本申请提供了一种算子性能的评估方法和评估装置，可以提高算子的性能评估效率。本申请提供的方法可以包括：获取多个算子的特征数据，多个算子的特征数据基于多个算子中每个算子的程序代码得到；将多个算子的特征数据和多个算子的性能评估结果作为训练样本对第一初始模型进行训练，得到第一模型，其中，多个算子的特征数据为第一初始模型的输入，多个算子的性能评估结果为多个算子的特征数据的标签，第一模型用于对待评估算子进行性能评估。当获取待评估算子的特征数据时，可以将待评估算子的特征数据输入至第一模型，得到待评估算子的性能评估结果。能评估结果。能评估结果。
【技术实现步骤摘要】
算子性能的评估方法和评估装置
[0001]本申请涉及计算机
，尤其涉及一种算子性能的评估方法和评估装置。
技术介绍
[0002]终端设备的很多应用都需要人工智能(artificial intelligence，AI)算子进行封装和开发。例如，终端设备的相机应用，在拍照或者录像过程中，可以通过滤波类算子如盒子滤波(Box Filter)消除摄像头获取的图像的噪声，还可以响应于用户的缩放操作，通过插值类算子如最近邻插值对摄像头获取的图像进行缩放。AI算子的性能决定应用呈现的效果，影响用户的体验。
[0003]目前，AI算子性能的评估结果是依靠专家对算子的程序代码进行分析后，根据经验得到的。这种实现方式，依靠人工对AI算子性能进行评估，评估效率较低。
[0004]因此，亟需一种算子性能的评估方法，可以提高算子的性能评估效率，以便于后续指导算子优化。
技术实现思路
[0005]本申请提供一种算子性能的评估方法和评估装置，可以提高算子的性能评估效率。
[0006]第一方面，提供了一种算子性能的评估方法，包括：获取多个算子的特征数据，多个算子的特征数据基于多个算子中每个算子的程序代码得到；将多个算子的特征数据和多个算子的性能评估结果作为训练样本对第一初始模型进行训练，得到第一模型，其中，多个算子的特征数据为第一初始模型的输入，多个算子的性能评估结果为多个算子的特征数据的标签，第一模型用于对待评估算子进行性能评估。
[0007]本申请涉及的多个算子主要是可以应用于相机应用的算子，但本申请并不限于此。本申请涉及的多个算子还可以为应用于其他应用的算子，例如浏览器应用。不同应用涉及的算子不同，为了保证方法的准确性，上述多个算子一般为应用于同一个应用的算子，该应用可以是相机应用、浏览器应用或者其他应用。
[0008]多个算子的特征数据包括多个算子中每个算子的特征数据，该每个算子的特征数据是基于每个算子的程序代码得到的。其中，特征数据用于表示对算子的程序代码提取特征得到的数据。
[0009]在一种可能的示例中，特征数据可以包括：加载存储指令对应的数据、普通整数运算指令对应的数据、整数乘法运算指令对应的数据、普通浮点运算指令对应的数据、浮点乘法运算指令对应的数据、以及跳转指令对应的数据。
[0010]在另一种可能的示例中，特征数据可以包括加载存储指令对应的数据、普通整数运算指令对应的数据、整数乘法运算指令对应的数据、整数除法运算指令对应的数据、普通浮点运算指令对应的数据、浮点乘法运算指令对应的数据、浮点除法运算指令对应的数据、以及跳转指令对应的数据。
[0011]上述多个算子的特征数据可以是处理设备对多个算子中每个算子的程序代码提取特征得到的，也可以是其他设备(例如仿真平台)对多个算子中每个算子的程序代码提取特征得到的，并发送至处理设备的，本申请对此不作限定。
[0012]专家可以根据经验对多个算子中每个算子的程序代码进行分析，得到多个算子的性能评估结果。该多个算子的性能评估结果可以作为这多个算子的特征数据的标签以训练模型。处理设备可以将多个算子的特征数据和多个算子的性能评估结果作为训练样本对第一初始模型进行训练，得到第一模型，也就是将多个算子的特征数据作为第一初始模型的输入，将多个算子的性能评估结果作为第一初始模型的输出，训练第一初始模型中的参数，得到第一模型，第一模型可以用于对待评估算子进行性能评估。
[0013]本申请提供的算子性能的评估方法，通过多个算子的特征数据和所述多个算子的性能评估结果训练第一模型，使其可以对待评估算子进行性能评估，不需要人工对待评估算子进行性能评估，可以节省人力，提高算子的性能评估效率。
[0014]结合第一方面，在第一方面的某些实现方式中，获取多个算子的特征数据，包括：根据算子属性对多个算子进行分类，得到多类算子；获取多类算子中每类算子的特征数据；将多个算子的特征数据和多个算子的性能评估结果作为训练样本对第一初始模型进行训练，得到第一模型，包括：将每类算子的特征数据和每类算子的性能评估结果作为训练样本对第一初始模型进行训练，得到多个第一模型，多个第一模型与多类算子一一对应，多个第一模型中每个第一模型用于对对应类的待评估算子进行性能评估。
[0015]每个算子均具有算子属性，不同算子的算子属性可以相同，也可以不同。处理设备可以将算子属性相同的算子划分为一类，这样，根据算子属性对多个算子进行分类，可以得到多类算子。可以理解的是，该多类算子中每类算子对应一个算子属性。
[0016]处理设备可以针对每类算子训练一个第一模型，以用于对该类的待评估算子进行性能评估。具体地，处理设备可以将每类算子的特征数据和每类算子的性能评估结果作为训练样本对第一初始模型进行训练，得到多个第一模型，也就是说，将每类算子的特征数据作为第一初始模型的输入，将每类算子的性能评估结果作为第一初始模型的输出，训练第一初始模型的参数，得到多个第一模型。
[0017]在一种可能的示例中，算子属性包括内存受限属性和计算受限属性。处理设备可以根据这两个算子属性对多个算子进行分类，可以得到两类算子，这两类算子中一类算子对应内存受限属性，另一类算子对应计算受限属性。这两类算子中一类算子对应的第一模型可以用于对内存受限属性的算子进行性能评估，另一类算子对应的第一模型可以用于对计算受限属性的算子进行性能评估。
[0018]在另一种可能的示例中，算子属性包括内存受限属性、计算受限属性以及缓存缺失受限属性。处理设备可以根据这三个算子属性对多个算子进行分类，可以得到三类算子，这三类算子可以分别为第一类算子、第二类算子以及第三类算子。第一类算子可以对应内存受限属性，第二类算子可以对应计算受限属性，第三类算子可以对应缓存缺失受限属性。第一类算子对应的第一模型可以用于对内存受限属性的算子进行性能评估，第二类算子对应的第一模型可以用于对计算受限属性的算子进行性能评估，第三类算子对应的第一模型可以用于对缓存缺失受限属性进行性能评估。其中，若第一模型为线性回归模型，第一类算子对应的第一模型可以为线性回归模型1、第二类算子对应的第一模型可以为线性回归模
型2、第三类算子对应的第一模型可以为线性回归模型3。
[0019]本申请提供的算子性能的评估方法，可以基于算子属性对多个算子进行分类，并对每一类算子训练一个第一模型，使其可以对这一类别的待评估算子进行性能评估，该方法训练的第一模型可以精准地对一类算子进行性能评估，可以提高性能评估的准确性。
[0020]结合第一方面，在第一方面的某些实现方式中，方法还包括：将多个算子的特征数据和多个算子的算子属性作为训练样本对第二初始模型进行训练，得到第二模型，其中，多个算子的特征数据为第二初始模型的输入，多个算子的算子属性为多个算子的特征数据的标签，第二模型用于识别待评估算子的算子属性。
[0021]多个算子的算子属性是专家基于多个算子的程序代码确定的，处理器可以将多个算子的算子属性作为多个算子的特征数据的标签本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种算子性能的评估方法，其特征在于，包括：获取多个算子的特征数据，所述多个算子的特征数据基于所述多个算子中每个算子的程序代码得到；将所述多个算子的特征数据和所述多个算子的性能评估结果作为训练样本对第一初始模型进行训练，得到第一模型，其中，所述多个算子的特征数据为所述第一初始模型的输入，所述多个算子的性能评估结果为所述多个算子的特征数据的标签，所述第一模型用于对待评估算子进行性能评估。2.根据权利要求1所述的方法，其特征在于，所述获取多个算子的特征数据，包括：根据算子属性对所述多个算子进行分类，得到多类算子；获取所述多类算子中每类算子的特征数据；所述将所述多个算子的特征数据和所述多个算子的性能评估结果作为训练样本对第一初始模型进行训练，得到第一模型，包括：将所述每类算子的特征数据和所述每类算子的性能评估结果作为训练样本对所述第一初始模型进行训练，得到多个第一模型，所述多个第一模型与所述多类算子一一对应，所述多个第一模型中每个第一模型用于对对应类的待评估算子进行性能评估。3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：将所述多个算子的特征数据和所述多个算子的算子属性作为训练样本对第二初始模型进行训练，得到第二模型，其中，所述多个算子的特征数据为所述第二初始模型的输入，所述多个算子的算子属性为所述多个算子的特征数据的标签，所述第二模型用于识别待评估算子的算子属性。4.根据权利要求2或3所述的方法，其特征在于，所述算子属性包括以下至少一个：内存受限属性、计算受限属性或者缓存缺失受限属性。5.根据权利要求3所述的方法，其特征在于，所述第一模型为线性回归模型，所述第二模型为决策树模型。6.根据权利要求1至5中任一项所述的方法，其特征在于，所述获取多个算子的特征数据，包括：接收来自仿真平台的所述多个算子特征数据，所述仿真平台用于在预设运行参数下对所述多个算子中每个算子的程序代码提取特征数据。7.根据权利要求1至6中任一项所述的方法，其特征在于，所述特征数据包括以下至少一个：加载存储指令对应的数据、普通整数运算指令对应的数据、整数乘法运算指令对应的数据、整数除法运算指令对应的数据、普通浮点运算指令对应的数据、浮点乘法运算指令对应的数据、浮点除法运算指令对应的数据、或者跳转指令对应的数据。8.一种算子性能的评估方法，其特征在于，包括：获取...
【专利技术属性】
技术研发人员：苏俊钦，邓锋贤，
申请(专利权)人：荣耀终端有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。