一种控制方法和电子设备技术

本申请提供了一种控制方法，包括：获取神经网络模型的各层；依据第一计算规则，计算所述各层的能量消耗；选择能量消耗符合第一条件的第一层，对所述第一层内的第一权重集合进行修剪，所述第一权重集合包含至少一个权重；所述第一条件是：所述第一层的第一能量消耗不低于能量消耗最低的层的能量消耗。该方案中，通过神经网络模型的分层结构，对能量消耗高的层中的部分权重进行修剪，实现降低了神经网络模型的能量消耗，而由于仅是对层中的部分权重进行修剪，保证了该神经网络模型的计算精确度。

【技术实现步骤摘要】
一种控制方法和电子设备
本公开涉及电子设备领域，更具体的说，是涉及一种控制方法和电子设备。
技术介绍
从图形语音识别到系统状态检测，CNN(ConvolutionalNeuralNetwork,卷积神经网络)具有广泛的应用。但是，电子设备使用的AI(ArtificialIntelligence，人工智能)芯片，对于视频音频等数据量大的应用，CNN模型的计算和存储会耗电量很大，为此，亟需一种能够控制CNN模型耗电量的方法。
技术实现思路
有鉴于此，本公开提供了一种控制方法，解决了现有技术中CNN模型耗电量大的问题。为实现上述目的，本公开提供如下技术方案：一种控制方法，包括：获取神经网络模型的各层；依据第一计算规则，计算所述各层的能量消耗；选择能量消耗符合第一条件的第一层，对所述第一层内的第一权重集合进行修剪，所述第一权重集合包含至少一个权重；所述第一条件是：所述第一层的能量消耗高于能量消耗最低的层的能量消耗。优选的，上述的方法，所述依据第一计算规则，计算所述各层的能量消耗，包括：根据任一层内的计算次数，计算得到所述层的计算能量消耗；根据所述层内内存的存取次数，计算得到所述层的存储能量消耗；本文档来自技高网...

【技术保护点】
1.一种控制方法，包括：获取神经网络模型的各层；依据第一计算规则，计算所述各层的能量消耗；选择能量消耗符合第一条件的第一层，对所述第一层内的第一权重集合进行修剪，所述第一权重集合包含至少一个权重；所述第一条件是：所述第一层的能量消耗高于能量消耗最低的层的能量消耗。

【技术特征摘要】
1.一种控制方法，包括：获取神经网络模型的各层；依据第一计算规则，计算所述各层的能量消耗；选择能量消耗符合第一条件的第一层，对所述第一层内的第一权重集合进行修剪，所述第一权重集合包含至少一个权重；所述第一条件是：所述第一层的能量消耗高于能量消耗最低的层的能量消耗。2.根据权利要求1所述的方法，所述依据第一计算规则，计算所述各层的能量消耗，包括：根据任一层内的计算次数，计算得到所述层的计算能量消耗；根据所述层内内存的存取次数，计算得到所述层的存储能量消耗；依据所述计算能量消耗和所述存储能量消耗，得到所述层的能量消耗。3.根据权利要求1所述的方法，所述对所述第一层内的第一权重集合进行修剪，包括：删除所述第一层内权重值小于第一阈值的第一权重集合。4.根据权利要求3所述的方法，所述删除所述第一层内权重值小于第一阈值的第一权重集合之后，还包括：依据修剪后的第一神经网络模型，对预设输入信息进行处理，得到第一输出结果；依据所述第一输出结果分析得到输出评估误差和/或输出精确度不满足特定条件，撤销对第二权重集合的删除，所述第一权重集合至少包含所述第二权重集合；将所述第二权重集合中权重的从第一数值修改为第二数值，所述第一数值大于第二数值。5.根据权利要求4所述的方法，所述撤销对第二权重集合的删除，包括：选择所述第一权重集合中满足重要条件的第二权重集合，撤销对所述第二权重集合的删除；维持所述第一权重集合中除所述第二权重集合的其他权重的删除。6.根据权利要求4所述的方法，所述将所述第二权重集合中权重的从第一数值修改为第二数值之后，还包括：获取所述第一层内第二权重集合中的第一权重，并得到与所述第一权重对应的第一参数；获取所述第一层内与所述第一参数...

【专利技术属性】
技术研发人员：宋建华，
申请(专利权)人：联想北京有限公司，
类型：发明
国别省市：北京,11