[发明专利]一种机器学习模型的编码解码方法与装置

权利要求书

1.一种机器学习模型的编码解码方法，其特征在于，包括以下步骤：

采集原始数据并对所述原始数据进行抽样；

使用模型生成器将所述原始数据的抽样结果编码为模型编码；

使用模型解码器将所述模型编码解码为有效模型；

使用所述原始数据训练所述有效模型；

其中，将所述模型编码解码为所述有效模型包括：

对所述模型编码使用cell结构搜索，生成第一编码结果；

根据所述原始数据对所述第一编码结果使用nasnet结构搜索，生成第二编码结果；

解码所述第二编码结果获得所述有效模型。

2.根据权利要求1所述的方法，其特征在于，所述第一编码结果和所述第二编码结果均为搜索空间矩阵。

3.根据权利要求2所述的方法，其特征在于，所述cell结构包括通常cell和规约cell，每个cell包括多个数据块，每个数据块各自包括约束条件信息、深度学习操作信息、和拼接操作信息。

4.根据权利要求3所述的方法，其特征在于，所述第一编码结果为10*40的搜索空间矩阵，每个cell包括5个数据块，每个数据块为1*40的矩阵，其中约束条件信息占据两个1*6，深度学习操作信息占据两个1*13，拼接操作信息占据一个1*2。

5.根据权利要求3所述的方法，其特征在于，所述规约cell的维度小于所述通常cell，所述规约cell的通道数大于所述通常cell。

6.根据权利要求1所述的方法，其特征在于，所述第二编码结果为模型层数*3的搜索空间矩阵，所述第二编码结果的三列分别表示通常cell、规约cell、和不存在。

7.根据权利要求1所述的方法，其特征在于，根据所述原始数据对所述第一编码结果使用nasnet结构搜索包括：根据所述原始数据的图像形式对所述第一编码结果使用nasnet结构搜索。

8.一种机器学习模型的编码解码装置，其特征在于，包括：

至少一个处理器；和

存储器，存储有处理器可运行的程序代码，其中所述程序代码在由所述处理器运行时执行如权利要求1-7中任意一项所述的方法。

9.一种机器学习方法，其特征在于，包括以下步骤：

使用如权利要求1-7中任意一项所述的方法生成多个有效模型；

确定每个所述有效模型的精度指标和模型复杂度；

根据每个所述有效模型的精度指标和模型复杂度确定一个最优模型；

使用所述最优模型作为学习对象进行机器学习。