动态网络模型构建方法、装置、设备及存储介质与流程

文档序号:34725218发布日期:2023-07-07 19:53阅读:来源:国知局

技术特征:

1.一种动态网络模型构建方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,其中,所述将预设神经网络划分为多个预测阶段,包括:

3.根据权利要求2所述的方法,其特征在于,其中,所述预测阶段包括:前预测阶段、中间预测阶段和后预测阶段;所述前预测阶段的特征输出为所述中间预测阶段的特征输入,所述中间预测阶段的特征输出为所述后预测阶段的特征输入。

4.根据权利要求3所述的方法,其特征在于,所述对所述预测阶段中的神经网络层进行量化,获得动态神经网络,包括:

5.根据权利要求3所述的方法,其特征在于,所述对所述动态神经网络进行训练,获得目标动态网络模型之后,还包括:

6.根据权利要求5所述的方法,其特征在于,所述基于目标动态网络模型对目标任务进行推理,获得目标推理结果,包括:

7.根据权利要求6所述的方法,其特征在于,所述根据比对结果,将所述前预测结果、中间预测结果、后预测结果中的一个预测结果确定为目标推理结果,包括:

8.一种动态网络模型构建装置,其特征在于,所述装置包括:

9.一种电子设备,其特征在于,包括:处理器、存储器,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的方法的步骤。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至7任一所述的方法的步骤。


技术总结
本申请提供一种动态网络模型构建方法、装置、设备及存储介质,涉及机器学习领域,该方法包括:将预设神经网络划分为多个预测阶段;其中,多个预测阶段均可独立地输出推理结果;对预测阶段中的神经网络层进行量化,获得动态神经网络;其中,动态神经网络包括:多个不同比特位宽的预测阶段;对动态神经网络进行训练,获得目标动态网络模型。通过将多个可独立输出推理结果的预测阶段分别量化到不同的比特位宽,节省了计算量,降低了简单样本的推断成本,提高了对困难样本的推断精度;结合量化技术和动态网络技术两者的优势,能够同时从量化和动态网络技术中受益,提升了目标动态网络模型的性能。

技术研发人员:刘建伟
受保护的技术使用者:北京爱芯科技有限公司
技术研发日:
技术公布日:2024/1/13
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1