斯坦标记字符串,operands是一串张量操作数。目标参数可以唯一表示待处理数据,相同的目标参数表示的待处理数据相同。
步骤202,确定预先缓存的静态图集合中是否存在与目标参数对应的静态图。
执行主体在获取到目标参数后,可以在预先缓存的静态图集合中查找是否在与目标参数对应的静态图。一般来说,相同的目标参数的处理结果应该一样。如果之前计算过相同的目标参数,则可以直接获取上述目标参数的静态图,利用静态图直接进行计算,这样能够缩短计算时间,提高计算效率。这里,预先缓存的静态图集合中的各静态图可以是执行主体接收到的历史参数对应的静态图。执行主体可以根据参数与静态图之间的映射关系查询上述静态图集合。执行主体还可以定期更新上述静态图集合,在更新静态图集合时可以同时更新上述映射关系。
步骤203,响应于确定不存在与目标参数对应的静态图,根据目标参数,生成代码信息。
如果执行主体在静态图集合中未查询到与目标参数对应的静态图,说明之前未对目标参数计算过,则此时需要启动目标参数的计算过程。具体的,执行主体可以根据目标参数,生成代码信息。在生成代码信息时,执行主体可以预先设置有代码模板,将目标参数代入上述代码模板中,得到代码信息。或者执行主体可以根据目标参数以及目标函数,确定与目标函数等价的多个函数,然后将上述多个函数翻译成代码信息。
步骤204,根据代码信息,生成目标静态图。
执行主体在生成代码信息后,可以利用现有技术将代码信息转化为静态图。例如,执行主体可以利用现有的函数构建代码信息对应的静态图。或者,利用预先建立的静态图构建模型来构建静态图。此处不再赘述。
步骤205,根据目标静态图,确定利用目标函数处理目标参数的处理结果。
执行主体在得到目标静态图后,可以执行目标静态图,得到利用目标函数处理目标参数的处理结果。上述处理结果可能是一个数值,也可能是一个张量。执行主体在得到上述处理结果后,可以将上述处理结果输出,或者以其它可视化的形式展现出来。
继续参见图3,其示出了根据本公开的用于处理数据的方法的一个应用场景的示意图。在图3的应用场景中,用户通过终端将Einsum函数的spec信息输入Einsum(‘ab,bc,c->c’,x,y,z)。经步骤201~205的运算后,得到处理结果,并将处理结果显示出来。
本公开的上述实施例提供的用于处理数据的方法,首先通过利用缓存的静态图,可以提高静态图的构建效率;在不存在缓存的静态图的情况下,通过利用将目标参数构建成静态图的方式,可以有效地提高计算效率。
继续参见图4,其示出了根据本公开的用于处理数据的方法的另一个实施例的流程400。如图4所示,本实施例的方法可以包括以下步骤:
步骤401,获取输入目标函数的目标参数。
步骤402,确定预先缓存的静态图集合中是否存在与目标参数对应的静态图。
步骤403,响应于确定不存在与目标参数对应的静态图,根据目标参数,生成代码信息。
在本实施例的一些可选的实现方式中,执行主体可以通过以下步骤生成代码信息:根据目标函数以及目标参数,确定等价于目标函数的至少一个处理函数;确定各处理函数的计算复杂度;根据最小计算复杂度对应的处理函数,生成代码信息。
本实现方式中,执行主体可以通过根据上述目标函数和目标参数,将目标函数翻译成等价的至少一个处理函数。例如,例如,x和y分别是形状为[2,1]和[1,2]的参数,则Einsum(‘ij,ij’,x,y)既可以翻译成sum(x*y),也可以翻译成x.sum(0)*y.sum(1)。执行主体可以分别确定这两种函数的计算复杂度。上述两函数中,后者的计算复杂度更低。执行主体可以根据计算复杂度最低的处理函数,生成代码信息。具体的,执行主体可以将计算复杂度最低的处理函数以及其中的各参数输入预设的模板中,得到代码信息。在一些具体的应用中,上述代码可以为Python代码。由于上层的API一般由Python实现,如果此处的代码为Python代码,则本方案可以基于纯Python方式实现,这样能够突出软件的复用性和开发的灵活性。
步骤404,对代码信息规划代码执行逻辑,形成动态图;将动态图转化为目标静态图。
本实施例中,执行主体在得到代码信息后,可以对代码信息进行规划(plan),确定代码的执行逻辑。并根据上述执行逻辑,形成动态图。然后,执行主体可以将上述动态图转化为目标静态图。动态图也可以称为命令式编程,静态图也可以称为声明式编程。命令式编程是指写的模式执行计算语句后立即解释执行,并即时地拥有这个计算结果。这种机制更符合用户编程习惯,并且更易进行模式调试,易于用户编写但是机器执行计算资源消耗较大。声明式编程则指程序在编译执行时先搭建其计算的图结构,然后再利用执行单元执行图结构操作。这种机制不易于用户编写,但机器执行计算资源消耗较小,适于工业模型部署。
现有的动转静(动态图转静态图)的使用方式是需要遍历全部Einsum代码的抽象语法树,然后进行分析转译。由于动转静对Python用法有一定限制,这会影响动转静的灵活性。本实施例中,通过首先对代码信息进行规划,得到代码的执行逻辑,生成动态图后转化成静态图。这样可以仅针对执行逻辑的Python代码进行动转静,忽略了绝大部分规划代码和预处理代码,节省了动转静的转译开销。
这里的规划的目的在于通过多种方式降低目标函数的计算强度。具体的,包括采用计算强度最低的处理函数、将目标参数中计算强度较小的参数先进行计算,这样有助于减少后续计算的强度、减少计算开销。
步骤405,根据目标静态图,确定利用目标函数处理目标参数的处理结果。
步骤406,将目标静态图存储到静态图集合。
本实施例中,执行主体还可以将生成的目标静态图存储到静态图集合。这样可以实现对静态图集合的更新,从而方便后续静态图的查询。
本公开的上述实施例提供的用于处理数据的方法,可以先对代码进行规划,再生成动态图后转译成静态图。这样可以有效地降低计算开销,提高计算效率。
继续参见图5,其示出了根据本公开的用于处理数据的方法的一个实施例中进行代码规划的流程500。本实施例中的目标参数可以包括标记字符串和多个操作数。如图5所示,本实施例中可以通过以下步骤进行代码规划:
步骤501,根据标记字符串和多个操作数,生成全局视图。
执行主体可以首先根据标记字符串和多个操作数,生成全局视图。具体的,执行主体可以根据标记字符串中的各种标记以及对应的多个操作数,生成全局视图。例如,可以将各种标记和多个操作数代入全局视图生成模型中,得到全局视图。上述全局视图中可以包括多个数值,每个数值可以包含标记和操作数的含义。
在本实施例的一些可选的实现方式中,上述步骤501具体可以包括以下步骤:对标记字符串进行解析,确定输入标记和输出标记;根据输入标记、输出标记以及多个操作数,创建全局标记视图和全局形状视图。
标记字符串可以包括输入标记和输出标记,输入标记和输出标记也可以称为全局标记。全局标记是参数中所有出现过的标记去重后的标记序列,输出标记置于右侧。上述全局视图可以包括全局标记视图和全局形状视图。全局标记视图是一个表,每一行对应一个操作数,记录从全局标记到该操作数张量维度的映射,若未标记某操作数,则对应表项-1。全局形状视图是一个表,每一行对应一个操作数,记录全局标记对应的张量维度的大小,若无对应维度,则该表项为-1。
例:Einsum(‘ab,bc,c->c’,x,y,z)。其中,x,y,z的形状分别为[2,1],[5,2],[2],则全局标记为[‘a’,‘b’,‘c’],全局标记视图如左下所示,全局形状视图如右下所示。
步骤502,根据全局视图,确定出进行归约计算的操作数。
执行主体在得到全局视图后,可以确定出进行归约计算的操作数。例如,可以将全局视图中数值大于某个阈值的值对应的操作数作为进行归约计算的操作数。归约计算(reduction)是指计算输入的元素的和,或者按照某个参数指定的轴进行求和。
在本实施例的一些可选的实现方式中,执行主体可以通过以下步骤确定出进行归约计算的操作数:对于全局形状视图中的每个输出列,如果该列中存在一个大于预设值的行,则在全局标记视图中查找非零值的行对应的操作数,将查找到的操作数作为进行归约计算的操作数。
本实现方式中,执行主体可以遍历全局形状视图中的每个输出列,如果该列中存在一个大于预设值(例如是1)的行,则可以在全局标记视图中查找所有非0值的行对应的操作数,将上述操作数作为进行归约计算的操作数。然后,执行主体可以对上述操作数进行归约计算。
步骤503,根据归约计算后得到的更新操作数以及标记字符串,确定动态图。
在归约计算后得到更新操作数,执行主体可以根据上述更新操作数以及标记字符串,确定动态图。具体的,执行主体可以根据更新操作数,确定需要输入标记中两两乘加的操作数,然后对得到的结果进行调整得到动态图。
在本实施例的一些可选的实现方式中,执行主体可以通过以下步骤确定动态图:根据归约计算后得到的更新操作数,更新全局形状视图;根据更新的全局形状视图,对更新操作数进行乘加计算,得到乘加计算结果;对乘加计算结果进行调整,得到动态图。
本实现方式中,执行主体可以首先根据归约计算后得到的更新操作数,更新全局形状视图。具体的,执行主体还可以首先创建规划操作队列,将需要归约操作的操作数加入上述规划操作队列中。然后依次从上述规划操作队列中取出操作数更新全局形状视图。具体的,执行主体可以根据操作数的维度更新全局形状视图中的各个数值。
然后,执行主体可以根据更新的全局形状视图,对更新的操作数进行乘加计算,得到乘加计算结果。具体的,执行主体可以对任意两个操作数进行乘加计算。或者,执行主体可以首先对更新的操作数进行排序,将排序中的两个操作数进行乘加计算。
在得到乘加计算结果后,可以对乘加计算结果的维度进行调整(reshape)或者转置等操作,使得调整后的结果满足计算要求。调整后的乘加计算结果转化为动态图。
在本实施例的一些可选的实现方式中,在更新全局形状视图时,执行主体可以将计算后得到的更新操作数的维度形状置为预设值(例如-1),得到更新的全局形状视图。
在本实施例的一些可选的实现方式中,在进行乘加计算时,执行主体可以通过以下步骤实现:根据更新操作数的维度进行排序,得到排序后操作数;根据全局标记视图和全局形状视图,将输入标记和输出标记分为预设数量个组;将排序后操作数中的两个操作数按照分组顺序进行转置后合并,得到两个张量;对两个张量进行乘积。
本实现方式中,执行主体可以首先根据更新操作数的维度进行排序,得到排序后操作数。具体的中,执行主体可以按照更新操作数维度由小到大的顺序。然后,根据全局标记视图和全局形状视图,将输入标记和输出标记分为预设数量个组。具体的,执行主体可以将上述排序中两相邻的操作数中不能进行归约计算,并且均有对应维度的标记划分到一个组(记为I),将仅对应一个操作数的标记划分为一个组(记为J),将上述排序中两相邻的操作数中能进行归约计算,并且均有对应维度的标记划分到一个组(记为K)。然后,将两个相邻两个操作数中的维度按照上述分组(I、J、K)的顺序进行转置,将各分组对应的维度进行合并,得到两个3D张量。然后对这两个张量进行矩阵乘法,将得到的结果张量中对应的K维度的归约消去,保留I和J维度。
本公开的上述实施例提供的用于处理数据的方法,可以对代码进行合理规划,从而有效地减小计算强度。
进一步参考图6,作为对上述各图所示方法的实现,本公开提供了一种用于处理数据的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,本实施例的用于处理数据的装置600包括:参数获取单元601、缓存查询单元602、代码生成单元603、静态图生成单元604和数据处理单元605。
参数获取单元601,被配置成获取输入目标函数的目标参数。
缓存查询单元602,被配置成确定预先缓存的静态图集合中是否存在与目标参数对应的静态图。
代码生成单元603,被配置成响应于确定不存在与目标参数对应的静态图,根据目标参数,生成代码信息。
静态图生成单元604,被配置成根据代码信息,生成目标静态图。
数据处理单元605,被配置成根据目标静态图,确定利用目标函数处理目标参数的处理结果。
在本实施例的一些可选的实现方式中,静态图生成单元604可以进一步被配置成:对代码信息规划代码执行逻辑,形成动态图;将动态图转化为目标静态图。
在本实施例的一些可选的实现方式中,目标参数包括标记字符串和多个操作数。静态图生成单元604可以进一步被配置成:根据标记字符串和多个操作数,生成全局视图;根据全局视图,确定出进行归约计算的操作数;根据归约计算后得到的更新操作数以及标记字符串,确定动态图。
在本实施例的一些可选的实现方式中,静态图生成单元604可以进一步被配置成:对标记字符串进行解析,确定输入标记和输出标记;根据输入标记、输出标记以及多个操作数,创建全局标记视图和全局形状视图。
在本实施例的一些可选的实现方式中,静态图生成单元604可以进一步被配置成:对于全局形状视图中的每个输出列,如果该列中存在一个大于预设值的行,则在全局标记视图中查找非零值的行对应的操作数,将查找到的操作数作为进行归约计算的操作数。
在本实施例的一些可选的实现方式中,静态图生成单元604可以进一步被配置成:根据归约计算后得到的更新操作数,更新全局形状视图;根据更新的全局形状视图,对更新操作数进行乘加计算,得到乘加计算结果;对乘加计算结果进行调整,得到动态图。
在本实施例的一些可选的实现方式中,静态图生成单元604可以进一步被配置成:将计算后得到的更新操作数的维度形状置为预设值,得到更新的全局形状视图。
在本实施例的一些可选的实现方式中,静态图生成单元604可以进一步被配置成:根据更新操作数的维度进行排序,得到排序后操作数;根据全局标记视图和全局形状视图,将输入标记和输出标记分为预设数量个组;将排序后操作数中的两个操作数按照分组顺序进行转置后合并,得到两个张量;对两个张量进行乘积。
在本实施例的一些可选的实现方式中,代码生成单元603可以进一步被配置成:根据目标函数以及目标参数,确定等价于目标函数的至少一个处理函数;确定各处理函数的计算复杂度;根据最小计算复杂度对应的处理函数,生成代码信息。
在本实施例的一些可选的实现方式中,装置600还可以包括静态图存储单元,被配置成:将目标静态图存储到静态图集合。
应当理解,用于处理数据的装置600中记载的单元601至单元605分别与参考图2中描述的方法中的各个步骤相对应。由此,上文针对用于处理数据的方法描述的操作和特征同样适用于装置600及其中包含的单元,在此不再赘述。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了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7示出了根据本公开实施例的执行用于处理数据的方法的电子设备700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/或者要求的本公开的实现。
如图7所示,电子设备700包括处理器701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储器708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM703中,还可存储电子设备700操作所需的各种程序和数据。处理器701、ROM 702以及RAM 703通过总线704彼此相连。I/O接口(输入/输出接口)705也连接至总线704。
电子设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储器708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许电子设备700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。
处理器701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。处理器701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处理器、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。处理器701执行上文所描述的各个方法和处理,例如用于处理数据的方法。例如,在一些实施例中,用于处理数据的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存储介质,例如存储器708。在一些实施例中,计算机程序的部分或者全部可以经由ROM702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM 703并由处理器701执行时,可以执行上文描述的用于处理数据的方法的一个或多个步骤。备选地,在其他实施例中,处理器701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行用于处理数据的方法。
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。
用于实施本公开的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。上述程序代码可以封装成计算机程序产品。这些程序代码或计算机程序产品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701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。
在本公开的上下文中,机器可读存储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。机器可读存储介质可以是机器可读信号存储介质或机器可读存储介质。机器可读存储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)、光学存储设备、磁存储设备、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)和互联网。
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。服务器也可以是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,本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开的保护范围之内。
Claims (14)
1.一种用于处理数据的方法,包括:
获取输入目标函数的目标参数;其中,所述目标参数包括标记字符串和多个操作数;
确定预先缓存的静态图集合中是否存在与所述目标参数对应的静态图;其中,所述静态图包括声明式编程;
响应于确定不存在与所述目标参数对应的静态图,根据所述目标参数,生成代码信息;
对所述标记字符串进行解析,确定输入标记和输出标记;
根据所述输入标记、所述输出标记以及多个操作数,创建全局标记视图和全局形状视图;
对于所述全局形状视图中的每个输出列,如果该列中存在一个大于预设值的行,则在所述全局标记视图中查找非零值的行对应的操作数,将查找到的操作数作为进行归约计算的操作数;
根据归约计算后得到的更新操作数以及所述标记字符串,确定动态图;其中,所述动态图包括命令式编程;
将所述动态图转化为目标静态图;
根据所述目标静态图,确定利用所述目标函数处理所述目标参数的处理结果。
2.根据权利要求1所述的方法,其中,所述根据归约计算后得到的更新操作数以及所述标记字符串,确定动态图,包括:
根据归约计算后得到的更新操作数,更新所述全局形状视图;
根据更新的全局形状视图,对更新操作数进行乘加计算,得到乘加计算结果;
对所述乘加计算结果进行调整,得到动态图。
3.根据权利要求2所述的方法,其中,所述根据归约计算后得到的更新操作数,更新所述全局形状视图,包括:
将计算后得到的更新操作数的维度形状置为预设值,得到更新的全局形状视图。
4.根据权利要求2所述的方法,其中,所述根据更新的全局形状视图,对更新操作数进行乘加计算,包括:
根据所述更新操作数的维度进行排序,得到排序后操作数;
根据所述全局标记视图和所述全局形状视图,将所述输入标记和所述输出标记分为预设数量个组;
将所述排序后操作数中的两个操作数按照分组顺序进行转置后合并,得到两个张量;
对所述两个张量进行乘积。
5.根据权利要求1所述的方法,其中,所述根据所述目标参数,生成代码信息,包括:
根据所述目标函数以及所述目标参数,确定等价于所述目标函数的至少一个处理函数;
确定各处理函数的计算复杂度;
根据最小计算复杂度对应的处理函数,生成代码信息。
6.根据权利要求1-5任一项所述的方法,其中,所述方法还包括:
将所述目标静态图存储到所述静态图集合。
7.一种用于处理数据的装置,包括:
参数获取单元,被配置成获取输入目标函数的目标参数;其中,所述目标参数包括标记字符串和多个操作数;
缓存查询单元,被配置成确定预先缓存的静态图集合中是否存在与所述目标参数对应的静态图;其中,所述静态图包括声明式编程;
代码生成单元,被配置成响应于确定不存在与所述目标参数对应的静态图,根据所述目标参数,生成代码信息;
静态图生成单元,被配置成对所述标记字符串进行解析,确定输入标记和输出标记;根据所述输入标记、所述输出标记以及多个操作数,创建全局标记视图和全局形状视图;对于所述全局形状视图中的每个输出列,如果该列中存在一个大于预设值的行,则在所述全局标记视图中查找非零值的行对应的操作数,将查找到的操作数作为进行归约计算的操作数;根据归约计算后得到的更新操作数以及所述标记字符串,确定动态图;其中,所述动态图包括命令式编程;将所述动态图转化为目标静态图;
数据处理单元,被配置成根据所述目标静态图,确定利用所述目标函数处理所述目标参数的处理结果。
8.根据权利要求7所述的装置,其中,所述静态图生成单元进一步被配置成:
根据归约计算后得到的更新操作数,更新所述全局形状视图;
根据更新的全局形状视图,对更新操作数进行乘加计算,得到乘加计算结果;
对所述乘加计算结果进行调整,得到动态图。
9.根据权利要求8所述的装置,其中,所述静态图生成单元进一步被配置成:
将计算后得到的更新操作数的维度形状置为预设值,得到更新的全局形状视图。
10.根据权利要求8所述的装置,其中,所述静态图生成单元进一步被配置成:
根据所述更新操作数的维度进行排序,得到排序后操作数;
根据所述全局标记视图和所述全局形状视图,将所述输入标记和所述输出标记分为预设数量个组;
将所述排序后操作数中的两个操作数按照分组顺序进行转置后合并,得到两个张量;
对所述两个张量进行乘积。
11.根据权利要求7所述的装置,其中,所述代码生成单元进一步被配置成:
根据所述目标函数以及所述目标参数,确定等价于所述目标函数的至少一个处理函数;
确定各处理函数的计算复杂度;
根据最小计算复杂度对应的处理函数,生成代码信息。
12.根据权利要求7-11任一项所述的装置,其中,所述装置还包括静态图存储单元,被配置成:
将所述目标静态图存储到所述静态图集合。
13.一种电子设备,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1-6中任一项所述的方法。
14.一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权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111505705.5A CN114201242B (zh) | 2021-12-10 | 2021-12-10 | 用于处理数据的方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111505705.5A CN114201242B (zh) | 2021-12-10 | 2021-12-10 | 用于处理数据的方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114201242A CN114201242A (zh) | 2022-03-18 |
CN114201242B true CN114201242B (zh) | 2023-01-31 |
Family
ID=80652073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111505705.5A Active CN114201242B (zh) | 2021-12-10 | 2021-12-10 | 用于处理数据的方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114201242B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115759294B (zh) * | 2022-11-25 | 2023-10-24 | 北京百度网讯科技有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN116483482B (zh) * | 2023-05-19 | 2024-03-01 | 北京百度网讯科技有限公司 | 深度学习任务处理方法、系统、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270176A (zh) * | 2020-11-09 | 2021-01-26 | 北京百度网讯科技有限公司 | 深度学习框架中模式转换的方法、装置和计算机存储介质 |
CN112529206A (zh) * | 2019-09-18 | 2021-03-19 | 华为技术有限公司 | 一种模型运行方法和系统 |
CN112764755A (zh) * | 2021-01-13 | 2021-05-07 | 北京百度网讯科技有限公司 | 代码转换方法、装置、设备以及存储介质 |
CN113688982A (zh) * | 2020-05-19 | 2021-11-23 | 平头哥(上海)半导体技术有限公司 | 处理单元、相关装置和方法 |
-
2021
- 2021-12-10 CN CN202111505705.5A patent/CN114201242B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529206A (zh) * | 2019-09-18 | 2021-03-19 | 华为技术有限公司 | 一种模型运行方法和系统 |
CN113688982A (zh) * | 2020-05-19 | 2021-11-23 | 平头哥(上海)半导体技术有限公司 | 处理单元、相关装置和方法 |
CN112270176A (zh) * | 2020-11-09 | 2021-01-26 | 北京百度网讯科技有限公司 | 深度学习框架中模式转换的方法、装置和计算机存储介质 |
CN112764755A (zh) * | 2021-01-13 | 2021-05-07 | 北京百度网讯科技有限公司 | 代码转换方法、装置、设备以及存储介质 |
Non-Patent Citations (2)
Title |
---|
Paddlepaddle(2.0-beta版本)-动态图转静态图;唏嘘#;《https://blog.csdn.net/weixin_43216249/article/details/109356548》;20201029;1-5 * |
飞桨:源于产业实践的开源深度学习平台;马艳军等;《数据与计算发展前沿》;20191015(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114201242A (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11928432B2 (en) | Multi-modal pre-training model acquisition method, electronic device and storage medium | |
CN112559007B (zh) | 多任务模型的参数更新方法、装置及电子设备 | |
CN114201242B (zh) | 用于处理数据的方法、装置、设备以及存储介质 | |
CN113342345A (zh) | 深度学习框架的算子融合方法、装置 | |
CN114911465B (zh) | 算子的生成方法、装置、设备以及存储介质 | |
CN110795697B (zh) | 逻辑表达式的获取方法、装置、存储介质以及电子装置 | |
CN113656590B (zh) | 行业图谱的构建方法、装置、电子设备及存储介质 | |
US20230134615A1 (en) | Method of processing task, electronic device, and storage medium | |
US20220350607A1 (en) | Method of executing operation, electronic device, and computer-readable storage medium | |
CN114332590B (zh) | 联合感知模型训练、联合感知方法、装置、设备和介质 | |
US11881044B2 (en) | Method and apparatus for processing image, device and storage medium | |
US20230085684A1 (en) | Method of recommending data, electronic device, and medium | |
CN116450723A (zh) | 数据提取方法、装置、计算机设备及存储介质 | |
US20220382991A1 (en) | Training method and apparatus for document processing model, device, storage medium and program | |
CN114817845B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN116302218A (zh) | 函数信息的添加方法、装置、设备以及存储介质 | |
CN109597826A (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
CN115577106A (zh) | 基于人工智能的文本分类方法、装置、设备和介质 | |
CN114882313A (zh) | 生成图像标注信息的方法、装置、电子设备及存储介质 | |
CN115186738A (zh) | 模型训练方法、装置和存储介质 | |
CN113722037A (zh) | 一种用户界面的刷新方法、装置、电子设备及存储介质 | |
CN114330718A (zh) | 因果关系的提取方法、装置及电子设备 | |
CN113360672A (zh) | 用于生成知识图谱的方法、装置、设备、介质和产品 | |
CN112784967A (zh) | 信息处理方法、装置以及电子设备 | |
CN112988778A (zh) | 一种处理数据库查询脚本的方法和装置 |
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 |