[发明专利]神经网络架构的选择方法及装置

权利要求书

1.一种神经网络架构的选择方法，其特征在于，由计算机设备执行，所述方法包括：

获取第t代架构种群R_t，所述架构种群R_t中包括架构种群P_t和架构种群Q_t，所述架构种群Q_t是所述架构种群P_t经处理后得到的，所述架构种群P_t和所述架构种群Q_t中包含的神经网络架构数量均为n，所述t为正整数且所述t的初始值为1，所述n为正整数；

对所述架构种群R_t中包含的神经网络架构进行非支配排序，得到k个不同秩的个体组，所述k为大于1的正整数；

按照所述秩从小到大的顺序，从所述k个个体组中依次选出i个个体组，其中，所述i个个体组中包含的神经网络架构总数大于或等于所述n，且i-1个个体组中包含的神经网络架构总数小于所述n；

对于所述第i个个体组中的第j个神经网络架构，根据所述第j个神经网络架构在每个目标下的拥挤距离，以及每个目标对应的权重，计算所述第j个神经网络架构在多个目标下的加权拥挤距离；

根据所述第i个个体组中各个神经网络架构的所述加权拥挤距离，从所述第i个个体组中选取m个神经网络架构，所述m为所述n与所述i-1个个体组中包含的神经网络架构总数的差值；

生成第t+1代架构种群R_t+1，所述架构种群R_t+1中包括架构种群P_t+1和架构种群Q_t+1，所述架构种群P_t+1包括所述m个神经网络架构和所述i-1个个体组中的神经网络架构，所述架构种群Q_t+1是所述架构种群P_t+1经过处理后得到的，所述架构种群Q_t+1和所述架构种群P_t+1中包含的神经网络架构数量均为所述n；

令t＝t+1，并再次从对所述架构种群R_t中包含的神经网络架构进行非支配排序，得到k个不同秩的个体组的步骤开始执行，当生成第T代架构种群R_T时，确定所述架构种群R_T为目标架构种群，所述T为预设值且为大于1的整数；

获取所述目标架构种群中各个神经网络架构的参数指标，所述参数指标包括运行速度和评估指标；

根据部署的终端的性能，从所述目标架构种群中选取目标神经网络架构，包括：从所述目标架构种群中选取所述运行速度大于速度阈值的z个神经网络架构，所述z为正整数；根据所述评估指标，从所述z个神经网络架构中选取所述目标神经网络架构，所述评估指标包括业务评估指标；其中，所述业务评估指标包括但不限于以下任一项：准确率、平均精度均值mAP、峰值信噪比PSNR、交并比IoU；

将所述目标神经网络架构部署在所述终端中。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第j个神经网络架构在每个目标下的拥挤距离，以及每个目标对应的权重，计算所述第j个神经网络架构在多个目标下的加权拥挤距离，包括：

对于所述多个目标中的目标x，将所述第i个个体组中的各个神经网络架构按照所述目标x对应的函数值进行排序，所述x为正整数；

根据所述第j个神经网络架构的相邻两个神经网络架构的所述函数值，以及排序结果中的最大值与最小值，计算所述第j个神经网络架构在所述目标x下的拥挤距离；

根据所述第j个神经网络架构在各个所述目标下的拥挤距离，以及各个所述目标对应的权重，计算所述第j个神经网络架构在所述多个目标下的加权拥挤距离。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第j个神经网络架构的相邻两个神经网络架构的所述函数值，以及排序结果中的最大值与最小值，计算所述第j个神经网络架构在所述目标x下的拥挤距离，包括：

计算所述第j个神经网络架构的相邻两个神经网络架构的所述函数值的差值；

计算所述最大值和所述最小值的差值；

将所述函数值的差值除以所述最大值和所述最小值的差值，得到所述第j个神经网络架构在所述目标x下的拥挤距离。