[發明專利]一種神經網絡的獲取方法、數據處理方法以及相關設備

在審

• 申請號: 202111166585.0
• 申請日: 2021-09-30
• 公開（公告）號: CN113869496A
• 公開（公告）日: 2021-12-31
• 發明（設計）人: 萬星辰;茹彬鑫;佩德羅·埃斯佩蘭薩;法比奧·瑪利亞·卡路奇;李震國
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06K9/62
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 閔晶晶

本申請實施例公開一種神經網絡的獲取方法、數據處理方法以及相關設備，該方法可用于人工智能領域的神經網絡架構自動搜索技術領域中。方法包括：獲取第一指示信息，第一指示信息用于指示k個神經網絡模塊在第一神經架構單元中出現的概率和/或次數；根據第一指示信息，生成第一神經架構單元，并生成第一神經網絡；獲取與第一指示信息對應的目標評分，目標評分用于指示第一神經網絡的性能；根據多個目標評分，從多個第一指示信息中獲取第二指示信息，獲取與第二指示信息對應的目標神經網絡。第一指示信息不再指示不同的神經網絡模塊之間的拓撲關系，縮小了神經架構單元所對應的搜索空間，減少了所需要的計算機資源，節省了時間成本。

技術領域

本申請涉及人工智能領域，尤其涉及一種神經網絡的獲取方法、數據處理方法以及相關設備。

背景技術

人工智能(Artificial Intelligence，AI)是利用數字計算機或者數字計算機控制的機器模擬、延伸和擴展人的智能，感知環境、獲取知識并使用知識獲得最佳結果的理論、方法、技術及應用系統。換句話說，人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式作出反應的智能機器。人工智能也就是研究各種智能機器的設計原理與實現方法，使機器具有感知、推理與決策的功能。

然而，目前常用的神經網絡本身卻仍然由人類專家基于經驗手動設計，神經網絡架構自動搜索(neural architecture search，NAS)是邁向自動機器學習(automatedmachine learning，AutoML)的重要一步。具體的，神經網絡包括至少一個神經架構單元，采用NAS的方式是自動生成神經架構單元，繼而生成神經網絡；基于神經網絡執行訓練操作，以得到第一神經網絡在處理所述目標數據時的性能評分，采用NAS的方式的目標為自動得到性能良好的神經網絡。

但由于在采用NAS的方式是自動生成神經架構單元時，不僅要選擇合適的用于組成神經架構單元的神經網絡模塊，而且還要選擇不同的神經網絡模塊之間的拓撲關系，導致神經架構單元所對應的搜索空間巨大，導致自動獲取性能良好的神經網絡的整個過程需要消耗大量的計算機資源，且時間成本很高。

發明內容

本申請實施例提供了一種神經網絡的獲取方法、數據處理方法以及相關設備，從至少一個第一指示信息中獲取第二指示信息，進而獲取與第二指示信息對應的目標神經網絡，而第一指示信息僅用于指示k個神經網絡模塊中每個神經網絡模塊在神經架構單元中出現的概率和/或次數，不再用于指示不同的神經網絡模塊之間的拓撲關系，大大縮小了神經架構單元所對應的搜索空間，減少了整個神經網絡獲取過程所需要的計算機資源，節省了時間成本。

為解決上述技術問題，本申請實施例提供以下技術方案：

第一方面，本申請實施例提供一種神經網絡的獲取方法，可用于人工智能領域的NAS技術領域中。方法可以包括：網絡設備獲取與第一神經架構單元對應的第一指示信息，第一神經架構單元包括N個神經網絡模塊，第一指示信息用于指示k個待選擇的神經網絡模塊中每個待選擇的神經網絡模塊在第一神經架構單元中出現的概率和/或次數，k為正整數。網絡設備根據第一指示信息、第一規則和k個待選擇的神經網絡模塊，生成第一神經架構單元，并根據生成的第一神經架構單元和第二規則，生成第一神經網絡，第一神經網絡包括至少一個第一神經架構單元，其中，第一規則用于指示第一神經架構單元中哪N個位置上缺少神經網絡模塊；第二規則用于指示第一神經網絡的哪C個位置上缺少第一神經架構單元。網絡設備獲取與第一指示信息對應的目標評分，目標評分用于指示與第一指示信息對應的第一神經網絡在處理目標數據時的性能；根據與多個第一指示信息對應的多個目標評分，從多個第一指示信息中獲取一個第二指示信息，并將與前述一個第二指示信息對應的一個第一神經網絡確定為目標神經網絡。