[发明专利]一种深度学习网络的网络结构确定方法及装置

说明书

本发明实施例提供了一种深度学习网络的网络结构确定方法及装置，其中，该深度学习网络的网络结构确定方法包括：针对深度学习网络中的指定网络层，获取处理器中寄存器的寄存器位宽，以及输入量中元素的元素位宽；根据寄存器位宽、元素位宽，以及寄存器位宽、元素位宽与网络层的规格参数所满足的预设关系式，确定指定网络层的规格参数；根据指定网络层的规格参数，确定深度学习网络的网络结构。通过本方案可以提高部署后的深度学习网络的运行效率。

技术领域

本发明涉及机器学习技术领域，特别是涉及一种深度学习网络的网络结构确定方法及装置。

背景技术

近年来，随着互联网与计算机技术的迅猛发展，深度学习作为机器学习研究中的一个新领域，其动机在于建立、模拟人脑进行分析学习的神经网络，通过模仿人脑的机制来解析数据，深度学习网络能够用更多的数据或是更好的算法来提高学习算法的结果准确度，在处理大数据集上具有较好的运算效果。因此，深度学习算法已经成为当前学术界和工业界的研究热点。但是，由于深度学习特别是卷积深度学习网络中网络训练和部署都需要巨大的计算量，使得网络训练和部署的过程复杂、耗时大。

针对上述问题，相关的深度学习网络中，提出了通过优化输入数据或优化训练流程来减少网络训练和部署的计算量，以提高网络训练和部署效率的方法，以及通过优化多个处理器上的任务分配来提高网络的训练和部署效率的方法。但是，每个网络层的规格参数，即每个网络层的滑窗尺寸、每个网络层的输入通道数都是根据技术人员的经验进行设计的，导致深度学习网络的网络结构适应性较差，从而使得部署后的深度学习网络的运行效率仍然较低。

发明内容

本发明实施例的目的在于提供一种深度学习网络的网络结构确定方法及装置，以提高部署后的深度学习网络的运行效率。具体技术方案如下：

第一方面，本发明实施例提供了一种深度学习网络的网络结构确定方法，所述方法包括：

针对深度学习网络中的指定网络层，获取处理器中寄存器的寄存器位宽，以及所述输入量中元素的元素位宽，其中，所述处理器用于运行深度学习网络，所述寄存器用于存储所述指定网络层待运算的输入量；

根据所述寄存器位宽、所述元素位宽，以及预设关系式，确定所述指定网络层的规格参数，其中，所述预设关系式为寄存器位宽、元素位宽与网络层的规格参数所满足的关系式；

根据所述指定网络层的规格参数，确定所述深度学习网络的网络结构。

第二方面，本发明实施例提供了一种深度学习网络的网络结构确定装置，所述装置包括：

获取模块，用于针对深度学习网络中的指定网络层，获取处理器中寄存器的寄存器位宽，以及所述输入量中元素的元素位宽，其中，所述处理器用于运行深度学习网络，所述寄存器用于存储所述指定网络层待运算的输入量；

规格参数确定模块，用于根据所述寄存器位宽、所述元素位宽，以及预设关系式，确定所述指定网络层的规格参数，其中，所述预设关系式为寄存器位宽、元素位宽与网络层的规格参数所满足的关系式；

网络结构确定模块，用于根据所述指定网络层的规格参数，确定所述深度学习网络的网络结构。

第三方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信；

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述存储器上所存放的程序时，实现第一方面所述的方法步骤，所述处理器中包括寄存器，其中，所述寄存器，用于存储待运算的输入量。

第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法步骤。