[发明专利]神经网络结构搜索和目标识别的方法和装置

权利要求书

1.一种神经网络结构搜索的方法，其特征在于，包括：

采用参数生成模型生成神经网络模型的至少一部分超参数的参数值；基于所述至少一部分超参数的参数值进行结构搜索，得到神经网络模型；对所述神经网络模型进行验证，得到验证结果；

判断预设迭代停止条件是否触发；

若是，则根据各个神经网络模型的验证结果从所述各个神经网络模型中筛选最优神经网络模型；

否则，根据所述验证结果更新所述参数生成模型，然后执行采用参数生成模型生成神经网络模型的至少一部分超参数的参数值、基于所述至少一部分超参数的参数值进行结构搜索得到神经网络模型、对所述神经网络模型进行验证得到验证结果的步骤，直至预设迭代停止条件触发。

2.如权利要求1所述的方法，其特征在于，所述预设迭代停止条件包括：迭代次数等于迭代次数阈值，或验证结果满足预设结果条件。

3.如权利要求1所述的方法，其特征在于，对所述神经网络模型进行验证，包括：确定所述神经网络模型在验证集上的正确率。

4.如权利要求1所述的方法，其特征在于，所述参数生成模型为贝叶斯模型。

5.如权利要求1所述的方法，其特征在于，采用Darts进行结构搜索，所述至少一部分超参数包括以下至少之一：通道数、cell层数、cell内的节点数。

6.如权利要求1所述的方法，其特征在于，采用Darts进行结构搜索，采用RingAllReduce算法进行节点间的数据交换。

7.如权利要求1所述的方法，其特征在于，采用数据并行的分布式训练方法进行结构搜索。

8.一种目标识别的方法，其特征在于，利用权利要求1-7任一所述的方法筛选的最优神经网络模型进行目标识别。

9.一种神经网络结构搜索的装置，其特征在于，包括：模型训练模块、迭代判断模块和结果确定模块；其中，

模型训练模块采用参数生成模型生成神经网络模型的至少一部分超参数的参数值；基于所述至少一部分超参数的参数值进行结构搜索，得到神经网络模型；对所述神经网络模型进行验证，得到验证结果；

迭代判断模块判断预设迭代停止条件是否触发；

若是，则使结果确定模块根据各个神经网络模型的验证结果从所述各个神经网络模型中筛选最优神经网络模型；

否则，根据所述验证结果更新所述参数生成模型，然后使所述模型训练模块迭代执行采用参数生成模型生成神经网络模型的至少一部分超参数的参数值、基于所述至少一部分超参数的参数值进行结构搜索得到神经网络模型、对所述神经网络模型进行验证得到验证结果的步骤，直至预设迭代停止条件触发。

10.一种目标识别的装置，其特征在于，包括：模型训练模块、迭代判断模块、结果确定模块和目标识别模块；其中，

模型训练模块采用参数生成模型生成神经网络模型的至少一部分超参数的参数值；基于所述至少一部分超参数的参数值进行结构搜索，得到神经网络模型；对所述神经网络模型进行验证，得到验证结果；

迭代判断模块判断预设迭代停止条件是否触发；

若是，则使结果确定模块根据各个神经网络模型的验证结果从所述各个神经网络模型中筛选最优神经网络模型；

否则，根据所述验证结果更新所述参数生成模型，然后使所述模型训练模块迭代执行采用参数生成模型生成神经网络模型的至少一部分超参数的参数值、基于所述至少一部分超参数的参数值进行结构搜索得到神经网络模型、对所述神经网络模型进行验证得到验证结果的步骤，直至预设迭代停止条件触发；

目标识别模块，利用所述最优神经网络模型进行目标识别。