[发明专利]用于操作系统内核数据路径的自适应神经网络

权利要求书

1.一种自适应神经网络，用于操作系统的内核数据路径，其特征在于，所述操作系统包括内核空间和用户空间，所述操作系统的内核数据路径通过部署在所述操作系统的内核空间的内核网络模块提供至少一种内核数据路径功能，所述自适应神经网络包括：

第一网络分支，部署在所述内核空间并且通过第一路径与所述至少一种内核数据路径功能相对应的内核网络模块连通，以及配置为：通过所述第一路径从该内核网络模块获取输入数据并将与该输入数据对应的推理结果发送给该内核网络模块，该推理结果用于优化所述至少一种内核数据路径功能；

第二网络分支，部署在所述用户空间并且通过从所述内核空间到所述用户空间的第二路径与所述第一网络分支连通，以及配置为：通过所述第二路径获取所述第一网络分支相关联的训练数据并且自适应地生成所述自适应神经网络的模型调参信息，所述模型调参信息用于优化所述第一网络分支的推理功能。

2.根据权利要求1所述的自适应神经网络，其特征在于，所述模型调参信息包括以下至少一项：所述第一网络分支的模型结构、所述第一网络分支的模型参数和所述第一网络分支的权重系数，其中所述优化所述第一网络分支的推理功能是基于所述模型调参信息调整所述第一网络分支。

3.根据权利要求1所述的自适应神经网络，其特征在于，所述第二网络分支通过将所述第一网络分支相关联的训练数据导入教师神经网络并解析所述教师神经网络的输出从而自适应地生成所述模型调参信息，其中所述第一网络分支是相对于所述教师模型的学生模型。

4.根据权利要求1所述的自适应神经网络，其特征在于，所述第二网络分支通过将所述第一网络分支相关联的训练数据导入生成对抗性神经网络并通过比较所述生成对抗性神经网络所生成的子网络从而自适应地生成所述模型调参信息，其中所述模型调参信息是从所述生成对抗性神经网络所生成的子网络中选择。

5.根据权利要求1所述的自适应神经网络，其特征在于，所述第二网络分支包括与所述用户空间兼容的参考神经网络，所述第二网络分支通过将所述第一网络分支相关联的训练数据导入所述参考神经网络并解析所述参考神经网络的输出从而自适应地生成所述模型调参信息，所述模型调参信息包括对所述参考神经网络进行整数量化操作和代码转换操作得到的与所述参考神经网络对应的网络快照，所述网络快照与所述内核空间兼容，其中所述优化所述第一网络分支的推理功能是基于所述网络快照。

6.根据权利要求5所述的自适应神经网络，其特征在于，所述参考神经网络是基于与所述用户空间兼容的机器学习框架且采用以下任意一项：TensorFlow，PyTorch、GYM。

7.根据权利要求5所述的自适应神经网络，其特征在于，对所述参考神经网络进行整数量化操作包括对所述参考神经网络的输入输出按照缩放因子进行缩放化和量化。

8.根据权利要求5所述的自适应神经网络，其特征在于，对所述参考神经网络进行代码转换操作包括：针对所述参考神经网络所包括的每一个层，基于该层的类型选择与该层的类型对应的预设层模板并按照该预设层模板将该层的模型参数和权重系数转换为与该层对应的代码实例，然后整合与所述参考神经网络所包括的每一个层分别对应的代码实例得到与所述参考神经网络对应的源代码文件，其中所述网络快照是基于所述源代码文件编译得到。

9.根据权利要求8所述的自适应神经网络，其特征在于，所述参考神经网络包括至少一个线性层和/或至少一个全连接层，其中，与所述至少一个线性层对应的预设层模板包括所述至少一个线性层的计算逻辑且与所述至少一个线性层对应的代码实例与所述内核空间兼容，与所述至少一个全连接层对应的预设层模板包括所述至少一个全连接层的计算逻辑且与所述至少一个全连接层对应的代码实例与所述内核空间兼容。