申请/专利权人:苏州元脑智能科技有限公司
申请日:2024-03-29
公开(公告)日:2024-06-21
公开(公告)号:CN117973485B
主分类号:G06N3/082
分类号:G06N3/082;G06N3/0464
优先权:
专利状态码:有效-授权
法律状态:2024.06.21#授权;2024.05.21#实质审查的生效;2024.05.03#公开
摘要:本发明涉及计算机技术领域,具体涉及模型轻量化方法、装置、计算机设备、存储介质及程序产品。获取待轻量化模型对应的候选轻量化参数向量,根据候选轻量化参数向量对待轻量化模型中的各层网络结构层进行压缩处理,生成候选压缩模型;计算各候选压缩模型的候选总准确率以及候选总能量值;根据各候选压缩模型对应的候选总准确率,确定当前最佳模型;根据各候选压缩模型对应的候选总能量值,更新各候选轻量化参数向量;循环上述压缩迭代步骤,直至迭代预设次数后,确定全局最佳模型,将全局最佳模型确定为待轻量化模型对应的目标模型。实现了在保证模型精度不变的情况下,将大型的深度神经网络模型变小,并实现深度神经网络模型在终端的真正部署。
主权项:1.一种模型轻量化方法,其特征在于,所述方法包括:压缩迭代步骤,所述压缩迭代步骤,包括:获取待轻量化模型对应的至少一个候选轻量化参数向量,所述候选轻量化参数向量用于表征对所述待轻量化模型中各层网络结构层进行轻量化压缩的压缩率;所述待轻量化模型用于进行图像识别;根据各所述候选轻量化参数向量对所述待轻量化模型中的各层所述网络结构层进行压缩处理,生成候选压缩模型;计算各所述候选压缩模型的候选总准确率以及候选总能量值,所述候选总能量值用于表征所述候选压缩模型相对于所述待轻量化模型的压缩程度;根据各所述候选压缩模型对应的所述候选总准确率,确定当前最佳模型;根据各所述候选压缩模型对应的所述候选总能量值,更新所述各所述候选轻量化参数向量;循环上述压缩迭代步骤,直至迭代预设次数后,确定全局最佳模型,将所述全局最佳模型确定为所述待轻量化模型对应的目标模型;其中,所述计算各所述候选压缩模型的候选总准确率,包括:每次对所述待轻量化模型中的所述网络结构层进行压缩处理后,利用验证数据集检验压缩后的待轻量化模型对应的子准确率;将计算得到的各所述子准确率进行相加,计算得到对各层所述网络结构层进行压缩处理后得到的所述候选压缩模型的候选总准确率。
全文数据:
权利要求:
百度查询: 苏州元脑智能科技有限公司 模型轻量化方法、装置、计算机设备、存储介质及程序产品
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。