一种模型的相似度对比方法、系统、设备以及介质技术方案

本发明专利技术公开了一种模型的相似度对比方法，包括以下步骤：获取待对比的多个模型的参数，以根据所述参数构建与每一个所述模型相对应的有向图；计算每一个所述有向图的从第一层到最后一层的变换向量；根据最大维度的所述变换向量将其余的所述变换向量的维度进行扩张，以使每一个所述变换向量的维度相同；计算多个所述变换向量两两之间的余弦距离，并根据所述余弦距离确定待对比模型的相似度。本发明专利技术还公开了一种系统、计算机设备以及可读存储介质。本发明专利技术提出的方案通过基于向量距离的计算方法，来度量模型间的相似度。该方案从模型本身结构和语义出发，不依赖于具体的数据集，快速刻画出给定模型的相似度信息，在实际中具有广泛的应用。

【技术实现步骤摘要】
一种模型的相似度对比方法、系统、设备以及介质
本专利技术涉及相似度对比领域，具体涉及一种模型的相似度对比方法、系统、设备以及存储介质。
技术介绍
为了能够快速得到合适的模型，通常会对历史训练好的不同类型的网络构建模型数据库。在模型数据库构建过程中，为了保证模型的多样性，要求新的模型与数据库中的模型相关度不高。所以，研究模型相似度就成了关键。如图1所示，目前常见的模型相似度计算方法是，给定两个深度学习模型A和B，对于样本集合S，执行相同的任务，从结果中分析模型的相似性。比如对于二分类任务，常见的相似度比较方法定义如下：其中，分子是模型A和B对于S集合中样本做出相同分类判断的数据个数，分母是样本集合S的大小。sim(A,B)的取值范围是[0,1]，值为0的时候表示模型A和B对每个样本都做出了不同的分类判断，值为1的时候表示模型A和B对每个样本都做出了相同的分类判断。sim(A,B)值越大，表示模型A和B相似度越高。现有模型相似度计算方法通过对真实数据集的测试结果来衡量模型间的相似度值，执行过程需要时间和硬件资源的需求，不便于实际应用。而且现有模型相似度计算方法依赖于具体的测试数据集，不同的数据集会有不同的测试结果，导致模型的相似度值不同。对于给定的模型，这种方法使得模型相似度的结果具有不确定性，对模型的相似度定义不具有理论上的指导意义。
技术实现思路
有鉴于此，为了克服上述问题的至少一个方面，本专利技术实施例提出一种模型的相似度对比方法，包括以下步骤：获取待对比的多个模型的参数，以根据所述参数构建与每一个所述模型相对应的有向图；计算每一个所述有向图的从第一层到最后一层的变换向量；根据最大维度的所述变换向量将其余的所述变换向量的维度进行扩张，以使每一个所述变换向量的维度相同；计算多个所述变换向量两两之间的余弦距离，并根据所述余弦距离确定待对比模型的相似度。在一些实施例中，获取待对比的多个模型的参数，以根据所述参数构建与每一个所述模型相对应的有向图，进一步包括：获取结点集合以及边集合；根据所述结点集合中的每一个结点和所述边集合中的每一个边构建有向图。在一些实施例中，获取待对比的多个模型的参数，以根据所述参数构建与每一个所述模型相对应的有向图，进一步包括：获取模型的层连接关系、每一层的卷积核的大小、步长参数以及维度扩充参数；根据所述每一层的卷积核的大小确定每一层的结点的数量，以及根据所述步长参数以及维度扩充参数确定所述模型的输入层的结点与所述模型的第一卷积层的结点之间的连接关系；利用所述层连接关系、所述每一层的结点、所述输入层的结点与所述第一卷积层的结点之间的连接关系以及其他层的结点之间默认的全连接关系构建所述有向图。在一些实施例中，计算每一个所述有向图的从第一层到最后一层的变换向量，进一步包括：计算每一层之间的邻接矩阵；将所有的所述邻接矩阵相乘得到变换矩阵，并将所述变换矩阵转换为变换向量。在一些实施例中，计算每一层之间的邻接矩阵，进一步包括：所述邻接矩阵中每一个元素的取值通过确定；其中，e＝<u,v>表示从结点u到节点v的有向边，Li表示第i层，Li+1表示第i+1层。在一些实施例中，计算每一层之间的邻接矩阵，进一步包括：判断是否存在结点u∈Li，结点v∈Lj，结点w∈Lk(i<j<k，i、j、k相邻)，且存在边e1＝<u,v>和边e2＝<v,w>，且同时存在边e3＝<u,w>；响应于均存在，计算第j层与第k层之间的邻接矩阵时，将第i层的节点u复制到所述第j层。在一些实施例中，计算每一层之间的邻接矩阵，进一步包括：判断是否存在第i层越过一个或者多个层，直接与第j层相连，其中i<(j-2)；响应于存在，直接计算第i层和第j层的邻接矩阵。基于同一专利技术构思，根据本专利技术的另一个方面，本专利技术的实施例还提供了一种模型的相似度对比系统，包括：构建模块，所述构建模块配置为获取待对比的多个模型的参数，以根据所述参数构建与每一个所述模型相对应的有向图；第一计算模块，所述第一计算模块配置为计算每一个所述有向图的从第一层到最后一层的变换向量；维度变化模块，所述维度变化模块配置为根据最大维度的所述变换向量将其余的所述变换向量的维度进行扩张，以使每一个所述变换向量的维度相同；第二计算模块，所述第二计算模块配置为计算多个所述变换向量两两之间的余弦距离，并根据所述余弦距离确定待对比模型的相似度。基于同一专利技术构思，根据本专利技术的另一个方面，本专利技术的实施例还提供了一种计算机设备，包括：至少一个处理器；以及存储器，所述存储器存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时执行如上所述的任一种模型的相似度对比方法的步骤。基于同一专利技术构思，根据本专利技术的另一个方面，本专利技术的实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时执行如上所述的任一种模型的相似度对比方法的步骤。本专利技术具有以下有益技术效果之一：本专利技术提出的方案通过基于向量距离的计算方法，来度量模型间的相似度。该方案从模型本身结构和语义出发，不依赖于具体的数据集，快速刻画出给定模型的相似度信息，在实际中具有广泛的应用。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。图1为现有技术中的模型的相似度对比方法的流程框图；图2为本专利技术的实施例提供的模型的相似度对比方法的流程示意图；图3为本专利技术的实施例提供的模型的相似度对比方法的流程框图；图4为本专利技术实施例中模型A的有向图；图5为本专利技术实施例中模型B的有向图；图6为本专利技术的实施例提供的模型的相似度对比系统的结构示意图；图7为本专利技术的实施例提供的计算机设备的结构示意图；图8为本专利技术的实施例提供的计算机可读存储介质的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术实施例进一步详细说明。需要说明的是，本专利技术实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本专利技术实施例的限定，后续实施例对此不再一一说明。根据本专利技术的一个方面，本专利技术的实施例提出一种模型的相似度对比方法，如图2所示，其可以包括步骤：S1，获取待对比的多个模型的参数，以根据所述参数构建与每一个所述模型相对应的本文档来自技高网...

【技术保护点】
1.一种模型的相似度对比方法，其特征在于，包括以下步骤：/n获取待对比的多个模型的参数，以根据所述参数构建与每一个所述模型相对应的有向图；/n计算每一个所述有向图的从第一层到最后一层的变换向量；/n根据最大维度的所述变换向量将其余的所述变换向量的维度进行扩张，以使每一个所述变换向量的维度相同；/n计算多个所述变换向量两两之间的余弦距离，并根据所述余弦距离确定待对比模型的相似度。/n

【技术特征摘要】
1.一种模型的相似度对比方法，其特征在于，包括以下步骤：
获取待对比的多个模型的参数，以根据所述参数构建与每一个所述模型相对应的有向图；
计算每一个所述有向图的从第一层到最后一层的变换向量；
根据最大维度的所述变换向量将其余的所述变换向量的维度进行扩张，以使每一个所述变换向量的维度相同；
计算多个所述变换向量两两之间的余弦距离，并根据所述余弦距离确定待对比模型的相似度。


2.如权利要求1所述的方法，其特征在于，获取待对比的多个模型的参数，以根据所述参数构建与每一个所述模型相对应的有向图，进一步包括：
获取结点集合以及边集合；
根据所述结点集合中的每一个结点和所述边集合中的每一个边构建有向图。


3.如权利要求1所述的方法，其特征在于，获取待对比的多个模型的参数，以根据所述参数构建与每一个所述模型相对应的有向图，进一步包括：
获取模型的层连接关系、每一层的卷积核的大小、步长参数以及维度扩充参数；
根据所述每一层的卷积核的大小确定每一层的结点的数量，以及根据所述步长参数以及维度扩充参数确定所述模型的输入层的结点与所述模型的第一卷积层的结点之间的连接关系；
利用所述层连接关系、所述每一层的结点、所述输入层的结点与所述第一卷积层的结点之间的连接关系以及其他层的结点之间默认的全连接关系构建所述有向图。


4.如权利要求1所述的方法，其特征在于，计算每一个所述有向图的从第一层到最后一层的变换向量，进一步包括：
计算每一层之间的邻接矩阵；
将所有的所述邻接矩阵相乘得到变换矩阵，并将所述变换矩阵转换为变换向量。


5.如权利要求4所述的方法，其特征在于，计算每一层之间的邻接矩阵，进一步包括：
所述邻接矩阵中每一个元素的取值通过确定；
其中，e＝<u,v>表示从结点u到节点v的...

【专利技术属性】
技术研发人员：张潇澜，李峰，张清，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：江苏;32