[发明专利]模型搜索方法、装置、电子设备、存储介质和程序产品

权利要求书

1.一种模型搜索方法，包括：

基于搜索空间中的多个模型结构在第一任务上的性能信息，确定初始概率分布模型，所述初始概率分布模型用于确定模型结构在所述第一任务上的性能信息；

在所述搜索空间中采样第一模型结构；

根据所述第一模型结构在第二任务上性能信息，对所述初始概率分布模型的超参数进行更新，得到目标概率分布模型；

基于所述目标概率分布模型，从所述搜索空间中搜索得到目标模型结构。

2.根据权利要求1所述的方法，其中，所述根据所述第一模型结构在第二任务上性能信息，对所述初始概率分布模型的超参数进行更新，得到目标概率分布模型，包括：

对所述初始概率分布模型的超参数进行迭代更新，得到所述超参数的预测值，其中，所述迭代更新中的第i次更新为：依据第i次采样的第一模型结构在所述第二任务上的性能信息和第i次获取的先验分布，对所述初始概率分布模型的超参数进行更新，在所述i等于1的情况下，所述第i次获取的先验分布为根据所述初始概率分布模型的超参数确定的对所述超参数进行更新的先验分布，在所述i不等于1的情况下，所述第i次获取的先验分布为第i-1次更新得到的所述超参数的后验分布；

基于所述超参数的预测值确定所述目标概率分布模型。

3.根据权利要求2所述的方法，其中，所述迭代更新中第i次更新为：依据归一化性能信息和第i次获取的先验分布，对初始概率分布模型的超参数进行更新；

其中，在所述第i次采样的第一模型结构在所述第二任务上的性能高于第一目标模型结构在所述第二任务上的性能的情况下，所述归一化性能信息为：对前i次采样的第一模型结构在所述第二任务上的性能信息进行归一化处理得到的归一化性能信息；或者，

在所述第i次采样的第一模型结构在所述第二任务上的性能小于或者等于所述第一目标模型结构在所述第二任务上的性能的情况下，所述归一化性能信息为：对所述第i次采样的第一模型结构在所述第二任务上的性能信息进行归一化处理得到的归一化性能信息；

其中，所述第一目标模型结构为所述初始概率分布模型所指示的所述搜索空间中性能最优的模型结构。

4.根据权利要求1所述的方法，其中，所述基于搜索空间中的多个模型结构在第一任务上的性能信息，确定初始概率分布模型，包括：

从所述搜索空间中采样m个第二模型结构；

基于所述第一任务分别对所述m个第二模型结构进行训练，得到m个第二目标模型结构；

基于所述m个第二目标模型结构在所述第一任务上的性能信息，得到所述初始概率分布模型。

5.根据权利要求4所述的方法，其中，所述根据所述第一模型结构在第二任务上性能信息，对所述初始概率分布模型的超参数进行更新之前，所述方法还包括：

对所述m个第二目标模型结构在所述第一任务上的性能信息进行归一化处理，得到所述m个第二目标模型结构在所述第一任务上的归一化性能信息；

基于所述m个第二目标模型结构在所述第一任务上的归一化性能信息，按照最大似然估计的方法估计所述初始概率分布模型的超参数。

6.一种模型搜索装置，包括：

确定模块，用于基于搜索空间中的多个模型结构在第一任务上的性能信息，确定初始概率分布模型，所述初始概率分布模型用于确定模型结构在所述第一任务上的性能信息；

采样模块，用于在所述搜索空间中采样第一模型结构；

更新模块，用于根据所述第一模型结构在第二任务上性能信息，对所述初始概率分布模型的超参数进行更新，得到目标概率分布模型；

搜索模块，用于基于所述目标概率分布模型，从所述搜索空间中搜索得到目标模型结构。