[发明专利]神经网络训练方法、装置、电子设备及存储介质

权利要求书

1.一种神经网络训练方法，其特征在于，包括：

获取待剪裁神经网络，以及目标神经网络的目标网络参数信息；

分别对所述待剪裁神经网络中的多个第一网络层中的通道进行剪裁，得到过剪裁神经网络；所述过剪裁神经网络的总参数量和/或运行耗时小于所述目标网络参数信息中的总参数量和/或运行耗时；

分别确定所述过剪裁网络中每个第二网络层对所述过剪裁神经网络的检测精度的影响程度信息；

基于所述目标网络参数信息和每个第二网络层对应的所述影响程度信息，增加至少一个第二网络层中的通道，得到目标神经网络。

2.根据权利要求1所述的方法，其特征在于，分别对所述待剪裁神经网络中的多个第一网络层中的通道进行剪裁，得到过剪裁神经网络，包括：

获取过剪裁尺度信息；所述过剪裁尺度信息包括以下至少一项：过剪裁参数量、过剪裁耗时；

基于所述目标网络参数信息和所述过剪裁尺度信息，确定剪裁网络参数信息；所述剪裁网络参数信息包括以下至少一项：所述过剪裁神经网络的总参数量、所述过剪裁神经网络的运行耗时；

基于所述剪裁网络参数信息，分别对所述待剪裁神经网络中的多个第一网络层中的通道进行剪裁，得到过剪裁神经网络。

3.根据权利要求2所述的方法，其特征在于，所述基于所述目标网络参数信息和所述过剪裁尺度信息，确定剪裁网络参数信息，包括：

计算所述目标神经网络的总参数量减去所述过剪裁参数量的第一差值，并将所述第一差值作为所述过剪裁神经网络的总参数量；和/或

计算所述目标神经网络的运行耗时减去所述过剪裁耗时的第二差值，并将所述第二差值作为所述过剪裁神经网络的运行耗时。

4.根据权利要求3所述的方法，其特征在于，各个第一网络层的第一网络参数信息包括以下至少一项：该第一网络层的总参数量；该第一网络层的运行耗时；

分别对所述待剪裁神经网络中的多个第一网络层中的通道进行剪裁，得到过剪裁神经网络，包括：

基于所述过剪裁神经网络的总参数量和/或所述过剪裁神经网络的运行耗时，以及，所述待剪裁神经网络中的每个第一网络层的总参数量和/或所述待剪裁神经网络中的每个第一网络层的运行耗时，分别对多个第一网络层中的通道进行剪裁，得到过剪裁神经网络。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述分别确定所述过剪裁网络中每个第二网络层对所述过剪裁神经网络的检测精度的影响程度信息，包括：

获取所述过剪裁神经网络的训练样本；

利用所述过剪裁神经网络中每个通道对所述过剪裁神经网络的检测精度的精度影响参数，构造损失函数；

利用训练样本对所述过剪裁神经网络进行训练，直至满足训练截止条件；

根据训练完成时的过剪裁神经网络的损失函数的值，确定所述过剪裁神经网络中每个通道对所述过剪裁神经网络的检测精度的精度影响值；

基于得到的精度影响值，分别确定所述过剪裁网络中每个第二网络层对所述过剪裁神经网络的检测精度的影响程度信息。

6.根据权利要求5所述的方法，其特征在于，所述基于得到的精度影响值，分别确定所述过剪裁网络中每个第二网络层对所述过剪裁神经网络的检测精度的影响程度信息，包括：

针对所述过剪裁网络中每个第二网络层，从得到的每个通道对应的精度影响值中，筛选该第二网络层所包括的各个通道对所述过剪裁神经网络的检测精度的精度影响值，计算筛选的精度影响值的和，并将得到的和作为该第二网络层对所述过剪裁神经网络的检测精度的影响程度信息。