用于生成网络模型信息的方法、装置、设备和介质制造方法及图纸

本公开的实施例公开了用于生成网络模型信息的方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：对预先训练的超网络进行多次采样，得到第一网络模型集合；基于该第一网络模型集合和演化算法，生成第二网络模型集合，其中，该演化算法的演化过程中加入时延约束以使该第二网络模型集合中的网络模型的时延满足预先设定的范围；基于该第二网络模型集合中各个网络模型的时延和准确度，确定帕累托曲线。该实施方式实现了在资源受限的条件下，可以高效的确定出多个时延下的网络结构。

【技术实现步骤摘要】
用于生成网络模型信息的方法、装置、设备和介质
本公开的实施例涉及计算机
，具体涉及用于生成网络模型信息的方法、装置、设备和计算机可读介质。
技术介绍
目前，神经网络搜索存在的问题是在搜索过程中，无法较好的同时兼顾神经网络的速度和准确度。需求一种在资源受限的情况下，可以高效、准确的搜索出多个时延下网络结构的方法。
技术实现思路
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。本公开的一些实施例提出了一种用于生成网络模型信息的方法、装置、设备和计算机可读介质，来解决以上
技术介绍
部分提到的技术问题。第一方面，本公开的一些实施例提供了一种用于生成网络模型信息的方法，该方法包括：对预先训练的超网络进行多次采样，得到第一网络模型集合；基于上述第一网络模型集合和演化算法，生成第二网络模型集合，其中，上述演化算法的演化过程中加入时延约束以使上述第二网络模型集合中的网络本文档来自技高网...

【技术保护点】
1.一种用于生成网络模型信息的方法，包括：/n对预先训练的超网络进行多次单路径随机采样，得到第一网络模型集合；/n基于所述第一网络模型集合和演化算法，生成第二网络模型集合，其中，所述演化算法的演化过程中加入时延约束以使所述第二网络模型集合中的网络模型的时延满足预先设定的范围；/n基于所述第二网络模型集合中各个网络模型的时延和准确度，确定帕累托曲线。/n

【技术特征摘要】
1.一种用于生成网络模型信息的方法，包括：
对预先训练的超网络进行多次单路径随机采样，得到第一网络模型集合；
基于所述第一网络模型集合和演化算法，生成第二网络模型集合，其中，所述演化算法的演化过程中加入时延约束以使所述第二网络模型集合中的网络模型的时延满足预先设定的范围；
基于所述第二网络模型集合中各个网络模型的时延和准确度，确定帕累托曲线。


2.根据权利要求1所述的方法，其中，所述方法还包括：
基于所述帕累托曲线和目标时延，确定相应的网络模型；
对所确定的网络模型进行训练，得到训练结束后的网络模型。


3.根据权利要求2所述的方法，其中，所述方法还包括：
响应于所述训练结束后的网络模型包括目标检测网络，可以利用所述训练结束后的网络模型进行人脸识别。


4.根据权利要求1所述的方法，其中，所述对预先训练的超网络进行多次单路径随机采样，得到第一网络模型集合，包括：
从所述预先训练的超网络对应的路径集合中，选取预设数目条路径，以及将所述预设数目条路径所对应的网络作为所述第一网络模型集合。


5.根据权利要求1所述的方法，其中，所述网络模型的时延通过查询时延预测表得到。


6.根据权利要求1所述的方法，其中，所述基于所述第一网络模型集合和演化算法，生成第二网络模型集合，包括：
对所述第一网络模型集合进行编码，以及将所述编码后的结果确定为演化算法的初始父代种群；
基于对所述初始父代种群进行演化，生成子代种群；
将所述子代种群确定为第二网络模型集合。

【专利技术属性】
技术研发人员：夏鑫，肖学锋，王星，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京;11