1.一種機器學習模型編譯優化方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述確定所述稀疏節點的最優稀疏實現方案，包括：
3.根據權利要求1或2所述的方法，其特征在于，在所述計算圖中將所述稀疏節點替換為所述第一節點之后，還包括：
4.根據權利要求1-3任一所述的方法，其特征在于，所述計算圖中包括第二節點，所述第二節點為新生成的節點；
5.根據權利要求1-4任一所述的方法，其特征在于，在對所述計算圖進行代碼生成之前，還包括：
6.根據權利要求1-5任一所述的方法，其特征在于，所述方法還包括：
7.一種機器學習模型編譯優化裝置，其特征在于，包括：
8.根據權利要求7所述的裝置，其特征在于，所述方案確定模塊在確定所述稀疏節點的最優稀疏實現方案時，具體用于：
9.根據權利要求7或8所述的裝置，其特征在于，所述節點處理模塊在所述計算圖中將所述稀疏節點替換為所述第一節點之后，還用于：
10.根據權利要求7-9任一所述的裝置，其特征在于，所述計算圖中包括第二節點，所述第二節點為新生成的節點；
11.根據權利要求7-10任一所述的裝置，其特征在于，在所述代碼生成模塊對所述計算圖進行代碼生成之前，所述節點處理模塊，還用于：
12.根據權利要求7-11任一所述的裝置，其特征在于，所述節點處理模塊，還用于：
13.一種計算設備集群，其特征在于，包括至少一個計算設備，每個計算設備均包括處理器和存儲器；
14.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，當所述計算機程序在包括至少一個計算設備的計算設備集群上運行時，使得所述計算設備集群執行如權利要求1-6任一所述的方法。
15.一種計算機程序產品，其特征在于，當所述計算機程序產品在包括至少一個計算設備的計算設備集群上運行時，使得所述計算設備集群執行如權利要求1-6任一所述的方法。