利用地址随机化的AI模型转移方法与流程

技术特征：
1.一种转移人工智能模型的方法，包括：识别人工智能模型的多个层，其中，所述多个层中的每个层与存储器地址相关联；由处理设备对与所述多个层中的每个层相关联的所述存储器地址进行随机化；以及将具有随机化的存储器地址的所述多个层转移到数据处理加速器以执行所述人工智能模型，其中，所述人工智能模型的每个层的存储器地址引用所述数据处理加速器内的特定存储器位置，所述人工智能模型的相应层将被加载到所述特定存储器位置处。2.如权利要求1所述的方法，其中，对所述存储器地址进行随机化包括：确定所述数据处理加速器的地址空间；以及随机地将所述地址空间的地址分配给所述人工智能模型的每个层。3.如权利要求1所述的方法，还包括：将所述随机化的存储器地址转发到所述数据处理加速器，以用于所述数据处理加速器重构所述人工智能模型。4.如权利要求1所述的方法，其中，与每个层相关联的所述存储器地址是相应层的基地址。5.如权利要求4所述的方法，其中，内核函数与所述多个层中的每个层相关联。6.如权利要求5所述的方法，其中，每个内核函数使用所述基地址来从与所述内核函数相关联的相应层检索权重。7.如权利要求1所述的方法，其中，所述数据处理加速器包括人工智能加速器。8.一种转移人工智能模型的系统，所述系统包括：存储器；以及处理设备，可操作地联接到所述存储器，所述处理设备执行以下操作：识别人工智能模型的多个层，其中，所述多个层中的每个层与存储器地址相关联；对与所述多个层中的每个层相关联的所述存储器地址进行随机化；以及将具有随机化的存储器地址的所述多个层转移到数据处理加速器以执行所述人工智能模型，其中，所述人工智能模型的每个层的存储器地址引用所述数据处理加速器内的特定存储器位置，所述人工智能模型的相应层将被加载到所述特定存储器位置处。9.如权利要求8所述的系统，其中，为了对所述存储器地址进行随机化，所述处理设备执行以下操作：确定所述数据处理加速器的地址空间；以及随机地将所述地址空间的地址分配给所述人工智能模型的每个层。10.如权利要求9所述的系统，其中，所述处理设备还执行以下操作：将所述随机化的存储器地址转发到所述数据处理加速器，以用于所述数据处理加速器重构所述人工智能模型。11.如权利要求9所述的系统，其中，与每个层相关联的所述存储器地址是相应层的基地址。12.如权利要求11所述的系统，其中，内核函数与所述多个层中的每个层相关联。13.如权利要求12所述的系统，其中，每个内核函数使用所述基地址来从与所述内核函数相关联的相应层检索权重。14.如权利要求8所述的系统，其中，所述数据处理加速器包括人工智能加速器。
15.一种存储指令的非暂时性机器可读存储介质，所述指令在由处理设备执行时执行包括以下步骤的操作：识别人工智能模型的多个层，所述多个层中的每个层与存储器地址相关联；由所述处理设备对与所述多个层中的每个层相关联的存储器地址进行随机化；以及将具有随机化的存储器地址的所述多个层转移到数据处理加速器以执行所述人工智能模型，其中，所述人工智能模型的每个层的存储器地址引用所述数据处理加速器内的特定存储器位置，所述人工智能模型的相应层将被加载到所述特定存储器位置处。16.如权利要求15所述的非暂时性机器可读存储介质，其中，对所述存储器地址进行随机化包括：确定所述数据处理加速器的地址空间；以及随机地将所述地址空间的地址分配给所述模型的每个层。17.如权利要求16所述的非暂时性机器可读存储介质，所述操作还包括：将所述随机化的存储器地址转发到所述数据处理加速器，以用于所述数据处理加速器重构所述人工智能模型。18.如权利要求16所述的非暂时性机器可读存储介质，其中，与每个层相关联的所述存储器地址是用于相应层的基地址。19.如权利要求18所述的非暂时性机器可读存储介质，其中，内核函数与所述多个层中的每个层相关联。20.如权利要求19所述的非暂时性机器可读存储介质，其中，每个内核函数使用所述基地址来从与所述内核函数相关联的相应层检索权重。21.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1
‑
7中任一项所述的方法。

技术总结
本公开公开了利用地址随机化的AI模型转移方法，涉及人工智能，尤其涉及信息流领域。具体实现方案为：一种转移人工智能(AI)模型的方法包括识别AI模型的多个层，其中，多个层中的每个层与存储器地址相关联。该方法还包括对与多个层中的每个层相关联的存储器地址进行随机化以及将具有随机化的存储器地址的多个层转移到数据处理加速器以执行AI模型。转移到数据处理加速器以执行AI模型。转移到数据处理加速器以执行AI模型。


技术研发人员：程越强 朱贺飞
受保护的技术使用者：昆仑芯（北京）科技有限公司
技术研发日：2020.12.14
技术公布日：2021/12/16