神经网络的压缩方法和装置、设备、介质制造方法及图纸

本实施例提供一种神经网络的压缩方法和装置、设备、介质，属于计算机应用技术领域。该方法包括：获取在硬件上运行的预设神经网络；对所述预设神经网络进行压缩处理，以生成至少两个第一压缩神经网络；获取每一所述第一压缩神经网络对应于所述硬件的硬件性能指标；计算所述预设神经网络的第一准确率和每一所述第一压缩神经网络的第二准确率；根据所述硬件性能指标、所述第一准确率、多个所述第二准确率对多个所述第一压缩神经网络进行初步筛选，得到初始神经网络集；根据预设条件对所述初始神经网络集进行二次筛选，得到目标压缩神经网络。根据硬件性能指标和准确率来指导神经网络的压缩，能够实现神经网络在多种硬件上的快速部署。部署。

【技术实现步骤摘要】
神经网络的压缩方法和装置、设备、介质


[0001]本专利技术涉及计算机应用
，具体涉及一种神经网络的压缩方法和装置、设备、介质。

技术介绍

[0002]相关技术中，神经网络压缩方法大多是基于参数数量、压缩率、每秒浮点运算次数或乘积累加运算操作数等代理指标来降低神经网络的延时、内存、功耗等硬件指标。然而，这些代理指标与延时、内存、功耗等硬件指标非单调，而且对硬件不敏感，无法满足深度神经网络应用快速部署的需求。
[0003]准确率与硬件性能指标都是神经网络压缩的关键性能，但它们之间是冲突的，且延时和内存等硬件性能指标互相之间也是冲突的，无法达到准确率和硬件性能指标之间的平衡。

技术实现思路

[0004]本申请实施例的主要目的在于提出一种神经网络的压缩方法和装置、设备、介质，能够解决压缩神经网络的硬件性能和准确率之间的冲突。
[0005]为实现上述目的，本申请实施例的第一方面提出了一种神经网络的压缩方法，包括：
[0006]获取在硬件上运行的预设神经网络；
[0007]对所述预设神经网络进行压缩处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种神经网络的压缩方法，其特征在于，包括：获取在硬件上运行的预设神经网络；对所述预设神经网络进行压缩处理，以生成至少两个第一压缩神经网络；获取每一所述第一压缩神经网络对应于所述硬件的硬件性能指标；计算所述预设神经网络的第一准确率和每一所述第一压缩神经网络的第二准确率；根据所述硬件性能指标、所述第一准确率、多个所述第二准确率对多个所述第一压缩神经网络进行初步筛选，得到初始神经网络集；根据预设条件对所述初始神经网络集进行二次筛选，得到目标压缩神经网络。2.根据权利要求1所述的方法，其特征在于，所述根据所述硬件性能指标、所述第一准确率、多个所述第二准确率对所述第一压缩神经网络进行初步筛选，得到初始神经网络集，包括：根据所述预设神经网络的第一准确率、每一所述第一压缩神经网络的第二准确率和预设的约束参数建立每一所述第一压缩神经网络的准确率约束条件；若满足所述准确率约束条件的第一压缩神经网络的个数小于预设阈值，则根据每一所述第一压缩神经网络的准确率约束条件和每一所述第一压缩神经网络的第二准确率，对多个所述第一压缩神经网络进行排序，以得到一次排序后的第一压缩神经网络，根据预设的策略对一次排序后的所述第一压缩神经网络进行初步筛选，以得到初始神经网络集；若满足所述准确率约束条件的第一压缩神经网络的个数大于或等于所述预设阈值，则根据每一所述第一压缩神经网络的硬件性能指标和每一所述第一压缩神经网络的第二准确率，对多个所述第一压缩神经网络进行分组处理，以得到第一分组和第二分组，根据预设的第一选择策略从所述第一分组中获取第一分组压缩网络，并根据预设的第二选择策略从所述第二分组中获取第二分组压缩网络，将第一分组压缩网络和第二分组压缩网络作为初始神经网络集。3.根据权利要求2所述的方法，其特征在于，所述根据每一所述第一压缩神经网络的硬件性能指标和每一所述第一压缩神经网络的第二准确率，对多个所述第一压缩神经网络进行分组处理，以得到第一分组和第二分组，包括：根据每一所述第一压缩神经网络的硬件性能指标和每一所述第一压缩神经网络的第二准确率建立每一所述第一压缩神经网络的目标函数；根据所述硬件性能指标、所述第二准确率和所述目标函数，对所述第一压缩神经网络进行分组处理，以得到第一分组和第二分组。4.根据权利要求3所述的方法，其特征在于，所述根据预设的第一选择策略从所述第一分组中获取第一分组压缩网络，包括：根据所述第一分组对应的所述目标函数，对满足所述准确率约束条件的所述第一压缩神经网络进行排序，以得到二次排序后的第一压缩神经网络；根据所述第一选择策略从二次排序后的所述第一压缩神经网络中获取对应的第一分组压缩神经网络。5.根据权利要求3所述的方法，其特征在于，所述根据预...

【专利技术属性】
技术研发人员：洪文静，李皈颖，杨鹏，唐珂，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：