网络结构的搜索方法、装置及电子设备与可读存储介质制造方法及图纸

本发明专利技术公开了一种网络结构搜索方法、装置及电子设备与可读存储介质。其方法包括：采用第一数据集对待搜索的网络结构进行网络结构搜索，获取中间网络结构；基于所述中间网络结构，采用第二数据集进行网络结构搜索，获取目标网络结构；所述第二数据集中包括的数据的数量大于所述第一数据集中包括的数据的数量，且第二数据集中的各数据的大小大于所述第一数据集中的各数据的大小。本发明专利技术的技术方案，通过采用上述方案，能够在可接受的时间和计算资源的范围内，有效地节省搜索的耗时，提高搜索的效率，同时，还能够有效地提高搜素的目标网络结构的准确性。

【技术实现步骤摘要】
网络结构的搜索方法、装置及电子设备与可读存储介质
本专利技术涉及计算机应用
，具体涉及一种网络结构搜索方法、装置及电子设备与可读存储介质。
技术介绍
人工智能(ArtificialIntelligence)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术学科。AI技术可以应用于机器人、语言识别、图像识别、自然语言处理和专家系统等各种领域中，使用非常方便。现有的AI技术中，大多需要基于神经网络模型进行深度学习来实现。而神经网络模型的网络结构的选取是深度学习任务中的首要问题。之前，现有技术中的网络结构大都由研发人员手工来设计。人工设计网络结构的过程费时、费力，且设计的网络结构也不够精准。近两年来，研究者们趋向于通过计算机自动生成神经网络模型的网络结构，从而替代人工手工设计。由于计算资源的限制，现有的通过计算机自动生成神经网络模型的网络结构的方法通常只能在小数据集上进行搜索。具体地，利用进化算法或者强化学习算法，在小数据集上生成网络结构，将该网络结构训练一遍，得到其精度等指标后，根据该次的经验，生成新的本文档来自技高网...

【技术保护点】
1.一种网络结构的搜索方法，包括：/n采用第一数据集对待搜索的网络结构进行网络结构搜索，获取中间网络结构；/n基于所述中间网络结构，采用第二数据集进行网络结构搜索，获取目标网络结构；所述第二数据集中包括的数据的数量大于所述第一数据集中包括的数据的数量，且第二数据集中的各数据的大小大于所述第一数据集中的各数据的大小。/n

【技术特征摘要】
1.一种网络结构的搜索方法，包括：
采用第一数据集对待搜索的网络结构进行网络结构搜索，获取中间网络结构；
基于所述中间网络结构，采用第二数据集进行网络结构搜索，获取目标网络结构；所述第二数据集中包括的数据的数量大于所述第一数据集中包括的数据的数量，且第二数据集中的各数据的大小大于所述第一数据集中的各数据的大小。


2.根据权利要求1所述的方法，其中，采用第一数据集对待搜索的网络结构进行网络结构搜索，获取中间网络结构，包括：
对所述待搜索的网络结构进行初始化，得到初始网络结构；
基于所述初始网络结构，采用所述第一数据集进行网络结构搜索，计算每一次搜索得到的网络结构的性能参数；若所述网络结构的性能参数符合预设条件时，将对应的网络结构作为所述中间网络结构。


3.根据权利要求1所述的方法，其中，基于所述中间网络结构，采用第二数据集进行网络结构搜索，得到目标网络结构，包括：
以所述中间网络结构为种子点，采用所述第二数据集并利用进化算法进行网络结构搜索，得到所述目标网络结构。


4.根据权利要求3所述的方法，其特征在于，以所述中间网络结构为种子点，采用所述第二数据集并利用进化算法进行网络结构搜索，得到所述目标网络结构，包括：
将所述种子点进行变异，生成预设数量的变异网络结构；
以所述种子点和所述预设数量的变异网络结构作为初始模型种群，采用所述第二数据集并利用进化算法进行网络结构的搜索，获取进化后的目标模型种群；
从所述目标模型种群中获取性能参数最好的网络结构，作为所述目标网络结构。


5.根据权利要求4所述的方法，其中，以所述种子点和所述预设数量的变异网络结构作为初始模型种群，采用所述第二数据集并利用进化算法进行网络结构的搜索，获取进化后的目标模型种群，包括：
以所述种子点和所述预设数量的变异网络结构作为初始模型种群，采用所述第二数据集并利用进化算法进行网络结构的搜索，得到中间模型种群；

【专利技术属性】
技术研发人员：方杰民，张骞，王国利，黄畅，
申请(专利权)人：北京地平线机器人技术研发有限公司，
类型：发明
国别省市：北京;11