摘要
本发明公开了一种深度学习模型的自动可逆化合成方法、装置、设备及介质,该方法包括:根据目标深度学习模型的抽象语法树生成有向无环图进行结构分析,确定各节点之间的依赖关系,并确定出与各节点对应的可逆候选结构,并得到合法可逆候选结构;筛选出实测可用的各目标可逆结构后,根据抽象语法树的树结构进行节点遍历,并基于代价模型在各可逆化策略中动态规划出与目标深度学习模型对应的目标可逆化策略;按照目标可逆化策略,构建出与目标深度学习模型对应的目标可逆化重构模型在后端系统中实际运行。本公开实施例的技术方案提供一种在深度学习模型中自动化识别出全部可用可逆结构后,自动化确定出深度学习模型最优可逆化策略的实现方式。
技术关键词
可逆转换器
深度学习模型
重构模型
抽象语法树
节点
策略
执行设备
后端系统
生成有向无环图
频率
模式
对象
缓冲
计算机视觉
黑白名单
自然语言
内存占用量
队列
系统为您推荐了相关专利信息
贝叶斯网络模型
智能故障定位方法
历史故障数据
网络节点
实时监测数据
匈牙利算法
图像
权重分配策略
检测模型训练
运动特征
对话生成方法
多模态交互
智能客服
意图类别
节点
智能导购方法
贩卖机
商品特征
深度学习模型
语音输入设备
攻击检测方法
时间域
一致性检测
注意力机制
序列