[发明专利]神经网络的测试方法、装置、计算机设备及存储介质

说明书

本公开提供了一种神经网络的测试方法、装置、计算机设备及存储介质，其中，该方法包括：获取待部署神经网络、以及与所述待部署神经网络对应的标准网络；在所述待部署神经网络的硬件环境下，利用所述待部署神经网络对第一验证数据进行处理，得到所述待部署神经网络的各个网络层分别对应的第一结果数据；以及在测试环境下，利用所述标准网络对所述第一验证数据进行处理，得到与各个所述网络层分别对应的第二结果数据；基于所述第一结果数据和所述第二结果数据，从所述待部署神经网络中确定目标网络层。这样，通过确定目标网络层，能够针对性的对目标网络层的参数进行调整，以降低对待部署神经网络的参数进行调整所需要的耗时，提升调整的效率。

技术领域

本公开涉及神经网络技术领域，具体而言，涉及一种神经网络的测试方法、装置、计算机设备及存储介质。

背景技术

随着人工智能的发展，深度学习网络逐渐被应用于生产生活实践中。在将训练好的深度学习网络部署至嵌入式设备之前，需要对深度学习网络的参数进行进一步的调整；当前的调整方式存在耗时长、效率低的问题。

发明内容

本公开实施例至少提供一种神经网络的测试方法、装置、计算机设备及存储介质。

第一方面，本公开实施例提供了一种神经网络的测试方法，包括：获取待部署神经网络、以及与所述待部署神经网络对应的标准网络；在所述待部署神经网络的硬件环境下，利用所述待部署神经网络对第一验证数据进行处理，得到所述待部署神经网络的各个网络层分别对应的第一结果数据；以及在测试环境下，利用所述标准网络对所述第一验证数据进行处理，得到与各个所述网络层分别对应的第二结果数据；基于所述第一结果数据和所述第二结果数据，从所述待部署神经网络中确定目标网络层。

这样，可以利用与待部署神经网络对应的标准网络，从待部署神经网络中，确定导致待部署神经网络的精度出现问题的目标网络层，从而能够针对性的对目标网络层的参数进行调整，以降低对待部署神经网络的参数进行调整所需要的耗时，提升调整的效率。

一种可选的实施方式中，所述在所述待部署神经网络的硬件环境下，利用所述待部署神经网络对第一验证数据进行处理，得到所述待部署神经网络的各个网络层分别对应的第一结果数据，包括：对所述待部署神经网络进行解析，得到所述待部署神经网络中各个第一算子的算子信息；基于所述硬件环境、以及各个第一算子的算子信息，从所述待部署神经网络的第一算子中，确定所述硬件环境不支持的待替换算子；利用所述硬件环境适配的第二算子，替换所述待替换算子，生成测试神经网络；将所述第一验证数据输入至所述测试神经网络，得到所述第一结果数据。

一种可选的实施方式中，所述算子信息包括：算子类型和/或算子内参；所述对所述待部署神经网络进行解析，得到所述待部署神经网络中各个第一算子的算子信息，包括：对所述待部署神经网络对应的结构定义文件进行解析，得到所述待部署神经网络的各个网络层分别对应算子的算子类型；和/或，对所述待部署神经网络对应的模型参数文件进行解析，得到所述待部署神经网络中各个网络层分别对应算子的算子内参。

一种可选的实施方式中，基于所述第一结果数据和所述第二结果数据，从所述待部署神经网络中确定目标网络层，包括：针对所述待部署神经网络的多个网络层中每个网络层，将该网络层对应的第一结果数据反量化至与所述第二结果数据一致的比特数，得到该网络层对应的第三结果数据；确定该网络层对应的第二结果数据和第三结果数据的距离；根据多个所述网络层分别对应的距离，从多个所述网络层中，确定目标网络层。

一种可选的实施方式中，所述根据多个所述网络层分别对应的距离，从多个所述网络层中，确定目标网络层，包括：将多个网络层分别对应的距离和预设的距离阈值进行比对；将对应距离大于所述预设的距离阈值的网络层确定为备选网络层；基于各个备选网络层在所述待部署神经网络中的位置，从所述备选网络层中，确定目标网络层。

一种可选的实施方式中，所述测试方法还包括：对所述目标网络层进行调整，得到目标神经网络。