[發(fā)明專利]一種神經網絡算法的評估方法、裝置及電子設備

有效

• 申請?zhí)枺?/td>: 201911307859.6
• 申請日: 2019-12-18
• 公開（公告）號: CN111047017B
• 公開（公告）日: 2023-06-23
• 發(fā)明（設計）人: 郝心
• 申請（專利權）人: 北京安兔兔科技有限公司
• 主分類號: G06N3/0475
• 分類號: G06N3/0475
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 李欣;馬敬

1.一種神經網絡算法的評估方法，其特征在于，包括：

針對待評估神經網絡算法包含的每個神經網絡層對應的神經網絡矩陣的大小，生成對應該神經網絡矩陣的大小的映射矩陣；

調用預設運算單元按照指定的矩陣運算算法對各映射矩陣進行矩陣運算；

統(tǒng)計所述預設運算單元完成對所述各映射矩陣進行矩陣運算所消耗的運算時長；

基于所述運算時長，確定所述待評估神經網絡算法在所述預設運算單元上的運算效率，作為所述待評估神經網絡算法的評估結果；

所述針對待評估神經網絡算法包含的每個神經網絡層對應的神經網絡矩陣的大小，生成對應該神經網絡矩陣的大小的映射矩陣，包括：

按照待評估神經網絡算法包含的每個神經網絡層對應的神經網絡矩陣的大小，隨機生成對應該神經網絡矩陣的大小的矩陣，作為與該神經網絡矩陣的大小對應的映射矩陣。

2.根據權利要求1所述的方法，其特征在于，在所述針對待評估神經網絡算法包含的每個神經網絡層對應的神經網絡矩陣的大小，生成對應該神經網絡矩陣的大小的映射矩陣之前，所述方法包括：

基于所述待評估神經網絡算法包含的每個神經網絡層所包含的神經元數量，以及所述待評估神經網絡算法的輸入數量和輸出數量，確定每個所述神經網絡層對應的神經網絡矩陣的大小。

3.根據權利要求1或2所述的方法，其特征在于，在所述調用預設運算單元按照指定的矩陣運算算法對各映射矩陣進行矩陣運算之前，所述方法還包括：

獲取所述待評估神經網絡算法包含的各神經網絡層之間的層間算法，作為所述矩陣運算算法。

4.根據權利要求3所述的方法，其特征在于，在所述基于所述運算時長，確定所述待評估神經網絡算法在所述預設運算單元上的運算效率之前，所述方法還包括：

計算所述待評估神經網絡算法的運算量；

所述基于所述運算時長，確定所述待評估神經網絡算法在所述預設運算單元上的運算效率，包括：

計算所述運算時長與所述運算量的比值，作為所述待評估神經網絡算法在所述預設運算單元上的運算效率。

5.根據權利要求1或2所述的方法，其特征在于，所述矩陣運算算法為通用矩陣乘運算算法。

6.一種神經網絡算法的評估裝置，其特征在于，包括：

映射矩陣生成模塊，用于針對待評估神經網絡算法包含的每個神經網絡層對應的神經網絡矩陣的大小，生成對應該神經網絡矩陣的大小的映射矩陣；

矩陣運算模塊，用于調用預設運算單元按照指定的矩陣運算算法對各映射矩陣進行矩陣運算；

時長統(tǒng)計模塊，用于統(tǒng)計所述預設運算單元完成對所述各映射矩陣進行矩陣運算所消耗的運算時長；

評估結果確定模塊，用于基于所述運算時長，確定所述待評估神經網絡算法在所述預設運算單元上的運算效率，作為所述待評估神經網絡算法的評估結果；

所述映射矩陣生成模塊，具體用于按照待評估神經網絡算法包含的每個神經網絡層對應的神經網絡矩陣的大小，隨機生成對應該神經網絡矩陣的大小的矩陣，作為與該神經網絡矩陣的大小對應的映射矩陣。

7.根據權利要求6所述的裝置，其特征在于，所述映射矩陣生成模塊，還用于在針對待評估神經網絡算法包含的每個神經網絡層對應的神經網絡矩陣的大小，生成對應該神經網絡矩陣的大小的映射矩陣之前，基于所述待評估神經網絡算法包含的每個神經網絡層所包含的神經元數量，以及所述待評估神經網絡算法的輸入數量和輸出數量，確定每個所述神經網絡層對應的神經網絡矩陣的大小。

8.根據權利要求6或7所述的裝置，其特征在于，所述矩陣運算模塊，還用于在所述調用預設運算單元按照指定的矩陣運算算法對各映射矩陣進行矩陣運算之前，獲取所述待評估神經網絡算法包含的各神經網絡層之間的層間算法，作為所述矩陣運算算法。