多任务深度学习网络及其产生方法技术

本发明专利技术提供一种多任务深度学习网络及其产生方法。多任务深度学习网络的产生方法包括：建立至少一共享层，共享层用以接收多个输入信息并产生多个处理后特征信息；建立多组特定任务层，所述多组特定任务层根据所述多个处理后特征信息以分别计算产生分别对应多个不同任务的多组输出信息；以及，根据电子装置的电源供应状态以分阶启动所述多组特定任务层的至少其中之一。的至少其中之一。的至少其中之一。

【技术实现步骤摘要】
多任务深度学习网络及其产生方法


[0001]本专利技术涉及一种多任务深度学习网络及其产生方法，特别是涉及一种可根据电力供应状态来进行运作的多任务深度学习网络及其产生方法。

技术介绍

[0002]在公知
中，多任务深度学习网络常利用多个独立的网络来执行不同的任务。在这样的条件下，执行多任务深度学习网络的电子装置，需要利用复杂的电路来进行任务的相关运算，造成电力的浪费。此外，在低供应电源的情况下，多任务深度学习网络也可能因为电力不足而无法运作，造成电子装置无法工作的现象。

技术实现思路

[0003]本专利技术是针对一种任务深度学习网络及其产生方法，可根据电源供应状态以决定所要启动的特定任务层。
[0004]根据本专利技术的实施例，多任务深度学习网络的产生方法包括：建立至少一共享层，共享层用以接收多个输入信息并产生多个处理后特征信息；建立多组特定任务层，所述多组特定任务层根据所述多个处理后特征信息以分别计算产生分别对应多个不同任务的多组输出信息；以及，根据电子装置的电源供应状态以分阶启动所述多组特定任务层的至少其中之一。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多任务深度学习网络的产生方法，其特征在于，包括：建立至少一共享层，所述至少一共享层用以接收多个输入信息并产生多个处理后特征信息；建立多组特定任务层，所述多组特定任务层根据所述多个处理后特征信息以分别计算产生分别对应多个不同任务的多组输出信息；以及根据电子装置的电源供应状态以分阶启动所述多组特定任务层的至少其中之一。2.根据权利要求1所述的产生方法，其特征在于，产生所述多组特定任务层分别具有多个需求条件，所述多个需求条件的每一包括电力消耗需求、计算能力需求以及硬件资源需求的至少其中之一，所述多个需求条件并分别对应多个优先度。3.根据权利要求2所述的产生方法，其特征在于，所述多组特定任务层中对应最高优先度者，具有最低电力消耗需求、最低计算能力需求以及最低硬件需求的至少其中之一。4.根据权利要求2所述的产生方法，其特征在于，根据电子装置的电源供应状态以分阶启动所述多组特定任务层的至少其中之一的步骤包括：基于所述电子装置的所述电源供应状态，根据所述多个优先度以及所述多个需求条件以开启所述多组特定任务层的至少其中之一。5.根据权利要求1所述的产生方法，其特征在于，建立所述多组特定任务层的步骤包括：建立多个运算器对应的多个功率消耗信息；针对所述多组特定任务层的每一者，根据对应的准确度需求以及所述多个功率消耗信息，基于最小总功率消耗以挑选所述多个运算器中的多个来建立选中模型；根据选中模型执行网络权重稀疏性分析以及利用率评估来优化网络剪枝，以产生硬件感知模型；以及根据所述硬件感知模型来产生所述多组特定任务层的每一者。6.根据权利要求5所述的产生方法，其特征在...

【专利技术属性】
技术研发人员：潘柔允，陈亘志，
申请(专利权)人：扬智科技股份有限公司，
类型：发明
国别省市：