[发明专利]一种图像神经网络参数的确定方法及电子设备

说明书

本申请公开一种图像神经网络参数的确定方法及电子设备，属于人工智能技术领域，该方法包括：监测多个图像神经网络模型的训练资源消耗量，每个图像神经网络模型的训练资源消耗量用于表征图像神经网络模型的训练程度，不同图像神经网络模型对应不同的候选参数，候选参数为神经网络结构或超参，若确定任一目标图像神经网络模型的训练资源消耗量达到任一设定量，则对获取的目标图像神经网络模型的性能评价值进行平滑处理，得到目标图像神经网络模型的性能参考值，将该性能参考值与已消耗完设定量的训练资源的各图像神经网络模型的性能参考值进行比对，以确定是否淘汰目标图像神经网络模型对应的候选参数，从未被淘汰的候选参数中确定目标参数。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种图像神经网络参数的确定方法及电子设备。

背景技术

在人工智能技术领域中，图像神经网络模型占据着重要的地位，为了能够与各种实际业务场景相结合快速得到性能比较好的图像神经网络模型，出现了神经网络结构搜索(Neural Architecture Search，NAS)和超参搜索。

相关技术中，在神经网络结构搜索过程中，需要对大量候选神经网络结构所对应的图像神经网络模型分别进行性能评估，根据评估结果对各候选神经网络结构进行排序，从而确定出性能达标的目标神经网络结构。而在超参搜索过程中，同样需要对大量候选超参所对应的图像神经网络模型分别进行性能评估，根据评估结果对各候选超参进行排序，从而确定出性能达标的目标超参。由于对图像神经网络模型的训练和评估性能是一项巨大的工程，所以无论是神经网络结构搜索还是超参搜索，都需要消耗大量的训练资源如计算资源、时间等。

因此，如何合理分配训练资源来充分展示各候选参数如候选神经网络结构或候选超参的性能，进而提升参数确定准确性是亟需解决的技术问题。

发明内容

本申请实施例提供一种图像神经网络参数的确定方法及电子设备，用以解决现有技术中存在的如何合理分配训练资源来充分展示各候选参数如候选神经网络结构或候选超参的性能，进而提升参数确定准确性的技术问题。

第一方面，本申请实施例提供一种图像神经网络参数的确定方法，包括：

获取多个候选参数，所述多个候选参数为多个神经网络结构或多个超参；

生成每个候选参数对应的图像神经网络模型；

训练各图像神经网络模型，并监测资源消耗量；

若确定监测到的资源消耗量是设定资源消耗幅度的预设目标倍数，则对计算的每个图像神经网络模型的性能评价值进行平滑处理，得到所述图像神经网络模型的性能参考值；

根据各图像神经网络模型的性能参考值，确定停止训练的图像神经网络模型，淘汰停止训练的图像神经网络模型对应的候选参数；

对未被淘汰的各候选参数对应的图像神经网络模型的性能参考值进行排序，根据排序结果确定目标参数。

在一种可能的实施方式中，根据以下步骤计算每个图像神经网络模型的性能评价值：

若确定监测到的资源消耗量是设定资源消耗幅度的目标倍数，则计算每个图像神经网络模型的性能评价值；

对计算的每个图像神经网络模型的性能评价值进行平滑处理，得到所述图像神经网络模型的性能参考值，包括：

根据所述设定幅度和所述设定量，确定目标倍数M，M为正整数；

当M等于1时，将所述目标图像神经网络模型的第1个性能评价值，作为所述目标图像神经网络模型在消耗完所述设定量的训练资源时的性能参考值；