一种模型推荐的方法、装置和计算机设备制造方法及图纸

提供一种模型推荐的方法，该方法包括：模型推荐装置获取应用程序的代理数据集，其中，代理数据集用于评价应用程序处理数据的能力，应用程序运行于计算设备上；模型推荐装置根据代理数据集和计算设备的硬件参数推荐适合于应用程序的模型。以此为应用程序推荐适用于运行应用程序的计算设备以及使用应用程序的应用场景的模型，并且可以提高应用程序输出结果的准确性。的准确性。的准确性。

【技术实现步骤摘要】
一种模型推荐的方法、装置和计算机设备


[0001]本申请涉及人工智能(artificial intelligence，AI)
，尤其涉及一种模型推荐的方法、装置和计算机设备。

技术介绍

[0002]近年来，随着人工智能领域的发展，包括深度学习等计算机技术逐渐被应用于各行各业之中，各种神经网络模型也层出不穷。然而，不同的神经网络模型的结构之间存在较大的差异，例如，模型的层数不同，每一层的结点数量不同，每个结点的算子的类型不同或者层与层之间连接关系不同等。不同结构的神经网络模型适用于不同的应用场景，因此，在实际应用中，需要从众多的神经网络模型中选择出适合当前用户需求的模型。人工进行神经网络模型的筛选需要有很强的专业知识和工作经验，并且筛选过程中非常耗时耗力。
[0003]使用神经网络模型搜索算法可以自动根据训练数据搜索并推荐出适合于当前应用场景的神经网络模型，推荐的模型的精度也可以超过人工筛选的神经网络模型，满足用户的需求。但是当前神经网络模型推荐的技术，搜索时间较长，在搜索过程中需要消耗大量的计算资源，并且选择出的模型不一定能完全适用于当前的应用场景。因此，如何提供一种高效且能感知用户使用的设备的计算能力的模型推荐方法成为亟待解决的技术问题。

技术实现思路

[0004]本申请提供了一种模型推荐的方法、装置和计算机设备，以此提供一种高效的且能感知用户使用的设备的计算能力的模型推荐的方法，提高应用程序处理数据的能力。
[0005]第一方面，提供一种模型推荐的方法，该方法包括：获取应用程序的代理数据集，其中，代理数据集用于评价应用程序处理数据的能力，应用程序运行于计算设备上；根据代理数据集和计算设备的硬件参数推荐适合于应用程序的模型。通过上述方法，可以为应用程序推荐适用于运行应用程序的计算设备以及使用应用程序的应用场景的模型，并且可以提高应用程序输出结果的准确性。
[0006]在一种可能的实现方式中，模型推荐方法运行于第一设备上，在推荐适合于应用程序的模型之前，该方法包括：数据中心获取计算设备的硬件参数，数据中心还根据计算设备的硬件参数指定第一设备，其中，第一设备的硬件参数与计算设备的硬件参数相同。通过上述方法，用户可以直接使用另一个设备执行模型推荐方法，无需在运行应用程序的计算设备上执行模型推荐算法，减少计算设备的资源消耗。
[0007]在另一种可能的实现方法中，模型推荐方法运行于计算设备上。通过上述方法，模型推荐方法可以直接获取运行应用程序的计算设备的硬件参数。
[0008]在另一种可能的实现方法中，根据代理数据和计算设备的硬件参数推荐适合于应用程序的模型，包括：根据计算设备的硬件参数确定适合于应用程序的基本操作的集合，其中，集合包括多个基本操作；根据计算设备的硬件参数确定适合于应用程序的连接结构，其中，连接结构用于将多个基本操作组合为不同的模型；最后，根据基本操作的集合、连接结
构和代理数据集推荐适合于应用程序的模型。通过上述方法，模型推荐方法可以加快应用程序处理数据的速度，选择适合于应用程序的基本操作和连接结构组成模型。
[0009]在另一种可能的实现方法中，连接结构包括分支结构和输入结构。
[0010]在另一种可能的实现方法中，应用程序处理数据的能力，包括：应用程序处理数据的精度和处理数据的效率。
[0011]在另一种可能的实现方法中，计算设备的硬件参数，包括计算设备所包含的芯片的型号、芯片的核的数量或所述芯片的时钟频率。
[0012]第二方面，本申请提供一种模型推荐装置，模型推荐装置可以位于计算设备上也可以是一台单独的设备，所述模型推荐装置包括用于执行第一方面或第一方面任一种可能实现方式中的模型推荐方法的各个模块。
[0013]第三方面，本申请提供一种模型推荐系统，包括计算设备和模型推荐装置，计算设备用于运行应用程序。模型推荐装置可以位于计算设备上也可以是一台单独的设备，模型推荐装置用于实现如上述第一方面及第一方面任意一种可能实现方式中相应主体所执行的方法的操作步骤。
[0014]第四方面，本申请提供一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中用于存储计算机执行指令，所述计算机设备运行时，所述处理器执行所述存储器中的计算机执行指令以利用所述计算机设备中的硬件资源执行第一方面或第一方面任一种可能实现方式中所述方法的操作步骤。
[0015]第五方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面或第一方面任一种可能实现方式中所述方法的操作步骤。
[0016]第六方面，本申请提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行第一方面或第一方面任一种可能实现方式中所述方法的操作步骤。
[0017]本申请在上述各方面提供的实现方式的基础上，还可以进行进一步组合以提供更多实现方式。
附图说明
[0018]图1是本申请一个示例性实施例提供的系统架构图；
[0019]图2是本申请提供的一种模型推荐的方法的流程示意图；
[0020]图3是本申请实施例提供的一个7*7卷积操作的结构示意图；
[0021]图4是本申请实施例提供的不同实现方式的卷积算子示意图；
[0022]图5是本申请提供的一种不同分支结构的示意图；
[0023]图6是本申请提供的一种不同输入结构的示意图；
[0024]图7是本申请实施例提供的一个pareto解集的示意图；
[0025]图8是本申请实施例提供的一种确定基本操作的集合的流程示意图；
[0026]图9是本申请实施例提供的一种基本算子的连接结构的评分方法的流程示意图；
[0027]图10是本申请提供的一种基于进化的模型搜索算法的流程示意图
[0028]图11是本申请提供的一种计算R值的示意图；
[0029]图12是本实施例提供的一种变异操作的示意图；
[0030]图13是本实施例提供的一种模型推荐装置的示意图。
具体实施方式
[0031]下面结合附图对本申请实施例中的技术方案进行描述。
[0032]本申请实施例提供的模型推荐的方法，可以为用户推荐至少一个适用于处理当前应用场景并且满足计算设备的处理能力的神经网络模型，在对本申请实施例提供的模型搜索的方法介绍之前，对本申请实施例所适用的系统架构进行介绍。
[0033]图1为本申请实施例提供的一种模型推荐装置的系统100的示意图。如图所示，系统100包括计算设备110和模型推荐装置120。
[0034]计算设备110用于接收应用场景下生成的数据，并对其进行各项计算处理，可以进一步包括：数据采集装置111、处理器112以及存储器113。数据采集装置111、处理器112和存储器113通过总线连接，可以是数据总线，还可以是电源总线、控制总线和状态信号总线等，该总线也可以为其他类型实现设备内器件间连接的总本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型推荐方法，其特征在于，所述方法包括：获取应用程序的代理数据集，所述代理数据集用于评价所述应用程序处理数据的能力，所述应用程序运行于计算设备上；根据所述代理数据集和所述计算设备的硬件参数推荐适合于所述应用程序的模型。2.根据权利要求1所述模型推荐方法，其特征在于，所述模型推荐方法运行于第一设备上，在所述推荐适合于所述应用程序的模型之前，所述方法还包括：数据中心获取所述计算设备的硬件参数；所述数据中心根据所述计算设备的硬件参数指定所述第一设备，所述第一设备的硬件参数与所述计算设备的硬件参数相同。3.根据权利要求1所述模型推荐方法，其特征在于，所述模型推荐方法运行于所述计算设备上。4.根据权利要求1
‑
3任一所述模型推荐方法，其特征在于，所述根据所述代理数据和所述计算设备的硬件参数推荐适合于所述应用程序的模型，具体包括：根据所述计算设备的硬件参数确定适合于所述应用程序的基本操作的集合，所述集合包括多个基本操作；根据所述计算设备的硬件参数确定适合于所述应用程序的连接结构，所述连接结构用于将所述多个基本操作组合为不同的模型；根据所述基本操作的集合、所述连接结构和所述代理数据集推荐适合于所述应用程序的模型。5.根据权利要求4所述的模型推荐方法，其特征在于，所述连接结构包括分支结构和输入结构。6.根据权利要求1
‑
4任一所述模型推荐的方法，其特征在于，所述应用程序处理数据的能力，包括：所述应用程序处理数据的精度和处理数据的效率。7.根据权利要求1
‑
5任一所述模型推荐方法，其特征在于，所述计算设备的硬件参数，包括所述计算设备所包含的芯片的型号、芯片的核的数量或所述芯片的时钟频率。8.一种模型推荐...

【专利技术属性】
技术研发人员：魏富春，王永忠，欧阳忠清，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：