【技术实现步骤摘要】
本专利技术属于深度学习编译，具体涉及从mlir编译设施中间表示到pytorch模型的转换方法。
技术介绍
1、mlir项目是一种可重复使用和可扩展的编译器基础设施，旨在解决软件碎片化问题，降低异构硬件的编译复杂性和构建特定领域编译器的成本。mlir编译器有助于在不同抽象层次、不同应用程序域、不同硬件目标和不同执行环境下改善code generators、translators和optimizers的设计和实现。
2、torch-mlir项目是一种编译设施，支持将pytorch生态计算机设备转换到mlir编译生态计算机设备，也就是将pytorch程序转换为mlir编译器的表示形式。
3、目前，torch-mlir项目不能实现mlir文件到pytorch模型文件之间的等价转换。如果要将mlir文件转换为pytorch模型文件，在转换操作关系时，由于操作关系顺序并不都是按照顺序一个一个执行的线性顺序，有些操作是在其余两个操作或多个操作执行后才能执行，如果按照现有技术方法一个一个串联操作的依赖关系，则无法实现操作关系的等价转换。
4、总之，现有技术存在将mlir文件转换为pytorch模型文件时，无法实现操作关系的等价转换的问题。
技术实现思路
1、为了克服现有技术存在的不足，本专利技术提供了一种将mlir文件转换为pytorch文件的方法、装置、设备及介质。
2、为了实现上述目的，本专利技术提供如下技术方案：
3、一种将mlir
4、获取mlir文件，提取mlir文件中的数据信息以及操作信息；
5、保留数据信息原有的标识符，并将其数据类型转换为pytorch文件中的tensor数据类型；
6、创建一个空栈；
7、遍历操作信息中所有的操作节点，将入度为0的操作节点压入空栈中，直到操作信息中没有入度为0的操作节点，得到一个保存了各个操作之间的前后顺序关系的栈；
8、输出栈中的节点序列，得到各个操作之间的前后顺序关系，根据各个操作之间的前后顺序关系构建操作之间的依赖关系；
9、依据pytorch文件与mlir文件之间的转换关系，将mlir文件中的操作类型转换为pytorch文件中的操作类型；
10、根据转换后的数据类型、操作之间的依赖关系和转换后的操作类型，形成pytorch文件。
11、进一步，所述提取mlir文件中的数据信息；包括：
12、提取mlir文件中的列表操作数、张量和常量。
13、进一步，所述提取mlir文件中的操作信息；包括：
14、提取mlir文件中的操作类型信息和操作数信息。
15、进一步，所述提取mlir文件中的数据信息以及操作信息后，执行以下步骤：
16、保存数据信息中的标识符及其对应的数据内容；
17、将操作信息以[结果标识符,操作符，操作数标识符1，...]的形式保存。
18、进一步，所述将mlir中的操作类型转换为pytorch中的操作类型；包括：
19、针对每一条操作信息，基于操作符将每个操作映射到的pytorch操作类型；将操作的操作数的数据类型转换为pytorch的数据类型。
20、进一步，所述将mlir中的操作类型转换为pytorch中的操作类型后，执行以下步骤：
21、根据依赖关系，为pytorch中的每个操作分配相应的输入，并保存中间结果。
22、进一步，所述入度为0的操作节点为没有前驱节点的操作节点。
23、一种将mlir文件转换为pytorch文件的装置，其特征在于，包括：
24、信息提取模块，用于获取mlir文件，提取mlir文件中的数据信息以及操作信息；
25、数据信息转换模块，用于保留数据信息原有的标识符，并将其数据类型转换为pytorch中的tensor数据类型；
26、依赖关系构建模块，用于创建一个空栈；遍历操作信息中所有的操作节点，将入度为0的操作节点压入空栈中，直到操作信息中没有入度为0的操作节点，得到一个保存了各个操作之间的前后顺序关系的栈；输出栈中的节点序列，得到各个操作之间的前后顺序关系，根据各个操作之间的前后顺序关系构建操作之间的依赖关系；
27、操作类型转换模块，用于依据pytorch文件与mlir文件之间的转换关系，将mlir文件中的操作类型转换为pytorch文件中的操作类型；
28、pytorch文件形成模块，用于根据转换后的数据类型、操作之间的依赖关系和转换后的操作类型，形成pytorch文件。
29、一种将mlir文件转换为pytorch文件的计算机设备，其特征在于，包括：
30、至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，
31、所述存储器存储有可被所述至少--个处理器执行的指令,所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7中任一所述的将mlir文件转换为pytorch文件的方法。
32、一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1至7中任一所述的将mlir文件转换为pytorch文件的方法。
33、本专利技术提供的一种将mlir文件转换为pytorch文件的方法、装置、设备及介质具有以下有益效果：
34、本专利技术将mlir文件分为数据信息和操作信息；先将数据信息的数据类型转换为pytorch中的tensor数据类型；然后再进行操作信息的转化，从而实现mlir文件到pytorch模型文件之间的转换。
35、在转化操作信息时，先创建一个空栈，接着不断地将入度为0的操作节点，即没有前驱节点的操作节点压入栈中，由此实现操作关系从前到后入栈；由于是将入度为0的操作节点一个个压入，因此对于栈中的任意一个操作节点来说，其前方的节点都比他先入栈，由此得到的栈中元素的顺序不会出现错乱。能够完全保留mlir文件中的操作关系，在转换的时候也不会出现错误，实现等价转换，转换出的神经网络模型与mlir中表示的神经网络模型在功能上是等价的。解决了现有技术中，torch-mlir项目不能实现mlir文件到pytorch模型文件之间的等价转换的问题。
本文档来自技高网...【技术保护点】
1.一种将MLIR文件转换为PyTorch文件的方法，其特征在于，包括：
2.根据权利要求1所述的一种将MLIR文件转换为PyTorch文件的方法，其特征在于，所述提取MLIR文件中的数据信息；包括：
3.根据权利要求1所述的一种将MLIR文件转换为PyTorch文件的方法，其特征在于，所述提取MLIR文件中的操作信息；包括：
4.根据权利要求1所述的一种将MLIR文件转换为PyTorch文件的方法，其特征在于，所述提取MLIR文件中的数据信息以及操作信息后，执行以下步骤：
5.根据权利要求1所述的一种将MLIR文件转换为PyTorch文件的方法，其特征在于，所述将MLIR中的操作类型转换为PyTorch中的操作类型；包括：
6.根据权利要求1所述的一种将MLIR文件转换为PyTorch文件的方法，其特征在于，所述将MLIR中的操作类型转换为PyTorch中的操作类型后，执行以下步骤：
7.根据权利要求1所述的一种将MLIR文件转换为PyTorch文件的方法，其特征在于，所述入度为0的操作节点为没有前驱节点的
8.一种将MLIR文件转换为PyTorch文件的装置，其特征在于，包括：
9.一种将MLIR文件转换为PyTorch文件的计算机设备，其特征在于，包括：
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1至7中任一所述的将MLIR文件转换为PyTorch文件的方法。
...【技术特征摘要】
1.一种将mlir文件转换为pytorch文件的方法，其特征在于，包括：
2.根据权利要求1所述的一种将mlir文件转换为pytorch文件的方法，其特征在于，所述提取mlir文件中的数据信息；包括：
3.根据权利要求1所述的一种将mlir文件转换为pytorch文件的方法，其特征在于，所述提取mlir文件中的操作信息；包括：
4.根据权利要求1所述的一种将mlir文件转换为pytorch文件的方法，其特征在于，所述提取mlir文件中的数据信息以及操作信息后，执行以下步骤：
5.根据权利要求1所述的一种将mlir文件转换为pytorch文件的方法，其特征在于，所述将mlir中的操作类型转换为pytorch中的操作类型；包括：
【专利技术属性】
技术研发人员：刘彬彬，杨毅，赵仲秋，高光雄，李呈呈，
申请(专利权)人：合肥工业大学，
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。