A method and device for adapting the parameters of an adaptive neural network is disclosed. The method includes: for each layer of the weight parameter of at least one layer in a neural network, select one or more dimensions; determine the dimensions of the weight parameter in each dimension values and the corresponding target value; and if the dimension of the weight parameter in at least one dimension value is less than the target value. The weight parameters are filled, making the weight parameters after filling in each dimension on the dimension of value equal to the corresponding target value. Through this method, the parameter of neural network with standard form can be obtained, which is beneficial to simplifying the design and implementation of neural network and related hardware.
【技术实现步骤摘要】
用于适配神经网络的参数的方法和装置
本申请总体上涉及人工神经网络的
,并且具体地涉及用于适配人工神经网络的参数的方法和装置。
技术介绍
人工神经网络(在本文中简称为神经网络)是一种模仿生物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,达到处理信息的目的。在通常的神经网络中,一个或多个神经元被联结在一起,并形成一种多层结构。每层中的每个神经元针对该层的每个特征数据(也可以被称为输入数据或特征图),使用对应的一个或多个权重参数,基于特定的激活函数执行运算,以获得激活值,作为神经网络的输出结果或者下一层的特征数据。针对不同的应用场景,往往需要设计不同的神经网络架构,并且需要在某一类型的计算架构上使用一系列的运算来实现。因此,期望能够高效地表示神经网络,并且能够通过较低的硬件成本高效地实现神经网络中的运算,或者能够通过模拟的方式将神经网络中的运算高效地映射到计算架构所支持的运算中。
技术实现思路
一方面,本申请提供一种用于适配神经网络的参数的方法,该方法包括:针对神经网络的至少一层中的每一层的权重参数,选择一个或多个维度;确定该权重参数在每个维度上的维度值和对应的目标值;以及如果权重参数在至少一个维度上的维度值小于对应的目标值,则在至少一个维度上对权重参数进行填充,使得在填充之后所获得的权重参数在每个维度上的维度值等于对应的目标值。另一方面,本申请还提供一种用于适配神经网络的参数的装置,其包括被配置为执行用于上述方法的一个或多个处理器。另一方面,本申请还提供一种用于适配神经网络的参数的 ...
【技术保护点】
一种用于适配神经网络的参数的方法,包括:针对神经网络的至少一层中的每一层的权重参数,选择一个或多个维度;确定所述权重参数在所述一个或多个维度中的每个维度上的维度值和对应的目标值;以及如果所述权重参数在所述一个或多个维度中的至少一个维度上的维度值小于对应的目标值,则在所述至少一个维度上对所述权重参数进行填充,使得在填充之后所获得的权重参数在所述一个或多个维度中的每个维度上的维度值等于对应的目标值。
【技术特征摘要】
1.一种用于适配神经网络的参数的方法,包括:针对神经网络的至少一层中的每一层的权重参数,选择一个或多个维度;确定所述权重参数在所述一个或多个维度中的每个维度上的维度值和对应的目标值;以及如果所述权重参数在所述一个或多个维度中的至少一个维度上的维度值小于对应的目标值,则在所述至少一个维度上对所述权重参数进行填充,使得在填充之后所获得的权重参数在所述一个或多个维度中的每个维度上的维度值等于对应的目标值。2.根据权利要求1所述的方法,其中,所述一个或多个维度包括宽度、高度、深度和数量中的至少一个。3.根据权利要求1所述的方法,其中,所述一个或多个维度包括第一维度,并且所述权重参数在所述第一维度上的对应的目标值是基于与所述第一维度相关联的候选值的集合的子集所确定的,所述子集中的每个候选值大于或等于所述权重参数在所述第一维度上的维度值。4.根据权利要求3所述的方法,其中,所述权重参数在所述第一维度上的对应的目标值是所述子集中的最小的候选值。5.根据权利要求3所述的方法,其中,所述第一维度包括深度或数量,并且所述集合包括第一参数和第二参数的一个或多个公倍数,所述第一参数和所述第二参数是基于硬件参数所预先确定的。6.根据权利要求1所述的方法,其中,所述一个或多个维度包括第一维度和至少一个第二维度,并且所述权重参数在所述第一维度和所述至少一个第二维度上的对应的目标值是基于候选值数组的集合的子集所确定的,所述集合中的每个候选值数组包括与所述第一维度相对应的第一候选值以及分别与所述至少一个第二维度相对应的至少一个第二候选值,并且所述子集中的每个候选值数组中的每个候选值分别大于或等于所述权重参数在对应的维度上的维度值。7.根据权利要求6所述的方法,其中,所述权重参数在所述第一维度上的对应的目标值是基于所述子集所确定的最小的第一候选值。8.根据权利要求6所述的方法,其中,所述权重参数在所述第一维度以及所述至少一个第二维度上的对应的目标值分别是所述子集中的第一候选值数组中的对应的候选值,所述第一候选值数组中的所有候选值的乘积小于所述子集中的任何其他候选值数组中的所有候选值的乘积。9.根据权利要求6所述的方法,其中,所述第一维度包括宽度或高度或深度,并且对于基于硬件参数所预先确定的、所述权重参数在所述第一维度与所述至少一个第二维度上的对应的目标值的每种组合,所述集合包括一个或多个对应的候选值数组。10.根据权利要求1所述的方法,还包括:针对所述至少一个维度中的每个维度,确定与该维度相对应的...
【专利技术属性】
技术研发人员:凌坤,陈亮,李建军,李德林,黄畅,
申请(专利权)人:北京地平线信息技术有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。