[发明专利]一种神经网络模型的构建方法、设备以及存储介质

权利要求书

1.一种神经网络模型的构建方法，所述神经网络模型用于实现图像的分类，所述方法包括步骤：

S1，构建单元结构搜索网络、体系结构搜索网络、图像训练集以及随机编码数组；

S2，利用单元结构搜索网络、体系结构搜索网络以及随机编码数组生成所述神经网络模型；

S3，将所述图像训练集输入所述神经网络模型以得到实际分类结果；

S4，根据所述图像训练集的理论分类来判断所述实际分类结果是否满足预设条件，若不满足，则进行步骤S5；

S5，根据所述实际分类结果以及所述理论分类来更新所述单元结构搜索网络以及所述体系结构搜索网络；

S6，重复步骤S2-S5，直到在S4得出实际分类结果满足预设条件的判断；

其中，所述步骤S2进一步包括：

S21，利用所述单元结构搜索网络和所述体系结构搜索网络对所述随机编码数组进行搜索，得到单元结构编码数组和体系结构编码数组；以及

S22，利用解码器对所述单元结构编码数组和所述体系结构编码数组进行解码，得到所述神经网络模型。

2.如权利要求1所述的方法，其特征在于，得出满足预设条件的实际分类结果的神经网络模型为最优的神经网络模型。

3.如权利要求1所述的方法，其特征在于，所述单元结构编码数组包括下降单元数组和正常单元数组。

4.如权利要求3所述的方法，其特征在于，所述下降单元数组和所述正常单元数组均包括多个数据块，其中每个数据块均包括约束条件信息、深度学习操作信息和拼接操作信息。

5.如权利要求4所述的方法，其特征在于，所述体系结构编码数组用于实现所述单元结构编码数组的深度学习操作信息的选择以及拼接操作信息的选择。

6.如权利要求1所述的方法，其特征在于，所述步骤S4进一步包括：

S41，根据所述图像训练集的理论分类计算所述实际分类结果的误差值；

S42，判断所述误差值是否小于阈值，若所述误差值大于阈值，则进行步骤S5。

7.如权利要求1所述的方法，其特征在于，所述步骤S5进一步包括：

S41，利用所述实际分类结果和所述图像训练集的理论分类计算损失函数值；

S42，利用所述损失函数值更新所述单元结构搜索网络以及所述体系结构搜索网络。

8.一种计算机设备，包括：

至少一个处理器；以及

存储器，所述存储器存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时执行如权利要求1-7任意一项所述的方法。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时执行权利要求1-7任意一项所述的方法。