[发明专利]一种神经网络压缩方法及其相关设备

权利要求书

1.一种神经网络压缩方法，其特征在于，所述方法包括：

获取目标图像；

将所述目标图像输入第一神经网络，得到第二神经网络的量化比特数，其中，所述第二神经网络用于对所述目标图像进行图像处理，所述第二神经网络的量化比特数与所述图像处理所需的计算量正相关；

根据所述第二神经网络的量化比特数，对所述第二神经网络的参数进行量化处理，得到量化处理后的第二神经网络。

2.根据权利要求1所述的方法，其特征在于，所述第二神经网络的量化比特数包含所述第二神经网络中M层网络的量化比特数，所述根据所述第二神经网络的量化比特数，对所述第二神经网络的参数进行量化处理，得到量化处理后的第二神经网络具体包括：

根据所述第二神经网络中第i层网络的量化比特数，对所述第i层网络的参数进行量化处理，得到量化处理后的第二神经网络，其中，i＝1，2，...，M，M为正整数。

3.根据权利要求2所述的方法，其特征在于，所述将所述目标图像输入第一神经网络，得到第二神经网络的量化比特数具体包括：

将所述目标图像输入第一神经网络，得到所述第二神经网络中第i层网络的候选比特数的概率；

根据所述概率的大小，从所述第i层网络的候选比特数中选择所述第i层网络的量化比特数。

4.根据权利要求1至3任意一项所述的方法，其特征在于，所述方法还包括：

将所述目标图像输入所述量化处理后的第二神经网络，得到所述目标图像的特征。

5.一种神经网络压缩方法，其特征在于，所述方法包括：

获取目标图像；

将所述目标图像输入第三神经网络，得到第二神经网络对应的目标分辨率，其中，所述第二神经网络用于对所述目标图像进行图像处理，所述第二神经网络对应的目标分辨率与所述图像处理所需的计算量正相关；

将所述目标图像的分辨率调整为目标分辨率，得到目标分辨率的目标图像。

6.根据权利要求5所述的方法，其特征在于，所述将所述目标图像输入第三神经网络，得到第二神经网络对应的目标分辨率具体包括：

将所述目标图像输入第三神经网络，得到第二神经网络对应的候选分辨率的概率；

根据所述概率的大小，从所述第二神经网络对应的候选分辨率选择所述第二神经网络对应的目标分辨率。

7.根据权利要求5或6所述的方法，其特征在于，所述将所述目标图像的分辨率调整为目标分辨率，得到目标分辨率的目标图像之后，所述方法还包括：

将所述目标分辨率的目标图像输入所述第二神经网络，得到所述目标分辨率的目标图像的特征。

8.一种模型训练方法，其特征在于，所述方法包括：

获取待训练图像；

将所述待训练图像输入第一待训练模型，得到第二待训练模型的量化比特数；

根据所述第二待训练模型的量化比特数，对所述第二待训练模型的参数进行量化处理，得到量化处理后的第二待训练模型；

将所述待训练图像输入所述量化处理后的第二待训练模型，得到待训练图像的特征；

根据所述第二待训练模型的量化比特数和所述待训练图像的特征，更新所述第一待训练模型的参数以及所述第二待训练模型的参数，直至满足模型训练条件，得到第一神经网络和第二神经网络。

9.根据权利要求8所述的方法，其特征在于，所述根据所述第二待训练模型的量化比特数和所述待训练图像的特征，更新所述第一待训练模型的参数以及所述第二待训练模型的参数，直至满足模型训练条件，得到第一神经网络和第二神经网络具体包括：

根据所述第二待训练模型的量化比特数和所述预置比特数之间的偏差，以及所述待训练图像的特征和所述待训练图像的真实特征之间的偏差，获取目标损失；

根据所述目标损失更新所述第一待训练模型的参数以及所述第二待训练模型的参数，直至满足模型训练条件，得到第一神经网络和第二神经网络。