[发明专利]神经网络生成及图像处理方法和装置、平台、电子设备

权利要求书

1.一种神经网络生成方法，其特征在于，包括：

获取神经网络预期部署的硬件平台的定点运算资源信息；

将所述神经网络包括的至少一个网络单元的网络参数的值的分布调整为均匀型分布，以减小所述神经网络的网络参数的值的分布范围与所述网络参数的值的分布的均值的比；

基于样本图像数据对所述参数调整后的神经网络进行训练；

根据所述定点运算资源信息对所述训练后的神经网络中的网络参数的值进行定点化调整；

其中，所述将所述神经网络包括的至少一个网络单元的网络参数的值的分布调整为均匀型分布，包括：

根据所述神经网络中的至少一个网络单元的网络参数的值的分布的均值，确定动态阈值；

根据所述动态阈值调整所述神经网络中的至少一个网络单元的网络参数的值，以使调整后的至少一所述网络单元的各网络参数的值的分布为均匀型分布。

2.根据权利要求1所述的方法，其特征在于，所述网络单元包括至少一个网络层。

3.根据权利要求1所述的方法，其特征在于，所述根据所述神经网络中的至少一个网络单元的网络参数的值的分布的均值，确定动态阈值，包括：

确定所述至少一个网络单元中每个网络单元的网络参数在1范数下的所述网络参数的值的分布的均值；

基于所述网络参数的值的分布的均值和设定参数，确定所述动态阈值。

4.根据权利要求3所述的方法，其特征在于，所述动态阈值包括正阈值和负阈值；

所述基于所述网络参数的值的分布的均值和设定参数，确定所述动态阈值，包括：

确定所述网络参数的值的分布的均值和所述设定参数的乘积，确定所述正阈值和负阈值。

5.根据权利要求1所述的方法，其特征在于，所述根据所述动态阈值调整所述神经网络中的至少一个网络单元的网络参数的值，包括：

将取值超出所述动态阈值的所述至少一个网络单元的网络参数的值替换为所述动态阈值。

6.根据权利要求1-5任一所述的方法，其特征在于，所述根据所述定点运算资源信息对所述训练后的神经网络中的网络参数的值进行定点化调整，包括：

根据所述定点运算资源信息确定定点数的动态范围；

基于所述动态范围对所述神经网络的网络参数进行定点化调整，以使获得的所述神经网络的网络参数均落入所述动态范围。

7.根据权利要求6所述的方法，其特征在于，所述基于所述动态范围对所述神经网络的网络参数进行定点化调整，包括：

根据所述神经网络的网络参数的值，确定所述网络参数定点化表示的整数位和小数位；

根据所述整数位和小数位将所述网络参数的值进行浮点数到定点数的调整。

8.根据权利要求1-5任一所述的方法，其特征在于，所述方法还包括：

基于样本图像数据对所述网络参数定点化调整后的神经网络进行再训练；

根据所述定点运算资源信息对所述再训练后的神经网络中的网络参数的值进行定点化调整。

9.根据权利要求8所述的方法，其特征在于，所述基于样本图像数据对所述网络参数定点化调整后的神经网络进行再训练之前，还包括：

对所述网络参数定点化调整后神经网络的网络参数进行位宽扩展，获得对应所述神经网络的精度提高后的定点网络参数；

所述基于样本图像数据对所述网络参数定点化调整后的神经网络进行再训练，包括：

基于所述样本图像数据对所述包括精度提高后的定点网络参数的神经网络进行训练，多次执行本步骤直至满足预定的神经网络训练完成条件。

10.一种图像处理方法，其特征在于，包括：

获取待处理的图像和采用如权利要求1-9任一所述方法得到的神经网络；

控制部署有所述神经网络的硬件平台根据所述神经网络定点化调整后的网络参数处理所述图像，得到所述图像的处理结果。