申请/专利权人:华为技术有限公司
申请日:2019-05-22
公开(公告)日:2020-11-24
公开(公告)号:CN111985597A
主分类号:G06N3/00(20060101)
分类号:G06N3/00(20060101);G06N3/04(20060101);G06N3/12(20060101)
优先权:
专利状态码:有效-授权
法律状态:2023.10.24#授权;2020.12.11#实质审查的生效;2020.11.24#公开
摘要:本申请实施例提供模型压缩方法及装置,用于解决现有的压缩算法直接应用在生成器模型上不能取得令人满意的结果的问题,包括:对压缩前的生成器模型的网络结构进行二值编码,得到包括M个第一代生成器子模型的网络结构的第一代子群;获取每个第一代生成器子模型的网络结构的适应值;根据适应值和遗传算法,确定第N代子群中适应值最优的第N代生成器子模型的网络结构,第N代子群中M个第N代生成器子模型的网络结构的适应值的平均值与第N‑1代子群中M个第N‑1代生成器子模型的网络结构的适应值的平均值的差值小于设定值;根据压缩前的生成器模型中的网络参数和适应值最优的第N代生成器子模型的网络结构,确定压缩后的生成器模型。
主权项:1.一种模型压缩方法,其特征在于,所述方法包括:获取压缩前的生成器模型;对所述压缩前的生成器模型的网络结构进行二值编码,得到第一代子群,所述第一代子群包括M个第一代生成器子模型的网络结构,其中,每个第一代生成器子模型的网络结构对应一组固定长度的二值编码,M为大于1的正整数;获取所述每个第一代生成器子模型的网络结构的适应值;根据所述每个第一代生成器子模型的网络结构的适应值,结合遗传算法,确定第N代子群中适应值最优的第N代生成器子模型的网络结构,N为大于1的正整数,其中,所述第N代子群包括M个第N代生成器子模型的网络结构,每个第N代生成器子模型的网络结构对应一组所述固定长度的二值编码,所述M个第N代生成器子模型的网络结构的适应值的平均值与第N-1代子群中M个第N-1代生成器子模型的网络结构的适应值的平均值的差值小于设定值;根据所述压缩前的生成器模型中的网络参数和所述适应值最优的第N代生成器子模型的网络结构,确定压缩后的生成器模型。
全文数据:
权利要求:
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。