【技术实现步骤摘要】
本申请涉及人工智能，特别涉及一种图像生成方法、神经网络的压缩方法及相关装置、设备。
技术介绍
1、随着深度学习技术的发展，神经网络(neural network，nn)、深度神经网络(deepneural networks，dnn)等机器学习模型已经被应用于各种领域中，例如，图片分类、物体检测、语音识别等。通常训练得到的机器学习模型具有大量复杂的网络结构，包含大量的模型参数，因此，机器学习模型的运行需要巨大的计算资源，难以直接应用到手机、平板电脑、车载单元(on board unit，obu)、摄像头等小型移动设备上，此时，需要对机器学习模型进行的压缩，以降低机器学习模型对计算资源需求，加速机器学习模型的运行。
2、现有的神经网络的压缩和加速算法常常基于该待压缩机器学习模型的训练样本来计算，然而，在现实生活中，真实训练样本往往受到隐私政策或法律的保护，不可被第三方获得。此外，需要被压缩的机器学习模型的结构也常常是不可见的，只有输入和输出的接口被提供。因而，在真实训练样本不可获得的情况下，大部分神经网络的压缩技术没有办法使用。...
【技术保护点】
1.一种图像生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述判别结果包括所述生成图像被预测为M个分类中每一个分类的概率，M为大于1的整数。
3.根据权利要求2所述的方法，其特征在于，所述根据所述判别结果更新所述初始图像生成器，具体包括：
4.根据权利要求2所述的方法，其特征在于，在所述根据所述判别结果更新所述初始图像生成器之前，所述方法还包括：
5.根据权利要求2所述的方法，其特征在于，所述根据所述判别结果更新所述初始图像生成器，具体包括：
6.根据权利要求2所述的方法，其特征在于...
【技术特征摘要】
1.一种图像生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述判别结果包括所述生成图像被预测为m个分类中每一个分类的概率，m为大于1的整数。
3.根据权利要求2所述的方法，其特征在于，所述根据所述判别结果更新所述初始图像生成器，具体包括：
4.根据权利要求2所述的方法，其特征在于，在所述根据所述判别结果更新所述初始图像生成器之前，所述方法还包括：
5.根据权利要求2所述的方法，其特征在于，所述根据所述判别结果更新所述初始图像生成器，具体包括：
6.根据权利要求2所述的方法，其特征在于，在所述根据所述判别结果更新所述初始图像生成器之前，所述方法还包括：
7.根据权利要求1-6任一项所述的方法，其特征在于，所述初始图像生成器为深度神经网络。
8.根据权利要求1-6任一项所述的方法，其特征在于，所述判别器是经过第一训练数据训练得到的，
9.一种神经网络的压缩方法，其特征在于，包括：
10.一种图像处理方法，其特征在于，包括：
11.一种样本生成方法，其特征在于，包括：
12.根据权利要求11所述的方法，其特征在于，所述判别结果包括所述第一生成样本被预测为m个分类中每一个分类的概率，m为大于1的整数。
13.根据权利要求12所述的方法，其特征在于，所述根据所述判别结果更新所述初始样本生成器，具体包括：
14.根据权利要求12所述的方法，其特征在于，在所述根据所述判别结果更新所述初始样本生成器之前，所述方法还包括：
15.根据权利要求12所述的方法，其特征在于，所述根据所述判别结果更新所述初始样本生成器，具体包括：
16.根据权利要求12所述的方法，其特征在于，在所述根据所述判别结果更新所述初始样本生成器之前，所述方法还包括：
17.根据权利要求11-16任一项所述的方法，其特征在于，所述初始样本生成器为深度神经网络。
18.根据权利要求11-16任一项所述的方法，其特征在于，所述判别器是经过第一训练数据训练得到的，所述第一训练数据包括真实样本和该真实样本对应的分类。
19.一种神经网络的压缩方法，其特征在于，包括：
20.一种数据处理方法，其特征在于，包括：
21.一种图像生成装置，其特征在于，包括：存储器和处理器，所述存储器...
【专利技术属性】
技术研发人员：陈汉亭，王云鹤，刘传建，韩凯，许春景，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。