[發(fā)明專利]神經(jīng)網(wǎng)絡(luò)模型搜索方法、裝置以及電子設(shè)備有效
| 申請?zhí)枺?/td> | 202010117434.5 | 申請日： | 2020-02-25 |
| 公開（公告）號： | CN111340222B | 公開（公告）日： | 2023-06-13 |
| 發(fā)明（設(shè)計）人： | 希滕;張剛;溫圣召 | 申請（專利權(quán)）人： | 北京百度網(wǎng)訊科技有限公司 |
| 主分類號： | G06N3/082 | 分類號： | G06N3/082;G06N3/04 |
| 代理公司： | 北京銀龍知識產(chǎn)權(quán)代理有限公司 11243 | 代理人： | 曹娜 |
| 地址： | 100085 北京市*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 神經(jīng)網(wǎng)絡(luò) 模型 搜索 方法 裝置 以及 電子設(shè)備 | ||
1.一種神經(jīng)網(wǎng)絡(luò)模型搜索方法，其特征在于，包括：
將第一網(wǎng)絡(luò)模型發(fā)送至多個服務(wù)器，以使所述多個服務(wù)器中的每個服務(wù)器根據(jù)所述第一網(wǎng)絡(luò)模型生成對應(yīng)的鄰居網(wǎng)絡(luò)模型；
接收所述每個服務(wù)器反饋的鄰居網(wǎng)絡(luò)模型的性能指標；
根據(jù)所述性能指標，對網(wǎng)絡(luò)模型生成器進行更新；
在更新后的網(wǎng)絡(luò)模型生成器生成第二網(wǎng)絡(luò)模型后，以所述第二網(wǎng)絡(luò)模型作為所述第一網(wǎng)絡(luò)模型，重新執(zhí)行所述將第一網(wǎng)絡(luò)模型發(fā)送至多個服務(wù)器，以使所述多個服務(wù)器中的每個服務(wù)器根據(jù)所述第一網(wǎng)絡(luò)模型生成對應(yīng)的鄰居網(wǎng)絡(luò)模型的步驟，直至所述網(wǎng)絡(luò)模型生成器收斂；
以更新后得到的網(wǎng)絡(luò)模型生成器生成的網(wǎng)絡(luò)模型作為神經(jīng)網(wǎng)絡(luò)模型搜索的結(jié)果；
其中，所述多個服務(wù)器包括第一服務(wù)器，所述根據(jù)所述性能指標，對網(wǎng)絡(luò)模型生成器進行更新，包括：
在所述第一服務(wù)器反饋的第一鄰居網(wǎng)絡(luò)模型的性能指標大于所述第一網(wǎng)絡(luò)模型的性能指標的情況下，計算所述第一鄰居網(wǎng)絡(luò)模型的性能指標與所述第一網(wǎng)絡(luò)模型的性能指標的差；
根據(jù)計算得到的性能指標的差以及所述第一服務(wù)器對應(yīng)的當前迭代輪次，對所述網(wǎng)絡(luò)模型生成器進行更新。
2.如權(quán)利要求1所述的方法，其特征在于，所述多個服務(wù)器還包括第二服務(wù)器，所述根據(jù)所述性能指標，對網(wǎng)絡(luò)模型生成器進行更新，還包括：
在所述第二服務(wù)器反饋的第二鄰居網(wǎng)絡(luò)模型的性能指標大于所述第二網(wǎng)絡(luò)模型的性能指標的情況下，計算所述第二鄰居網(wǎng)絡(luò)模型的性能指標與所述第二網(wǎng)絡(luò)模型的性能指標的差；
根據(jù)計算得到的性能指標的差以及所述第二服務(wù)器對應(yīng)的當前迭代輪次，對所述網(wǎng)絡(luò)模型生成器進行更新。
3.如權(quán)利要求1所述的方法，其特征在于，所述多個服務(wù)器包括第三服務(wù)器，所述接收所述每個服務(wù)器反饋的鄰居網(wǎng)絡(luò)模型的性能指標，包括：
在所述第三服務(wù)器反饋的第三鄰居網(wǎng)絡(luò)模型的性能指標小于所述第一網(wǎng)絡(luò)模型的性能指標的情況下，所述網(wǎng)絡(luò)模型生成器按照預(yù)設(shè)的接收概率接收所述第三鄰居網(wǎng)絡(luò)模型。
4.如權(quán)利要求1所述的方法，其特征在于，所述網(wǎng)絡(luò)模型生成器收斂的條件包括：
更新后的網(wǎng)絡(luò)模型生成器生成的網(wǎng)絡(luò)模型的性能指標與更新前的網(wǎng)絡(luò)模型生成器生成的網(wǎng)絡(luò)模型的性能指標相同；或者，
迭代更新處理的次數(shù)達到預(yù)設(shè)次數(shù)。
5.如權(quán)利要求1至4任一項所述的方法，其特征在于，所述網(wǎng)絡(luò)模型生成器包括基于模擬退火算法的網(wǎng)絡(luò)模型。
6.一種神經(jīng)網(wǎng)絡(luò)模型搜索方法，其特征在于，包括：
獲取網(wǎng)絡(luò)模型生成器生成的第一網(wǎng)絡(luò)模型，根據(jù)所述第一網(wǎng)絡(luò)模型生成對應(yīng)的鄰居網(wǎng)絡(luò)模型；
評估所述鄰居網(wǎng)絡(luò)模型的性能指標，并將所述鄰居網(wǎng)絡(luò)模型的性能指標發(fā)送至所述網(wǎng)絡(luò)模型生成器，以根據(jù)所述性能指標對網(wǎng)絡(luò)模型生成器進行更新；
獲取更新后的網(wǎng)絡(luò)模型生成器生成的第二網(wǎng)絡(luò)模型，以所述第二網(wǎng)絡(luò)模型作為所述第一網(wǎng)絡(luò)模型，重新執(zhí)行所述獲取網(wǎng)絡(luò)模型生成器生成的第一網(wǎng)絡(luò)模型，根據(jù)所述第一網(wǎng)絡(luò)模型生成對應(yīng)的鄰居網(wǎng)絡(luò)模型的步驟，直至所述網(wǎng)絡(luò)模型生成器收斂；
以更新后得到的網(wǎng)絡(luò)模型生成器生成的網(wǎng)絡(luò)模型作為神經(jīng)網(wǎng)絡(luò)模型搜索的結(jié)果；
所述以根據(jù)所述性能指標對網(wǎng)絡(luò)模型生成器進行更新，包括：
在所述鄰居網(wǎng)絡(luò)模型的性能指標大于所述第一網(wǎng)絡(luò)模型的性能指標的情況下，計算所述鄰居網(wǎng)絡(luò)模型的性能指標與所述第一網(wǎng)絡(luò)模型的性能指標的差，并根據(jù)計算得到的性能指標的差對網(wǎng)絡(luò)模型生成器進行更新。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京百度網(wǎng)訊科技有限公司，未經(jīng)北京百度網(wǎng)訊科技有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010117434.5/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計算設(shè)備及計算機存儲介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲介質(zhì)和計算機設(shè)備
- 一種適應(yīng)目標數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置
