基于跨框架模型转换与算子差异对齐的图像分类方法

本发明公开了一种基于跨框架模型转换与算子差异对齐的图像分类方法，先对比分析源和目标深度学习框架的算子列表，映射得到算子映射表SS；将源框架图像分类模型转换为源AST，选出框架相关节点集NN；解析NN中节点在源AST中上下文信息CC；遍历源AST，进行跨框架映射，结合CC和SS对齐NN中各节点在跨深度学习框架映射中的算子差异，得到跨框架映射后的框架相关节点集NN’，用NN’替换源AST中的NN，得到目标框架图像分类模型；为目标框架图像分类模型加载源深度学习框架官方模型权重，获得图像分类推理模型；图像分类推理模型对待分类图像进行分类，输出分类结果。本发明可提高图像分类精度和兼容性，显著减少时间。