[发明专利]用于确定模型结构的方法和装置

说明书

本申请公开了用于确定模型结构的方法和装置，涉及计算机视觉技术领域。具体实施方式包括：获取训练相关脚本，该训练相关脚本包括用于训练模型的脚本；确定包含多个候选模型结构的搜索空间；将该训练相关脚本确定为第一组件，并调用该第一组件，在该搜索空间中搜索一个候选模型结构作为目标模型结构。本申请可以对训练相关脚本进行组件化，从而在不修改训练相关脚本的情况下，实现自动化搜索模型结构，避免了在训练相关脚本中硬编码搜索脚本带来的高耦合度，同时提高了搜索模型结构的灵活性。

技术领域

本申请实施例涉及计算机技术领域，具体涉及计算机视觉技术领域，尤其涉及用于确定模型结构的方法和装置。

背景技术

深度学习技术在很多方向上都取得了巨大的成功，在深度学习技术中，神经网络结构的好坏对模型的效果有非常重要的影响。手工设计神经网络的拓扑结构需要非常丰富的经验和诸多尝试。

神经网络架构搜索技术(Neural Architecture Search，NAS)逐渐成为研究热点。这种可以进行模型结构搜索的技术非常重要，通过NAS既可以在模型速度不下降的情况下提升模型的精度，也可以在模型精度不下降的情况下提升模型的速度。

发明内容

提供了一种用于确定模型结构的方法、装置、电子设备以及存储介质。

根据第一方面，提供了一种用于确定模型结构的方法，包括：获取训练相关脚本，训练相关脚本包括用于训练模型的脚本；确定包含多个候选模型结构的搜索空间；将训练相关脚本确定为第一组件，并调用第一组件，在搜索空间中搜索一个候选模型结构作为目标模型结构。

根据第二方面，提供了一种用于确定模型结构的装置，包括：第一获取单元，被配置成获取训练相关脚本，训练相关脚本包括用于训练模型的脚本；确定单元，被配置成确定包含多个候选模型结构的搜索空间；调用单元，被配置成将训练相关脚本确定为第一组件，并调用第一组件，在搜索空间中搜索一个候选模型结构作为目标模型结构。

根据第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如用于确定模型结构的方法中任一实施例的方法。

根据第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如用于确定模型结构的方法中任一实施例的方法。

根据本申请的方案，可以对训练相关脚本进行组件化，从而在不修改训练相关脚本的情况下，实现自动化搜索模型结构，避免了在训练相关脚本中硬编码搜索脚本带来的高耦合度，同时提高了搜索模型结构的灵活性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请一些实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于确定模型结构的方法的一个实施例的流程图；

图3是根据本申请的用于确定模型结构的方法的一个应用场景的示意图；

图4是根据本申请的用于确定模型结构的方法的又一个实施例的流程图；

图5是根据本申请的用于确定模型结构的装置的一个实施例的结构示意图；

图6是用来实现本申请实施例的用于确定模型结构的方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。