[发明专利]一种智能调节神经网络模型的方法

说明书

本发明涉及一种智能调节神经网络模型的方法，设置一服务端以及与服务端远程连接的用户端；服务端内预设一训练完成的具有预设压缩率的神经网络模型；用户端内包括需要应用神经网络模型处理数据的应用程序；方法具体包括：步骤S1，服务端将神经网络模型发送至用户端，用户端应用神经网络模型，通过应用程序对数据进行处理；步骤S2，用户端在预设时段内判断数据的处理结果的正确率是否匹配神经网络模型当前的压缩率：若不匹配，则用户端调整神经网络模型的压缩率，随后转向下一个预设时段，并返回步骤S2；若匹配，则用户端保持神经网络模型当前的压缩率不变，随后退出。可以有效的节省存储器的空间和降低使用神经网络功能时的功耗。

技术领域

本发明涉及神经网络模型领域，尤其涉及一种智能调节神经网络模型的方法。

背景技术

边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据；对物联网而言，边缘计算技术取得突破，意味着许多控制将通过本地设备实现而无需交由云端，处理过程将在本地边缘计算层完成。这无疑将大大提升处理效率，减轻云端的负荷。由于更加靠近用户，还可为用户提供更快的响应，将需求在边缘端解决；边缘设备其存储器所能存储的数据容量往往比较小，因此将边缘计算AI软件、神经网络模型在边缘设备中广泛的部署，其软件的容量大小往往成为一个重要问题。

发明内容

本发明的目的在于，提供一种智能调节神经网络模型的方法，解决以上技术问题。

本发明所解决的技术问题可以采用以下技术方案来实现：

一种智能调节神经网络模型的方法，其特征在于，设置一服务端以及与所述服务端远程连接的用户端；

于所述服务端内预设有一训练完成的神经网络模型，所述神经网络模型具有预设的压缩率；

于所述用户端内包括需要应用所述神经网络模型处理数据的应用程序；

所述方法具体包括：

步骤S1，所述服务端将所述神经网络模型发送至所述用户端，所述用户端应用所述神经网络模型，通过所述应用程序对数据进行处理；

步骤S2，所述用户端在预设时段内判断数据的处理结果的正确率是否匹配于所述神经网络模型当前的压缩率：

若不匹配，则所述用户端调整所述神经网络模型的压缩率，随后转向下一个预设时段，并返回所述步骤S2；

若匹配，则所述用户端保持所述神经网络模型当前的压缩率不变，随后退出。

优选地，所述步骤S2具体包括：

步骤S21a，所述用户端在当前的预设时段内判断数据的处理结果的正确率是否不低于一预设的第一更新阈值：

若是，则转向步骤S22a；

若否，则所述用户端保持所述神经网络模型当前的压缩率不变，随后退出；

步骤S22a，所述用户端对所述神经网络模型进行一次压缩，随后转向下一个所述预设时段，并转向步骤S23a；

步骤S23a，所述用户端在当前的所述预设时段内判断所述处理结果的正确率是否不低于一预设的更新阈值：

若是，则返回所述步骤S22a；

若否，则转向步骤S24a；

步骤S24a，所述用户端判断所述处理结果的正确率是否低于一预设的第一下限阈值：