(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111675878.1 (22)申请日 2021.12.31 (71)申请人 北京奇艺世纪科技有限公司 地址 100080 北京市海淀区北一 街2号爱奇 艺创新大厦10、 1 1层 (72)发明人 张俊钦　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 代理人 李婉 (51)Int.Cl. G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种神经网络模型的处 理方法及相关 设备 (57)摘要 本发明公开了神经网络模型处理方法及相 关设备， 由于静态图中预先依据预设的重设节点 属性规则和待处理节点配置的等量节 点， 则在识 别出节点为等量节点后， 将重设节 点属性规则作 用于等量节点上， 并在完成处理后， 断开待处理 节点的连接， 使得处理后的等量节 点替代待处理 节点留在静态图中， 以得到满足处理需求的处理 结果。 由于等量节点中的配置信息能够指示处理 的规则和待处理节点， 所以该方法能够直接快速 确定待处理节点并对等量节点和待处理节点进 行处理， 缩短了神经网络模型的开发周期， 大大 提升了模型的使用效果。 权利要求书2页 说明书13页 附图11页 CN 114298305 A 2022.04.08 CN 114298305 A 1.一种神经网络模型处 理方法， 其特 征在于， 包括： 获取待处理神经网络模型的参考静态图， 所述参考静态图根据 所述待处理神经网络的 静态图预先配置等量节点 获得， 所述等量节点依据预设的重设节点属性规则和待处理节点 配置， 所述 等量节点与所述待处 理节点相连， 且连接顺序依据所述重设节点属性 规则确定； 依据预设顺序依次读取 所述参考静态图中的节点； 在读取到的节点为所述等量节点的情况下， 依据 所述重设节点属性规则设定所述等量 节点的属性， 并断开与所述待处 理节点的连接； 在所述参考静态图中的等量节点被读取并处理完毕的情况下， 确定所述参考静态图中 的输入节点、 输出节点以及输入节点和输出节点间的中间节点构成的拓扑图， 将其作为处 理后的静态图； 依据所述处 理后的静态图， 获得处 理后的神经网络模型。 2.根据权利要求1所述的方法， 其特征在于， 所述重设节点属性规则包括： 重新设定输 入节点、 重新设定 输出节点和重新设定中间节点中的任意 一种或多种的组合。 3.根据权利要求2所述的方法， 其特征在于， 所述依据所述重设节点属性规则设定所述 等量节点的属性包括： 若所述重设节点属性规则为重新设定输入节点， 则设定所述等量节点的属性为输入节 点； 若所述重设节点属性规则为重新设定输出节点， 则设定所述等量节点的属性为输出节 点； 若所述重设节点属性规则为重新设定 中间节点， 则设定所述等量节点的属性为中间节 点。 4.根据权利要求3所述的方法， 其特征在于， 所述依据所述重设节点属性规则确定等量 节点与所述待处 理节点连接顺序的过程包括： 若重设节点属性规则是重新设定输入节点， 则等量节点代码编译后的等量输入节点是 所述待处 理节点的后置节点； 若重设节点属性规则是重新设定输出节点， 则等量节点代码编译后的等量输出节点是 所述待处 理节点的前置节点； 若重设节点属性规则是重新设定 中间节点， 则等量节点代码编译后的等量中间节点是 所述待处 理节点的后置节点。 5.根据权利要求1所述的方法， 其特征在于， 所述在所述待处理神经网络的静态图中， 预先配置等 量节点后得到参 考静态图的过程包括： 确定与处理需求对应的重设节点属性规则， 以及各重设节点属性规则对应的待处理节 点； 生成与所述重设节点属性 规则对应的待处 理节点的等 量节点代码； 依据预设添加规则， 在所述待处理神经网络原始代码中添加所述等量节点代码， 作为 参考代码； 编译所述 参考代码， 得到静态图， 将其作为 参考静态图。 6.根据权利要求5所述的方法， 其特征在于， 所述等量节点代码包括： 函数名称和函数 输入， 其中， 所述函数名称用于表征所述重 设节点属性规则， 所述函数输入包括所述待处理权　利　要　求　书 1/2 页 2 CN 114298305 A 2节点。 7.根据权利要求6所述的方法， 其特征在于， 在所述重设节点属性规则是重新设定 中间 节点的情况下， 所述等量中间节点代码包括： 等量前置替换裁剪代码和 等量后置替换裁剪 代码， 其中， 所述等量前置替换裁剪代码的函数名称用于表征重 设节点属性规则， 函数输入 包括所述待处理节点、 所述待处理节点的前置节点以及第一等量节点标识； 所述等量后置 替换裁剪代码的函数名称用于表征重设节点属 性规则， 函数输入包括所述待处理节点、 所 述待处理节点的后置节点及第二等量节点标识， 所述第一等量节点标识与所述第二等量节 点标识相同。 8.根据权利要求2所述的方法， 其特征在于， 若重设节点属性规则是重新设定中间节点 的情况下， 依据所述重设节点属性规则确定等量节点与所述待处理节点连接顺序包括， 所 述等量节点包括： 等量前置替换裁剪代码对应的等量前置替换节点， 和 等量后置替换裁剪 代码对应的等量后置替换裁剪代码， 所述待处理节点位于所述等量前置替换代码节点和所 述等量后置替换裁 剪代码之间。 9.根据权利要求8所述的方法， 其特征在于， 所述在读取到的节点为所述等量节点的情 况下， 依据所述重设节点属 性规则设定所述等量节点的属 性， 并断开与所述待处理节点的 连接的过程包括： 在读取到的节点为等量前置替换裁剪节点的情况下， 确定与其对应的等量后置替换裁 剪节点； 合并所述等量前置替换裁剪节点和所述等量后置替换裁剪节点， 并设定合并后的节点 为等量中间节点； 断开所述 等量中间节点和所述待处 理节点的连接 。 10.一种神经网络模型处 理装置， 其特 征在于， 包括： 参考静态图获取模块， 用于获取待处理神经网络模型的参考静态图， 所述参考静态图 根据所述待处理神经网络的静态图预先配置等量节点 获得， 所述等量节点依据预设的重设 节点属性规则和待处理节点配置， 所述等量节点与所述待处理节点相连， 且连接顺序依据 所述重设节点属性 规则确定； 节点读取模块， 用于依据预设顺序依次读取 所述参考静态图中的节点； 节点处理模块， 用于在读取到的节点为所述等量节点的情况下， 依据所述重设节点属 性规则设定所述 等量节点的属性， 并断开与所述待处 理节点的连接； 拓扑图生成模块， 用于在所述参考静态图中的等量节点被读取并处理完毕的情况下， 确定所述参考静态图中的输入节点、 输出节点以及输入节点和输出节点间的中间节点构成 的拓扑图， 将其作为处 理后的静态图； 模型确定模块， 用于依据所述处 理后的静态图， 获得处 理后的神经网络模型。 11.一种存 储介质， 其特 征在于， 所述存 储介质包括存 储的程序， 其中， 在所述程序运行时控制所述存储介质所在的设备执行如权利要求1 ‑9中任一项 所述的神经网络模型处 理方法。 12.一种处 理器， 其特 征在于， 所述处 理器用于运行程序， 其中， 所述 程序运行时执 行如权利要求1 ‑9中任一项所述的神经网络模型处 理方法。权　利　要　求　书 2/2 页 3 CN 114298305 A 3