[发明专利]神经网络的优化方法和装置、数据处理方法、设备及介质

说明书

本申请实施例提供了一种神经网络的优化方法和装置、数据处理方法、设备及介质，属于金融科技技术领域。该方法包括：获取原始神经网络运行于预设内存中每一候选卷积层的输入内存值和输出内存值；根据输入内存值和输出内存值从候选卷积层筛选出选定卷积层；根据选定卷积层和候选卷积层进行分裂层选择得到分裂数量和每一候选卷积层的分裂编号；根据分裂数量和分裂编号对候选卷积层进行层分裂处理得到候选分裂卷积层；获取每一候选分裂卷积层的内存优化信息；根据内存优化信息从候选分裂卷积层筛选出目标分裂卷积层；将目标分裂卷积层和候选卷积层进行拼接处理得到目标神经网络。本申请实施例能够节省供应链金融的神经网络运行时的内存占用空间。

技术领域

本申请涉及金融科技技术领域，尤其涉及一种神经网络的优化方法和装置、数据处理方法、设备及介质。

背景技术

随着科学技术的发展，获取数据并利用数据建模以解决相应问题，已经成为常见的技术手段。例如，在供应链金融中的物联网，为了提升物联网运作效率，在终端设备上运行神经网络以起到报表数据处理、监控告警等作用。

相关技术中，将神经网络部署于终端设备的预设内存上，神经网络运行时，预设内存需要分配一个内存空间以存放输入神经网络的数据矩阵和卷积神经网络输出的数据矩阵。由于金融领域会涉及巨大数据量，那么神经网络的网络规模越来越大，数据矩阵的规模越来越大，数据矩阵占用的内存空间也越来越大，预设内存的内存消耗也越来越大。因此，亟待需要对卷积神经网络的占用内存进行优化。

发明内容

本申请实施例的主要目的在于提出一种神经网络的优化方法和装置、数据处理方法、设备及介质，旨在节省神经网络运行于预设内存的内存占用空间，提升物联网使用的神经网络可以高效运行，进而提升金融领域的数据处理效率。

为实现上述目的，本申请实施例的第一方面提出了一种神经网络的优化方法，所述方法包括：

获取原始神经网络运行于预设内存中的内存占用信息；其中，所述原始神经网络包括至少两层候选卷积层，所述内存占用信息包括每一所述候选卷积层的输入内存值和输出内存值；

根据所述输入内存值和所述输出内存值从所述候选卷积层筛选出选定卷积层；

根据所述选定卷积层和所述候选卷积层进行分裂层选择，得到层分裂参数；其中，所述层分裂参数包括分裂数量和每一所述候选卷积层的分裂编号；

根据所述分裂数量和所述分裂编号对所述候选卷积层进行层分裂处理，得到候选分裂卷积层；

获取每一所述候选分裂卷积层的内存优化信息；

根据所述内存优化信息从所述候选分裂卷积层筛选出目标分裂卷积层；

将所述目标分裂卷积层和所述候选卷积层进行拼接处理，得到目标神经网络。

在一些实施例，所述根据所述分裂数量和所述分裂编号对所述候选卷积层进行层分裂处理，得到候选分裂卷积层，包括：

根据所述分裂编号从所述候选卷积层筛选出选中卷积层；

根据所述分裂数量对所述选中卷积层进行复制处理，得到更新卷积层；

将所述更新卷积层和所述选中卷积层进行拼接处理，得到所述候选分裂卷积层。

在一些实施例，所述将所述目标分裂卷积层和所述候选卷积层进行拼接处理，得到目标神经网络，包括：

根据所述目标分裂卷积层从所述候选卷积层筛选出融合卷积层；

将所述融合卷积层和所述目标分裂卷积层进行拼接处理，得到所述目标神经网络。

在一些实施例，所述根据所述输入内存值和所述输出内存值从所述候选卷积层筛选出选定卷积层，包括：