[发明专利]深度神经网络的剪枝方法、装置、终端及存储介质

说明书

本发明提供一种深度神经网络的剪枝方法、装置、终端及存储介质。该方法包括：建立电力系统边缘计算的深度神经网络；基于随机权值，根据深度神经网络，建立剪枝优化函数；求解剪枝优化函数，得到最优剪枝门值；根据最优剪枝门值和预设阈值对深度神经网络进行剪枝处理，得到目标深度神经网络。本发明能够提供基于电力边缘计算的深度神经网络剪枝方法。本发明基于随机权值，不需要进行现有技术中的与训练权值和微调等复杂的预处理过程，可以应用于计算能力弱和存储能力差的电力边缘计算设备上，且提高了深度神经网络的剪枝方法的运行稳定度和效率。

技术领域

本发明涉及神经网络优化技术领域，尤其涉及一种深度神经网络的剪枝方法、装置、终端及存储介质。

背景技术

随着智能电网地不断发展和电力物联网地持续进步，大量的传感、通讯和计算设备被安装在网络的边缘，共同构成了虚拟网络和实际网络结合的复杂电网。边缘网络通过传感器、控制器等边缘设备来实时监督或控制对象，为电网的智能运行提供可靠的依据。在靠近对象或数据源边缘的网络边缘，集成网络、计算、存储和应用核心能力的一个边缘计算的开放平台。边缘计算的价值取决于基于边缘计算的关键应用场景，只有通过应用才能发现边缘计算在发展中遇到的各种挑战和机遇。

在电力系统中，深度神经网络广泛应用于负荷预测、电价预测等领域。然而深度神经网络的结构复杂，导致其计算负担往往较重。电力系统的边缘计算设备的计算能力交叉，且存储能力较弱，因此随着深度神经网络在电力系统移动设备上的广泛部署，对减少模型复杂度和运行延迟的需求越来越大。但是现有技术中还没有可以稳定运行在电力系统上进行电力边缘计算的深度神经网络。

发明内容

本发明实施例提供了一种深度神经网络的剪枝方法、装置、终端及存储介质，以解决现有技术中没有可以稳定运行在电力系统上进行电力边缘计算的深度神经网络的问题。

第一方面，本发明实施例提供了一种深度神经网络的剪枝方法，包括：

建立电力系统边缘计算的深度神经网络；

基于随机权值，根据所述深度神经网络，建立剪枝优化函数；

求解所述剪枝优化函数，得到最优剪枝门值；

根据所述最优剪枝门值和预设阈值对所述深度神经网络进行剪枝处理，得到目标深度神经网络。

在一种可能的实现方式中，所述建立电力系统边缘计算的深度神经网络，包括：

根据不同的电力场景建立电力系统边缘计算对应的深度神经网络；其中电力场景至少包括电表误差分析、电力负荷预测和风电功率预测。

在一种可能的实现方式中，所述基于随机权值，根据所述深度神经网络，建立剪枝优化函数，包括：

设置随机权值；

根据所述随机权值和所述深度神经网络，建立初始剪枝优化函数；

根据所述初始剪枝优化函数中的标量门值和预设比例参数，确定正则项；

根据所述正则项更新所述初始剪枝优化函数，得到目标剪枝优化函数。

在一种可能的实现方式中，所述初始剪枝优化函数为