[发明专利]一种基于神经网络的调整方法、装置及设备

说明书

本发明实施例提供了一种基于神经网络的调整方法、装置及设备，方法包括：利用推理引擎的组件，对待调整的神经网络进行多次调整，每次调整后，将输入数据输入至调整后的神经网络，得到输出数据，将每次得到的输出数据进行对比，确定最优次输出数据对应的调整后的神经网络；最优次输出数据对应的调整后的神经网络，也就是最适应该输入数据的神经网络，因此，利用本方案，提高了神经网络对数据的适应性。

技术领域

本发明涉及机器学习技术领域，特别是涉及一种基于神经网络的调整方法、装置及设备。

背景技术

神经网络已经广泛应用于机器学习领域，利用神经网络可以对各种数据进行分析处理，比如，提取图像特征、人脸识别等等。通常情况下，对神经网络训练完成后，便可以利用该神经网络对输入数据进行处理，得到的输出数据即为处理结果。

上述方案中，神经网络训练完成后，网络中的层级、计算参数等不再改变，针对大量数据，利用同一神经网络，导致该神经网络对数据的适应性较差。

发明内容

本发明实施例的目的在于提供一种基于神经网络的调整方法、装置及设备，以提高神经网络对数据的适应性。

为达到上述目的，本发明实施例提供了一种基于神经网络的调整方法，包括：

获取待调整的神经网络及输入数据；

将所述待调整的神经网络输入推理引擎；

利用所述推理引擎的组件，对所述待调整的神经网络进行多次调整，得到每次调整后的神经网络；

针对每次调整后的神经网络，将所述输入数据输入该次调整后的神经网络，得到该次输出数据；

将每次输出数据进行对比，确定最优次输出数据对应的调整后的神经网络。

可选的，在所述获取待调整的神经网络及输入数据之后，还可以包括：

根据预先获取的配置信息，对所述输入数据进行调整，得到调整后的输入数据；

所述针对每次调整后的神经网络，将所述输入数据输入该次调整后的神经网络，得到该次输出数据，可以包括：

针对每次调整后的神经网络，将所述调整后的输入数据输入该次调整后的神经网络，得到该次输出数据。

可选的，所述根据预先获取的配置信息，对所述输入数据进行调整，得到调整后的输入数据，可以包括：

根据预先获取的配置信息，对所述输入数据进行以下至少一种调整，得到调整后的输入数据：

对所述输入数据进行数据类型调整；

对所述输入数据进行分辨率调整；

对所述输入数据进行拼帧处理。

可选的，在所述利用所述推理引擎的组件，对所述待调整的神经网络进行多次调整，得到每次调整后的神经网络之前，还可以包括：

在推理引擎的组件中，确定适用于所述待调整的神经网络的多个组件；其中，所述推理引擎的组件包括以下三种组件中至少一种：

对神经网络的批处理数据量进行调整的组件；对神经网络层级进行融合的组件；对神经网络运算单元进行调整的组件；

若确定出不同种类的组件，则将所述不同种类的组件进行组合，得到多个组件组合；

所述利用所述推理引擎的组件，对所述待调整的神经网络进行多次调整，得到每次调整后的神经网络，包括：

每次利用一个组件组合对所述待调整的神经网络进行调整，得到每次调整后的神经网络。