一种基于语法规则的深度神经网络自动生成方法技术

一种基于语法规则的深度神经网络自动生成方法，包括语法规则模块、安全检查模块、迭代生成模块、任务管理模块和数据处理模块。通过语法规则模块建立和更新语法规则，确保生成的深度神经网络模型的静态可用性；安全检查模块负责模拟深度神经网络模型的动态执行情况，以检查模型中的张量和拓扑关系，确保生成的深度神经网络模型的动态可用性；迭代生成模块逐层添加深度神经网络模型；任务管理模块生成和验证深度神经网络，实现对生成和验证任务的新建、查询、删除等操作；数据处理模块实现对待测框架类型和版本的新增和删除，同时对执行结果进行分析。多模块相互协同，以得到深度神经网络模型的生成报告及模型源文件，并提供测试结果预测等功能。果预测等功能。果预测等功能。

【技术实现步骤摘要】
一种基于语法规则的深度神经网络自动生成方法


[0001]本专利技术属于软件工程和深度学习领域，尤其是针对基于语法规则的深度神经网络自动生成方法在软件工程领域的应用，用于测试深度学习框架中是否存在缺陷。

技术介绍

[0002]在过去的数年里，随着人们对神经网络研究的不断深入，深度神经网络模型在医疗诊断、自动驾驶、智能合约、智慧法院等领域展现了广阔的前景。这些模型是基于设计好的逻辑结构从训练数据中学到的推理方法的表示形式。开发者们通过组合不同的层等组件实现深度学习模型的逻辑结构。
[0003]与传统软件系统相比，基于深度学习的软件系统通常涉及更多复杂的组件，如深度学习框架。深度学习框架能够屏蔽底层实现，让开发人员无需重复实现每一层的计算单元，只关注模型的逻辑结构，在简化了计算的同时，降低了深度学习入门门槛，提高了开发效率。在深度学习模型的广泛使用中，深度学习框架功不可没。深度学习框架将模型的逻辑结构中的层和其他组件的实现封装成接口，并提供给开发者使用。深度学习框架降低了深度学习模型开发的难度，使得模型的开发者们可以将更多的精力放在模型的逻辑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于语法规则的深度神经网络自动生成方法，其特征是能够基于安全检查机制判断自动生成的模型是否可用；在模型生成阶段，基于语法规则随机抽取新的层来生成新的模型。2.根据权利要求1所描述的基于安全检查机制判断自动生成的模型是否可用，其特征是：通过对开源社区中的程序源码进行静态分析，系统获取模型的动态执行步骤，模拟深度神经网络模型在使用场景下的动态行为，计算张量和拓扑关系的安全性，并同时设置张量检...

【专利技术属性】
技术研发人员：房春荣，何云，刘佳玮，顾明政，张振平，陈振宇，
申请(专利权)人：南京大学，
类型：发明
国别省市：