[发明专利]一种神经网络结构确定方法及其装置

权利要求书

1.一种神经网络结构确定方法，其特征在于，所述方法包括：

获取待训练的初始神经网络，所述初始神经网络包括M个第一结构块block和第二block，所述第二block与每个第一block连接，且所述每个第一block对应一个目标权重，所述第二block用于根据M个第一输出，进行所述第二block对应的运算；其中，所述M个第一输出由所述每个第一block的输出分别与对应的目标权重进行乘积运算得到，所述目标权重为可训练的权重，所述M为大于1的整数；

对所述初始神经网络进行模型训练，以获取更新后的M个目标权重；

根据所述更新后的M个目标权重，更新所述初始神经网络中所述第二block与所述M个第一block的连接关系，以获取第一神经网络；其中，所述第一神经网络中的第二block用于根据所述更新后的M个目标权重中最大的N个目标权重对应的N个第一block的输出，进行所述第二block对应的运算，所述N小于所述M。

2.根据权利要求1所述的方法，其特征在于，所述初始神经网络中的所述M个第一block以及第二block依次形成串行连接，且所述第二block为所述串行连接的终点，所述初始神经网络中的所述M个第一block包括目标block，所述目标block在所述串行连接上与所述第二block连接，在所述目标block对应的更新后的目标权重不属于所述更新后的M个目标权重中最大的N个目标权重的情况下，所述第一神经网络中的第二block还用于根据所述目标block的输出，进行所述第二block对应的运算。

3.根据权利要求2所述的方法，其特征在于，所述N为1。

4.根据权利要求1至3任一所述的方法，其特征在于，所述对所述初始神经网络进行模型训练，以获取更新后的M个目标权重，包括：

对所述初始神经网络进行第一预设迭代次数的模型训练，以获取更新后的M个目标权重。

5.根据权利要求1至4任一所述的方法，其特征在于，所述方法还包括：

对所述第一神经网络进行模型训练，直至所述第一神经网络的数据处理精度满足预设条件或模型训练的迭代次数达到第二预设迭代次数，以得到第二神经网络。

6.根据权利要求1至5任一所述的方法，其特征在于，所述M个第一block的每个第一block的输入和输出的通道数与所述第二block的输入和输出的通道数相同。

7.根据权利要求1至6任一所述的方法，其特征在于，所述初始神经网络中的所述第二block用于根据所述M个第一输出的加和结果，进行所述第二block对应的运算；

所述第一神经网络中的第二block用于根据所述更新后的M个目标权重中最大的N个目标权重对应的第一block的输出的加和结果，进行所述第二block对应的运算。

8.根据权利要求1至7任一所述的方法，其特征在于，所述方法还包括：

获取待训练的数据，所述待训练的数据包括如下的至少一种：图像数据、文字数据以及语音数据；相应的，所述对所述初始神经网络进行模型训练，包括：

根据所述待训练的数据，对所述初始神经网络进行模型训练。