【技术实现步骤摘要】
本公开涉及深度学习，具体涉及一种精度损失定位方法、装置及设备。
技术介绍
1、深度学习模型在从一个框架迁移至另一个框架的过程中，比如从训练框架（如pytorch）迁移至推理引擎（如tensorrt），模型精度可能会发生损失。然而，精度损失可能会导致模型在生产环境中的性能显著下降。例如，在自动驾驶场景中，若目标检测模型的量化精度不足，可能导致障碍物识别准确率降低，进而引发安全隐患；在医疗影像诊断中，微小的精度偏差可能直接影响病灶定位的准确性。
2、因此，如何精准且高效地定位精度损失来源是模型迁移流程中的重要环节。只有快速识别问题根源，才能采取针对性修复措施，确保模型在实际应用中的可靠性与性能稳定性。
技术实现思路
1、本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
2、为此，本公开的目的在于提出一种精度损失定位方法、装置及设备，能够自动且快速实现对深度学习模型中的异常位置的定位，无需人工逐层排查模型代码或盲目调试模型参数，进而有助于缩短模型调试周期，提升模型...
【技术保护点】
1.一种精度损失定位方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一中间层输出结果和所述第二中间层输出结果，从所述多个神经网络模块中确定异常模块，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于各所述神经网络模块对应的第一系数，从所述多个神经网络模块中确定所述异常模块，包括：
4.根据权利要求1所述的方法，其特征在于，所述将所述测试数据输入所述第一模型，得到所述第一模型的第一中间层输出结果，包括：
5.根据权利要求4所述的方法，其特征在于，所述将所述测试数据输入所述第...
【技术特征摘要】
1.一种精度损失定位方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一中间层输出结果和所述第二中间层输出结果，从所述多个神经网络模块中确定异常模块，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于各所述神经网络模块对应的第一系数，从所述多个神经网络模块中确定所述异常模块，包括：
4.根据权利要求1所述的方法，其特征在于，所述将所述测试数据输入所述第一模型，得到所述第一模型的第一中间层输出结果，包括：
5.根据权利要求4所述的方法，其特征在于，所述将所述测试数据输入所述第二模型，以得到所述第二模...
【专利技术属性】
技术研发人员：赵盼盼，郑博方，王文林，乔忠良，
申请(专利权)人：北京小雨智造科技有限公司，
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。