[发明专利]训练深度卷积神经网络模型的方法、装置及存储介质有效
| 申请号： | 201710977989.5 | 申请日： | 2017-10-17 |
| 公开（公告）号： | CN107590534B | 公开（公告）日： | 2021-02-09 |
| 发明（设计）人： | 万韶华 | 申请（专利权）人： | 北京小米移动软件有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06K9/62 |
| 代理公司： | 北京三高永信知识产权代理有限责任公司 11138 | 代理人： | 林锦澜 |
| 地址： | 100085 北京市海淀区清河*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开是关于一种训练深度卷积神经网络模型的方法、装置及存储介质，所述方法包括：在通过梯度后向传播算法训练深度卷积神经网络模型的过程中，当深度卷积神经网络模型中目标层包括的目标节点的输出值作为下一层包括的N个节点的输入值时，在目标节点与该N个节点之间添加N个辅助节点；其中，目标层为深度卷积神经网络包括的任一层，目标节点为目标层包括的任一节点，N大于1且小于或等于下一层包括的节点的总个数；通过N个辅助节点对目标节点与该N个节点之间的权值进行训练。本公开通过添加辅助节点的方式，不需要专门为中间计算结果动态申请内存空间，使梯度后向传播算法变得简洁高效，极大的加速了深度卷积神经网络模型的训练过程。 | ||
| 搜索关键词： | 训练 深度 卷积 神经网络 模型 方法 装置 存储 介质 | ||
【主权项】：
一种训练深度卷积神经网络模型的方法，其特征在于，所述方法包括：在通过梯度后向传播算法训练深度卷积神经网络模型的过程中，当所述深度卷积神经网络模型中目标层包括的目标节点的输出值作为下一层包括的N个节点的输入值时，在所述目标节点与所述N个节点之间添加N个辅助节点；其中，所述目标层为所述深度卷积神经网络包括的任一层，所述目标节点为所述目标层包括的任一节点，所述N大于1且小于或等于所述下一层包括的节点的总个数；通过所述N个辅助节点对所述目标节点与所述N个节点之间的权值进行训练。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京小米移动软件有限公司，未经北京小米移动软件有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710977989.5/，转载请声明来源钻瓜专利网。
- 上一篇：发热件散热器及包括其的空调器
- 下一篇：一种便于散热的电器柜
