[发明专利]一种前向耗时的确定方法、装置及设备

说明书

本申请提供一种前向耗时的确定方法、装置及设备，该方法包括：将待测神经网络划分为多个子网络；从多个子网络中选取至少一个子网络作为目标子网络；针对每个目标子网络，确定与所述目标子网络对应的子网络集合；子网络集合包括所述目标子网络和所述目标子网络的关联子网络，所述关联子网络为多个子网络中除所述目标子网络之外的子网络；根据子网络集合的信息获取所述目标子网络的耗时；根据每个目标子网络的耗时确定待测神经网络的前向耗时。通过本申请的技术方案，能够有效预测待测神经网络的前向耗时。

技术领域

本申请涉及机器学习领域，尤其是一种前向耗时的确定方法、装置及设备。

背景技术

机器学习是实现人工智能的一种途径，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习用于研究计算机如何模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习更加注重算法设计，使计算机能够自动地从数据中学习规律，并利用规律对未知数据进行预测。

机器学习已经有了十分广泛的应用，如深度学习、数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用等等。

神经网络是以人脑为模型的机器学习，是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法模型，神经网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。

神经网络的前向耗时，是网络结构搜索任务和网络裁剪任务的重要依据，因此，需要有效预测神经网络的前向耗时。但是，应该如何有效预测神经网络的前向耗时，在相关技术中并没有给出合理的解决方案。

发明内容

有鉴于此，本申请提供一种前向耗时的确定方法，所述方法包括：

将待测神经网络划分为多个子网络；

从所述多个子网络中选取至少一个子网络作为目标子网络；

针对每个目标子网络，确定与所述目标子网络对应的子网络集合；其中，所述子网络集合包括所述目标子网络和所述目标子网络的关联子网络，所述关联子网络为所述多个子网络中除所述目标子网络之外的子网络；

根据所述子网络集合的信息获取所述目标子网络的耗时；

根据每个目标子网络的耗时确定所述待测神经网络的前向耗时。

本申请提供一种前向耗时的确定装置，所述装置包括：

子网络集合获取模块，用于将待测神经网络划分为多个子网络；从所述多个子网络中选取至少一个子网络作为目标子网络；针对每个目标子网络，确定与所述目标子网络对应的子网络集合；其中，所述子网络集合包括所述目标子网络和所述目标子网络的关联子网络，所述关联子网络为所述多个子网络中除所述目标子网络之外的子网络；子网络耗时获取模块，用于根据所述子网络集合的信息获取所述目标子网络的耗时；耗时输出模块，用于根据每个目标子网络的耗时确定所述待测神经网络的前向耗时。

本申请提供一种前向耗时的确定设备，包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；所述处理器用于执行机器可执行指令，以实现如下步骤：

将待测神经网络划分为多个子网络；

从所述多个子网络中选取至少一个子网络作为目标子网络；

针对每个目标子网络，确定与所述目标子网络对应的子网络集合；其中，所述子网络集合包括所述目标子网络和所述目标子网络的关联子网络，所述关联子网络为所述多个子网络中除所述目标子网络之外的子网络；

根据所述子网络集合的信息获取所述目标子网络的耗时；