[發明專利]深度學習框架確定方法、設備及可讀存儲介質

在審

• 申請號: 202011498964.5
• 申請日: 2020-12-18
• 公開（公告）號: CN112257856A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 任智祥;傅海裕;周閱
• 申請（專利權）人: 鵬城實驗室
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/063;G06N3/08
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 關向蘭

1.一種深度學習框架確定方法，其特征在于，所述深度學習框架確定方法包括以下步驟：

獲取應用場景，并建立與所述應用場景對應的至少兩個深度學習框架對應的深度學習仿真實驗任務；

處理各所述深度學習仿真實驗任務，得到深度學習框架評分結果；

基于所述深度學習框架評分結果，選取評分最高的深度學習框架作為目標深度學習框架。

2.如權利要求1所述的方法，其特征在于，所述建立與所述應用場景對應的至少兩個深度學習框架對應的深度學習仿真實驗任務，包括：

獲取所述應用場景對應的至少兩個神經網絡模型的唯一標識；

遍歷各所述神經網絡模型的唯一標識，并基于所述至少兩個深度學習框架實現各所述神經網絡模型；

建立與各所述神經網絡模型對應的所述深度學習仿真實驗任務。

3.如權利要求1或2所述的方法，其特征在于，所述獲取應用場景，包括：

獲取至少兩個應用場景，并遍歷所述至少兩個應用場景。

4.如權利要求3所述的方法，其特征在于，所述處理各所述深度學習仿真實驗任務，得到深度學習框架評分結果，包括：

處理各所述深度學習仿真實驗任務，得到各所述深度學習仿真實驗任務的得分；

基于各所述深度學習仿真實驗任務的得分計算所述至少兩個深度學習框架的得分，得到所述深度學習框架評分結果。

5.如權利要求4所述的方法，其特征在于，所述處理各所述深度學習仿真實驗任務，得到各所述深度學習仿真實驗任務的得分，包括：

基于預設訓練數據集，訓練各所述深度學習仿真實驗任務對應的神經網絡模型；

記錄各所述神經網絡模型達到預設準確率的時間；

基于預設映射關系，將所述時間轉換為各所述神經網絡模型的得分，得到各所述深度學習仿真實驗任務的得分。

6.如權利要求4所述的方法，其特征在于，所述基于各所述深度學習仿真實驗任務的得分計算所述至少兩個深度學習框架的得分，得到所述深度學習框架評分結果包括：

計算各所述深度學習框架對應的各所述深度學習仿真實驗任務的得分之和，得到所述深度學習框架評分結果。

7.如權利要求4所述的方法，其特征在于，所述基于所述深度學習框架評分結果，選取評分最高的深度學習框架作為目標深度學習框架，包括：

建立各所述應用場景下各所述深度學習框架與所述深度學習框架評分結果的對應關系；

基于所述對應關系選取不同應用場景下評分最高的深度學習框架作為所述目標深度學習框架。

8.一種深度學習框架確定方法，其特征在于，所述深度學習框架確定方法包括以下步驟：

建立兩個或兩個以上預設深度學習框架對應的深度學習仿真實驗任務；

通過預設神經網絡處理器處理各所述深度學習仿真實驗任務，并在各所述深度學習仿真實驗任務完成后分別記錄各所述預設深度學習框架對應的性能指標；

基于所述性能指標對各所述預設深度學習框架進行評分，得到評分結果；

選取所述評分結果中評分最高的預設深度學習框架為最適合所述預設神經網絡處理器的深度學習框架。

9.如權利要求8所述的方法，其特征在于，所述通過預設神經網絡處理器處理各所述深度學習仿真實驗任務，包括：

在預設實驗環境下，通過所述預設神經網絡處理器逐一處理各所述深度學習仿真實驗任務；所述預設神經網絡處理器在處理各所述深度學習仿真實驗任務時所處的實驗環境均為所述預設實驗環境。

10.如權利要求8或9所述的方法，其特征在于，所述通過預設神經網絡處理器處理各所述深度學習仿真實驗任務，并在各所述深度學習仿真實驗任務完成后分別記錄各所述預設深度學習框架對應的性能指標，包括：

基于所述預設神經網絡處理器對各所述深度學習仿真實驗任務對應的神經網絡模型進行訓練；

分別記錄各所述神經網絡模型在訓練結束后的性能指標。