[发明专利]深度神经网络的网络结构处理方法及相关产品

权利要求书

1.一种深度神经网络的网络结构处理方法，应用于处理设备，其特征在于，所述处理设备包括神经网络编码计算模块、进化算法模块和业务处理模块；所述方法包括：

所述业务处理模块接收业务请求，所述业务请求包括植物生长指标；

所述业务处理模块调用目标深度神经网络对所述植物生长指标进行检测，得到所述植物生长指标对应的含量值；

所述业务处理模块输出所述植物生长指标对应的含量值；

其中，所述目标深度神经网络是由所述神经网络编码计算模块及所述进化算法模块共同执行进化循环而得到的，所述进化循环的过程包括：

所述进化算法模块按照预设目标性能要求计算候选结构编码，所述候选结构编码包括候选深度神经网络包括的多个神经网络层的属性；所述预设目标性能要求是根据植物生长指标检测业务的实际需要确定的；所述神经网络层为卷积层，所述神经网络层的属性是根据植物生长指标检测业务的设计需求包括的卷积层的属性的数量来设置的；

所述进化算法模块将所述候选结构编码发送至所述神经网络编码计算模块；

所述神经网络编码计算模块接收所述进化算法模块发送的所述候选结构编码；所述候选结构编码包括首次接收到的候选结构编码和非首次接收到的候选结构编码，所述首次接收到的候选结构编码是由所述进化算法模块按照植物生长指标检测业务场景的实际设计需求生成的一个初始结构编码，所述非首次接收到的候选结构编码是由所述进化算法模块对所述初始结构编码执行一次或多次改进后得到的结构编码；

所述神经网络编码计算模块按照所述候选结构编码构建所述候选深度神经网络的网络结构；

所述神经网络编码计算模块计算所述候选深度神经网络的性能参数，并将所述候选深度神经网络的性能参数反馈至所述进化算法模块；

所述进化算法模块判断所述候选深度神经网络的性能参数是否满足所述预设目标性能要求；

若不满足，则确定所述候选深度神经网络的网络结构需要进化；

若满足，则确定所述候选深度神经网络的网络结构无需进化；

若所述候选深度神经网络的网络结构需要进化，则所述进化算法模块对所述候选结构编码进行改进，并将改进后的所述候选结构编码发送至所述神经网络编码计算模块以对所述候选深度神经网络进行进化，直至得到无需进化的目标深度神经网络为止。

2.根据权利要求1所述的方法，其特征在于，所述候选结构编码采用向量集表示，所述向量集包含至少一个向量；

所述向量集中的任一向量包括所述候选深度神经网络中任一个神经网络层的属性；所述神经网络层的属性包括以下任一种或多种：深度、宽度、幅度及维度；

所述性能参数包括计算速率和/或计算精度。

3.根据权利要求2所述的方法，其特征在于，所述神经网络编码计算模块按照所述候选结构编码构建所述候选深度神经网络的网络结构，包括：

所述神经网络编码计算模块解析所述候选结构编码对应的向量集得到至少一个向量；

所述神经网络编码计算模块按照所述至少一个向量所包括的神经网络层的属性构建所述候选深度神经网络的网络结构。

4.根据权利要求1所述的方法，其特征在于，还包括：

若所述候选深度神经网络的网络结构无需进化，则所述神经网络编码计算模块将所述候选深度神经网络确定为目标深度神经网络。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述进化算法模块对所述候选结构编码进行改进，包括：

所述进化算法模块对进化所需的算法参数进行初始化处理，所述算法参数至少包括终止标准或演化次数阈值；

所述进化算法模块按照初始化后的算法参数利用进化算法对所述候选结构编码执行进化循环；

当所述进化循环的次数达到所述演化次数阈值时，或当所述进化循环得到的目标值达到所述终止标准时，所述进化算法模块获取所述进化循环在终止时得到的目标值；

所述进化算法模块根据所述目标值生成改进后的候选结构编码。

6.根据权利要求5所述的方法，其特征在于，所述进化算法为共轭矩阵/协方差自适应进化算法。