CN114863215B 基于深度学习框架生成静态图模型的方法及装置 （北京百度网讯科技有限公司）

基于深度学习框架生成静态图模型的方法本公开提供了一种基于深度学习框架生成静态图模型的方法及装置，涉及计算机技术领成所述目标训练语料对应的开放神经网络交换2基于获取的目标训练语料，通过动态图训练，以生成所述目标训练根据所述网络结构及网络参数，生成所述目标训练语料对应的开所述根据所述网络结构及网络参数，生成所述目标训练语料对应的开放将所述目标训练语料中的输入数据，输入所述参考静态图模型，基于所述动态图模型文件，调用所述深度学习框架中的模型转换第一确定模块，用于将所述动态图模型进行转换，以第二生成模块，用于根据所述网络结构及网络参数，生成所将所述目标训练语料中的输入数据，输入所述参考静态图模型，3基于所述动态图模型文件，调用所述深度学习框架中的模型转换推理模块，用于利用所述开放神经网络交换格式的引擎，对所述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4[0004]根据本公开的第一方面，提供了一种基于深度学习框架[0006]将所述动态图模型进行转换，以确定所述动态图模型对应的网络结构及网络参[0008]根据本公开的第二方面，提供了一种基于深度学习框架5[0020]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[0022]图1是根据本公开一实施例提供的一种基于深度学习框架生成静态图模型的方法[0023]图2是根据本公开又一实施例提供的一种基于深度学习框架生成静态图模型的方[0024]图3是根据本公开一实施例提供的一种基于深度学习框架生成静态图模型的装置[0025]图4是用来实现本公开实施例的基于深度学习框架生成静态图模型的方法的电子6[0031]下面参考附图描述本公开实施例的基于深度学习框架生成静态图模型的方法及行主体为基于深度学习框架生成静态图模型的装置，该装置可以由软件和/或硬件的方式[0033]图1是根据本公开一实施例提供的一种基于深度学习框架生成静态图模型的方法的动态图模型可以为翻译模型；若目标训练语料为第一图像数据及对应的第二图像数据，7[0050]图2是根据本公开又一实施例提供的一种基于深度学习框架生成静态图模型的方的文件对应的存储格式可以为*.pdmodel格式，用于存储网络参数的文件对应的存储格式进而根据预测数据与目标训练语料中的标注数据是否匹配，确定参考静态图模型是否准8[0069]本公开实施例中，在生成了开放神经网络交换格式的目标静态图模型的文件之9[0073]图3是根据本公开一实施例提供的一种基于深度学习框架生成静态图模型的装置[0081]响应于预测数据与目标训练语料中的标注数据匹配，根的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序，来执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而被载入和/或安装到设备400上。当计算机程序加载到RAM403并由计算单元401执行时，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[0095]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("如，本发公