[發(fā)明專利]深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)處理方法及相關(guān)產(chǎn)品

有效

• 申請?zhí)枺?/td>: 201811238441.X
• 申請日: 2018-10-23
• 公開（公告）號: CN109472359B
• 公開（公告）日: 2021-06-04
• 發(fā)明（設(shè)計）人: 張樹榮
• 申請（專利權(quán)）人: 深圳和而泰數(shù)據(jù)資源與云技術(shù)有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04
• 代理公司: 廣州三環(huán)專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

本發(fā)明實施例提供一種深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)處理方法、設(shè)備及介質(zhì)，其中處理設(shè)備包括神經(jīng)網(wǎng)絡(luò)編碼計算模塊和進化算法模塊；所述方法包括：所述進化算法模塊按照預設(shè)目標性能要求計算候選結(jié)構(gòu)編碼，所述候選結(jié)構(gòu)編碼包括候選深度神經(jīng)網(wǎng)絡(luò)包括的多個神經(jīng)網(wǎng)絡(luò)層的屬性；所述進化算法模塊將所述候選結(jié)構(gòu)編碼發(fā)送至所述神經(jīng)網(wǎng)絡(luò)編碼計算模塊；所述神經(jīng)網(wǎng)絡(luò)編碼計算模塊接收所述進化算法模塊發(fā)送的所述候選結(jié)構(gòu)編碼；所述神經(jīng)網(wǎng)絡(luò)編碼計算模塊按照所述候選結(jié)構(gòu)編碼構(gòu)建所述候選深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)。本發(fā)明實施例可以構(gòu)造針對特定應用場景的目標深度神經(jīng)網(wǎng)絡(luò)。

技術(shù)領(lǐng)域

本發(fā)明涉及神經(jīng)網(wǎng)絡(luò)技術(shù)領(lǐng)域，具體涉及神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)處理技術(shù)領(lǐng)域，尤其涉及一種深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)處理方法、一種處理設(shè)備以及一種計算機存儲介質(zhì)。

背景技術(shù)

目前，在常規(guī)應用領(lǐng)域(如圖像識別、語音識別等)已有非常多較佳的深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)可供參考使用，因此，在這些常規(guī)應用領(lǐng)域可以調(diào)用這些已有的深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)作為初始深度神經(jīng)網(wǎng)絡(luò)，再采用常用工具包(例如TensorFlow(一種人工智能編程工具)、PyTorch(一種人工智能編程工具)等)來承載其運算與訓練，從而得到滿足實際需求的目標深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)。然而，上述的網(wǎng)絡(luò)結(jié)構(gòu)處理方案僅適用于常規(guī)應用領(lǐng)域，該常規(guī)應用領(lǐng)域已存在可復現(xiàn)和可供參考使用的深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)；如果針對一個非常規(guī)的新的領(lǐng)域(如農(nóng)業(yè)數(shù)據(jù)分析等探索性場景的領(lǐng)域)，由于沒有合適的深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)可以直接使用，因此上述的網(wǎng)絡(luò)結(jié)構(gòu)處理方案則不太適用。因此，針對非常規(guī)的應用領(lǐng)域如何設(shè)計適合新場景的深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)是一項關(guān)鍵事項；一般情況下，工程師會根據(jù)自身個人經(jīng)驗，用人工的方式設(shè)計深度神經(jīng)網(wǎng)絡(luò)構(gòu)架，然而采用該方式設(shè)計的深度神經(jīng)網(wǎng)絡(luò)的可解析性差；深度神經(jīng)網(wǎng)絡(luò)的訓練消耗大量的計算資源和計算時間，如果網(wǎng)絡(luò)構(gòu)建優(yōu)化的方向不明確，則會導致造成時間和資源上的嚴重浪費。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)處理方法、一種處理設(shè)備以及一種計算機存儲介質(zhì)，可設(shè)計出適用于非常規(guī)應用領(lǐng)域的深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)，且該深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)具備較佳的網(wǎng)絡(luò)性能，具備較強的適應性。

第一方面，本發(fā)明實施例提供一種深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)處理方法，應用于處理設(shè)備，所述處理設(shè)備包括神經(jīng)網(wǎng)絡(luò)編碼計算模塊和進化算法模塊；所述方法包括：

所述進化算法模塊按照預設(shè)目標性能要求計算候選結(jié)構(gòu)編碼，所述候選結(jié)構(gòu)編碼包括候選深度神經(jīng)網(wǎng)絡(luò)包括的多個神經(jīng)網(wǎng)絡(luò)層的屬性；

所述進化算法模塊將所述候選結(jié)構(gòu)編碼發(fā)送至所述神經(jīng)網(wǎng)絡(luò)編碼計算模塊；

所述神經(jīng)網(wǎng)絡(luò)編碼計算模塊接收所述進化算法模塊發(fā)送的所述候選結(jié)構(gòu)編碼；

所述神經(jīng)網(wǎng)絡(luò)編碼計算模塊按照所述候選結(jié)構(gòu)編碼構(gòu)建所述候選深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)。

第二方面，本發(fā)明實施例提供一種處理設(shè)備，所述處理設(shè)備處理器、存儲器和輸入輸出接口，所述處理器和所述存儲器、所述輸入輸出接口通過線路互聯(lián)；其中，所述存儲器存儲有程序指令；所述程序指令被所述處理器執(zhí)行時，使所述處理器執(zhí)行如第一方面所述的相應的方法。

第三方面，本申請實施例提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)中存儲有計算機程序，所述計算機程序包括程序指令，所述程序指令當被計算機或處理器執(zhí)行時，使所述計算機或所述處理器執(zhí)行第一方面所述的方法。

第四方面，本申請實施例提供了一種包含指令的計算機程序產(chǎn)品，當其在計算機或處理器上運行時，使得所述計算機或所述處理器執(zhí)行第一方面所述的方法。