模型搜索方法及相关产品技术

本申请实施例公开了一种模型搜索方法及相关产品，方法包括：确定预设模型对应的上采样胞体和下采样胞体，其中，所述上采样胞体和/或所述下采样胞体包括多个特征层；确定所述上采样胞体和所述下采样胞体中每一所述特征层分别对应的第一混合操作和第二混合操作；在对所述预设模型进行搜索训练时，对所述第一混合操作中包括的多个预选操作进行搜索，得到第一目标操作；对所述第二混合操作中包括的多个预选操作进行搜索，得到第二目标操作；根据所述第一目标操作和所述第二目标操作，确定目标模型。采用本申请实施例有利于减少显存占用，从而有利于减少计算量，并有利于搜索更大更复杂的神经网络。的神经网络。的神经网络。

【技术实现步骤摘要】
模型搜索方法及相关产品


[0001]本申请涉及电子设备
，具体涉及一种模型搜索方法及相关产品。

技术介绍

[0002]随着深度学习技术的进步，神经网络算法在图像去噪的应用日益广泛。神经网络搜索算法的诞生降低了人工设计神经网络的复杂度，但是同样的也引入了新的问题。目前，大部分的神经网络算法在搜索过程中计算量较大，并且在搜索过程中占用设备显存较大。

技术实现思路

[0003]本申请实施例提供了一种模型搜索方法及相关产品，有利于减少显存占用，从而有利于减少计算量，并有利于搜索更大更复杂的神经网络。
[0004]第一方面，本申请实施例提供一种模型搜索方法，所述方法包括：
[0005]确定预设模型对应的上采样胞体和下采样胞体，其中，所述上采样胞体和/或所述下采样胞体包括多个特征层；
[0006]确定所述上采样胞体和所述下采样胞体中每一所述特征层分别对应的第一混合操作和第二混合操作；
[0007]在对所述预设模型进行搜索训练时，对所述第一混合操作中包括的多个预选操作进行搜索，得到第一目标操作；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型搜索方法，其特征在于，所述方法包括：确定预设模型对应的上采样胞体和下采样胞体，其中，所述上采样胞体和/或所述下采样胞体包括多个特征层；确定所述上采样胞体和所述下采样胞体中每一所述特征层分别对应的第一混合操作和第二混合操作；在对所述预设模型进行搜索训练时，对所述第一混合操作中包括的多个预选操作进行搜索，得到第一目标操作；对所述第二混合操作中包括的多个预选操作进行搜索，得到第二目标操作；根据所述第一目标操作和所述第二目标操作，确定目标模型。2.根据权利要求1所述的方法，其特征在于，所述上采样胞体和/或所述下采样胞体包括：输入节点、中间节点和输出节点。3.根据权利要求1或2所述的方法，其特征在于，所述第一目标操作包括第一类型对应的第一操作、第二类型对应的第二操作和第三类型对应的第三操作；所述对所述第一混合操作中包括的多个预选操作进行搜索，得到第一目标操作，包括：确定所述第一混合操作中包括的多个预选操作中所述第一类型对应的多个第一预选操作、所述第二类型对应的多个第二预选操作和所述第三类型对应的多个第三预选操作；在所述对所述预设模型进行搜索训练时，从所述第一类型对应的多个第一预选操作中选择一个第一预选操作，并将选择得到的第一预选操作确定为所述第一操作；从所述第一类型对应的多个第二预选操作中选择一个第二预选操作，并将选择得到的第一预选操作确定为所述第二操作；从所述第一类型对应的多个第三预选操作中选择一个第三预选操作，并将选择得到的第一预选操作确定为所述第三操作。4.根据权利要求3所述的方法，其特征在于，所述多个特征层包括第一特征层、第二特征层和第三特征层；所述方法还包括：确定由所述输入节点到所述中间节点的特征层为所述第一特征层、所述输入节点到所述中间节点的特征层为所述第二特征层和所述中间节点到所述输出节点的特征层为所述第三特征层，其中，所述第一特征层用于完成所述多个第一预选操作中任一第一预选操作和/或所述第一操作，所述第二特征层用于完成所述多个第二预选操作中任一第二预选操作和/或所述第二操作，所述第三特征层用于完成所述多个第三预选操作中任一第三预选操作和/或所述第三操作。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：在每一次对所述预设模型进行搜索训练时，确定所述搜索训练时的输入数据；将所述...

【专利技术属性】
技术研发人员：郭烈强，
申请(专利权)人：哲库科技上海有限公司，
类型：发明
国别省市：