[发明专利]一种模型搜索方法、装置、设备及存储介质、程序产品

权利要求书

1.一种模型搜索方法，其特征在于，所述方法包括：

基于搜索数据集，从搜索空间中为目标超网络中的多个网络单元分别搜索网络粒度的第一权值和算子粒度的多个第二权值；其中，所述网络粒度是对搜索模型的外部结构产生影响的权值粒度，所述算子粒度是对搜索模型内部的算子产生影响的权值粒度，所述目标超网络是由所有候选网络结构所构成的集合；

依据所述第一权值，从所述目标超网络的多个网络单元中提取至少两个目标网络单元，并利用至少两个所述目标网络单元连接得到目标网络结构；

基于多个所述第二权值和多个操作算子，生成所述目标网络结构的每个所述目标网络单元所对应的目标算子；

利用所述目标算子和每个所述目标网络单元，构建得到目标搜索模型，完成模型搜索。

2.根据权利要求1所述的方法，其特征在于，所述基于搜索数据集，从搜索空间中为目标超网络中的多个网络单元分别搜索网络粒度的第一权值和算子粒度的多个第二权值，包括：

基于所述搜索空间，构建稀疏超网络；所述目标超网络的深度和宽度大于所述稀疏超网络的深度和宽度；

通过所述搜索数据集将所述稀疏超网络进行迭代更新，从所述搜索空间中确定候选空间；

通过所述搜索数据集对所述目标超网络进行迭代更新，从所述候选空间中为所述目标超网络的每个网络单元分别搜索网络粒度的所述第一权值和算子粒度的多个所述第二权值。

3.根据权利要求2所述的方法，其特征在于，所述搜索数据集包括：训练图像数据和验证图像数据；所述通过所述搜索数据集将所述稀疏超网络进行迭代更新，从所述搜索空间中确定候选空间，包括：

基于所述训练图像数据，对第k轮迭代的第一初始超网络的模型参数进行更新，得到第k轮迭代的第一临时超网络；其中，k为正整数，第1轮迭代的第一初始超网络为所述稀疏超网络；

基于所述验证图像数据，对第k轮迭代的第一临时超网络的每个网络单元的网络粒度的权值进行更新，得到第k轮迭代的第一中间超网络；

基于所述验证图像数据，对第k轮迭代的第一中间超网络的每个网络单元的算子粒度的权值进行更新，得到第k轮迭代的第一更新超网络，并将第k轮迭代的第一更新超网络作为第k+1轮迭代的第一初始超网络；

当将k达到M时，基于第M轮迭代的第一更新超网络的每个网络单元的算子粒度的权值，从所述搜索空间中确定所述候选空间；M是第一迭代总次数。

4.根据权利要求3所述的方法，其特征在于，所述基于第M轮迭代的第一更新超网络的每个网络单元的算子粒度的权值，从所述搜索空间中确定所述候选空间，包括：

针对所述搜索空间中的算子粒度的候选权值和第M轮迭代的第一更新超网络的每个网络单元的算子粒度的权值进行差异计算，得到权值差异；

从所述搜索空间中，将所述权值差异大于差异阈值的所述算子粒度的候选权值进行剔除，得到所述候选空间。

5.根据权利要求3所述的方法，其特征在于，所述基于所述训练图像数据，对第k轮迭代的第一初始超网络的模型参数进行更新，得到第k轮迭代的第一临时超网络，包括：

通过第k轮迭代的第一初始超网络，对所述训练图像数据进行兴趣对象的区域分割，得到第一分割区域；

利用所述第一分割区域，以及所述兴趣对象在所述训练图像数据中的标注区域之间的损失值，对第k轮迭代的第一初始超网络的模型参数进行更新，得到第k轮迭代的第一临时超网络。

6.根据权利要求3所述的方法，其特征在于，所述基于所述验证图像数据，对第k轮迭代的第一临时超网络的每个网络单元的网络粒度的权值进行更新，得到第k轮迭代的第一中间超网络，包括：

通过第k轮迭代的第一临时超网络，对所述验证图像数据进行兴趣对象的区域分割，得到第二分割区域；

利用所述第二分割区域，以及所述兴趣对象在所述验证图像数据中的标注区域之间的损失值，对第k轮迭代的第一临时超网络的每个网络单元的网络粒度的权值进行更新，得到第k轮迭代的第一中间超网络。