[发明专利]模型构建方法、模型构建装置、计算机设备及介质

权利要求书

1.一种模型构建方法，其特征在于，包括：

对构建有搜索空间的超网络进行训练，得到训练后的超网络；其中，所述搜索空间包含多个候选网络框架；

根据预设的搜索条件，从所述训练后的超网络中搜索得到待训练网络框架；

利用训练样本集合对所述待训练网络框架进行训练，得到目标模型。

2.根据权利要求1所述的模型构建方法，其特征在于，所述利用训练样本集合对所述待训练网络框架进行训练，得到目标模型的步骤之前，还包括：

获取包含人脸的样本图像集合；

从所述样本图像集合中的每张样本图像中截取出人脸区域，得到人脸图像样本集合；

对所述人脸图像样本集合中的每张人脸图像样本进行缩放和标注，得到所述训练样本集合。

3.根据权利要求1所述的模型构建方法，其特征在于，所述搜索空间中的多个候选网络框架之间相互连接，每个所述候选网络框架包括多个子结构；

所述对构建有搜索空间的超网络进行训练，得到训练后的超网络，包括：

基于所述搜索空间中的全部所述子结构进行结构搜索，确定出单路径超网；

根据所述单路径超网对所述超网络进行采样训练，得到训练后的超网络。

4.根据权利要求3所述的模型构建方法，其特征在于，所述基于所述搜索空间中的全部所述子结构进行结构搜索，确定出单路径超网，包括：

按照预设的超网属性信息，对所述搜索空间中的全部所述子结构进行结构搜索，得到单路径超网；其中，所述单路径超网中相邻的两个所述子结构之间的转移概率最大。

5.根据权利要求1所述的模型构建方法，其特征在于，所述预设的搜索条件与目标部署平台对应；

所述根据预设的搜索条件，从所述训练后的超网络中搜索得到待训练网络框架，包括：

基于所述预设的搜索条件中包含的下列公式，从所述训练后的超网络中搜索出待训练网络框架；

ACC_val(a) (a，a∈A，A＞0)

Latency(a，h)≤LatC_h

其中，a表示所述候选网络框架，且满足条件(a，a∈A，A＞0)；A为所述搜索空间中所述候选网络框架的个数，且A＞0；ACC_val(a)为验证精度；h表示目标部署平台，且h＞0；Latency(a，h)为目标函数；LatC_h为所述目标部署平台的时延。

6.根据权利要求5所述的模型构建方法，其特征在于，所述获取训练样本集合，并利用所述训练样本集合对所述待训练网络框架进行训练，得到目标模型，包括：

使用反向传播和梯度优化方法，利用所述训练样本集合对所述待训练网络框架进行训练，得到目标模型。

7.根据权利要求6所述的模型构建方法，其特征在于，所述使用反向传播和梯度优化方法，利用所述训练样本集合对所述待训练网络框架进行训练，得到目标模型，包括：

将所述目标函数Latency(a，h)识别为收敛条件；其中，Latency(a，h)≤LatC_h，LatC_h为所述目标部署平台的时延；

使用反向传播和梯度优化方法，利用所述训练样本集合对所述待训练网络框架进行训练优化，得到满足所述收敛条件的目标模型。

8.一种模型构建装置，其特征在于，包括：

采样训练单元，用于对构建有搜索空间的超网络进行训练，得到训练后的超网络；其中，所述搜索空间包含多个候选网络框架；

搜索单元，用于根据预设的搜索条件，从所述训练后的超网络中搜索得到待训练网络框架；

模型训练单元，用于利用训练样本集合对所述待训练网络框架进行训练，得到目标模型。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器、处理器以及存储在所述存储器中并可在所述计算机设备上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述模型构建方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述模型构建方法的步骤。