[發明專利]預測網絡性能的方法和裝置、設備、介質

有效

• 申請號: 201711306429.3
• 申請日: 2017-12-08
• 公開（公告）號: CN108234195B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 鄧博洋;閆俊杰;林達華
• 申請（專利權）人: 北京市商湯科技開發有限公司
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04L12/26
• 代理公司: 北京思源智匯知識產權代理有限公司 11657
• 代理人: 毛麗琴

本公開實施例公開了一種預測網絡性能的方法和裝置、設備、介質，其中，方法包括：獲取待預測的結構網絡的網絡參數；基于所述結構網絡的網絡參數，確定所述結構網絡的結構特征；基于所述結構特征，確定所述結構網絡的網絡性能參數?；诒竟_上述實施例提供的方法，實現了通過結構網絡的網絡參數對結構網絡的性能進行預測，本實施例的預測網絡性能的方法無需對結構網絡進行訓練，節省了大量時間，提高了網絡性能預測的效率。

技術領域

本公開涉及深度學習技術，尤其是一種預測網絡性能的方法和裝置、設備、介質。

背景技術

神經網絡是現在圖像識別系統中的核心技術，是一種端到端的特征學習器，通過神經網絡系統可以學習到特定任務的特征表述，再經過分類器得到最后結果。通常一個神經網絡都需要進行一段時間的訓練以獲得令人滿意的性能。

近年來，神經網絡的每一次進步都是由神經網絡的結構的改進帶來的，然而隨著神經網絡的日趨復雜，人類對于復雜網絡結構的設計能力已經陷入了瓶頸。因此，各種自動生成神經網絡結構的算法被陸續提出，這些算法已經被證明能夠生成結構復雜的神經網絡。

發明內容

本公開實施例提供的一種預測網絡性能的技術。

根據本公開實施例的一個方面，提供的一種預測網絡性能的方法，利用預測網絡實現，包括：

獲取待預測的結構網絡的網絡參數；

基于所述結構網絡的網絡參數，確定所述結構網絡的結構特征；

基于所述結構特征，確定所述結構網絡的網絡性能參數。

在基于本發明上述方法的另一個實施例中，所述網絡參數包括以下至少一種：

所述結構網絡的至少一個網絡層中每個網絡層的計算類型、所述網絡層的計算核的長度、所述網絡層的計算核的寬度、所述網絡層的通道個數、所述網絡層的輸出通道數與輸入通道數的比值。

在基于本發明上述方法的另一個實施例中，所述基于所述結構網絡的網絡參數，確定所述結構網絡的結構特征，包括：

基于所述結構網絡的網絡參數，確定所述結構網絡的至少一個網絡層中每個網絡層的結構表示信息；

基于所述至少一個網絡層中每個網絡層的結構表示信息，確定所述結構網絡的結構特征。

在基于本發明上述方法的另一個實施例中，所述結構表示信息包括具有預設維度的結構向量。

在基于本發明上述方法的另一個實施例中，基于所述結構網絡的網絡參數，確定所述結構網絡的至少一個網絡層中每個網絡層的結構表示信息，包括：

基于所述結構網絡的至少一個網絡層中每個網絡層的層參數，確定所述每個網絡層的至少一個標識符；

基于所述至少一個網絡層中每個網絡層的至少一個標識符，確定所述每個網絡層的結構表示信息。

在基于本發明上述方法的另一個實施例中，基于所述至少一個網絡層中每個網絡層的至少一個標識符，確定所述每個網絡層的結構表示信息，包括：

對每個網絡層的至少一個標識符中的每個標識符進行映射，得到所述每個標識符的映射結果；

基于所述至少一個標識符中每個標識符的映射結果，得到所述每個網絡層的結構表示信息。

在基于本發明上述方法的另一個實施例中，所述對每個網絡層的至少一個標識符中的每個標識符進行映射，得到所述每個標識符的映射結果，包括：

基于所述每個網絡層中的每個標識符通過查找第一預設表格的方式獲得所述每個標識符的映射結果。