[发明专利]预测网络性能的方法和装置、设备、介质

说明书

本公开实施例公开了一种预测网络性能的方法和装置、设备、介质，其中，方法包括：获取待预测的结构网络的网络参数；基于所述结构网络的网络参数，确定所述结构网络的结构特征；基于所述结构特征，确定所述结构网络的网络性能参数。基于本公开上述实施例提供的方法，实现了通过结构网络的网络参数对结构网络的性能进行预测，本实施例的预测网络性能的方法无需对结构网络进行训练，节省了大量时间，提高了网络性能预测的效率。

技术领域

本公开涉及深度学习技术，尤其是一种预测网络性能的方法和装置、设备、介质。

背景技术

神经网络是现在图像识别系统中的核心技术，是一种端到端的特征学习器，通过神经网络系统可以学习到特定任务的特征表述，再经过分类器得到最后结果。通常一个神经网络都需要进行一段时间的训练以获得令人满意的性能。

近年来，神经网络的每一次进步都是由神经网络的结构的改进带来的，然而随着神经网络的日趋复杂，人类对于复杂网络结构的设计能力已经陷入了瓶颈。因此，各种自动生成神经网络结构的算法被陆续提出，这些算法已经被证明能够生成结构复杂的神经网络。

发明内容

本公开实施例提供的一种预测网络性能的技术。

根据本公开实施例的一个方面，提供的一种预测网络性能的方法，利用预测网络实现，包括：

获取待预测的结构网络的网络参数；

基于所述结构网络的网络参数，确定所述结构网络的结构特征；

基于所述结构特征，确定所述结构网络的网络性能参数。

在基于本发明上述方法的另一个实施例中，所述网络参数包括以下至少一种：

所述结构网络的至少一个网络层中每个网络层的计算类型、所述网络层的计算核的长度、所述网络层的计算核的宽度、所述网络层的通道个数、所述网络层的输出通道数与输入通道数的比值。

在基于本发明上述方法的另一个实施例中，所述基于所述结构网络的网络参数，确定所述结构网络的结构特征，包括：

基于所述结构网络的网络参数，确定所述结构网络的至少一个网络层中每个网络层的结构表示信息；

基于所述至少一个网络层中每个网络层的结构表示信息，确定所述结构网络的结构特征。

在基于本发明上述方法的另一个实施例中，所述结构表示信息包括具有预设维度的结构向量。

在基于本发明上述方法的另一个实施例中，基于所述结构网络的网络参数，确定所述结构网络的至少一个网络层中每个网络层的结构表示信息，包括：

基于所述结构网络的至少一个网络层中每个网络层的层参数，确定所述每个网络层的至少一个标识符；

基于所述至少一个网络层中每个网络层的至少一个标识符，确定所述每个网络层的结构表示信息。

在基于本发明上述方法的另一个实施例中，基于所述至少一个网络层中每个网络层的至少一个标识符，确定所述每个网络层的结构表示信息，包括：

对每个网络层的至少一个标识符中的每个标识符进行映射，得到所述每个标识符的映射结果；

基于所述至少一个标识符中每个标识符的映射结果，得到所述每个网络层的结构表示信息。

在基于本发明上述方法的另一个实施例中，所述对每个网络层的至少一个标识符中的每个标识符进行映射，得到所述每个标识符的映射结果，包括：

基于所述每个网络层中的每个标识符通过查找第一预设表格的方式获得所述每个标识符的映射结果。