申请/专利权人:慧之安信息技术股份有限公司
申请日:2023-12-28
公开(公告)日:2024-03-22
公开(公告)号:CN117744744A
主分类号:G06N3/082
分类号:G06N3/082;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明提供基于模型特征学习的神经网络模型动态剪枝方法和系统,将完成训练的基准神经网络模型存储至云端平台,将云端平台存储的所有基准神经网络模型生成为调用顺序队列,便于为进行模型剪枝提供多样化的模型剪枝分析;通过调用相应的基准神经网络模型分析待剪枝神经网络模型的模型特征信息,得到允许压缩优化的模型信息,为对模型剪枝提供全面可靠的参照;还对待剪枝神经网络模型进行剪枝训练处理,得到已经压缩优化的模型信息;再基于允许压缩优化的模型信息和已经压缩优化的模型信息的差异,进行二次剪枝处理,得到完成剪枝神经网络模型,通过对照方式进行模型剪枝,提高模型剪枝的效率和可靠性,避免模型剪枝后模型精度发生损失。
主权项:1.基于模型特征学习的神经网络模型动态剪枝方法,其特征在于,包括:对基准神经网络模型进行训练,将完成训练的基准神经网络模型上传至云端平台进行存储;对所述云端平台存储的所有基准神经网络模型进行识别,确定所有基准神经网络模型的调用顺序队列;获取待剪枝神经网络模型的模型特征信息,通过从所述云端平台调用的基准神经网络模型对所述模型特征信息进行分析处理,得到所述待剪枝神经网络模型进行剪枝操作过程中允许压缩优化的模型信息;对所述待剪枝神经网络模型进行剪枝训练处理,得到所述待剪枝神经网络模型已经压缩优化的模型信息;基于所述允许压缩优化的模型信息和所述已经压缩优化的模型信息之间的差异,对所述待剪枝神经网络模型进行二次剪枝处理,得到完成剪枝神经网络模型;再对所述完成剪枝神经网络模型进行模型收敛训练处理后,上传至所述云端平台进行存储。
全文数据:
权利要求:
百度查询: 慧之安信息技术股份有限公司 基于模型特征学习的神经网络模型动态剪枝方法和系统
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。