[发明专利]人工智能平台的配置参数的管理方法和装置

说明书

本申请公开了一种人工智能平台的配置参数的管理方法和装置。所述方法包括：获取automl平台上基于nasnet的网络结构在预先设置的数据集的性能评价指标；利用预先设置的至少两个参数生成策略对所述性能评价指标进行处理，得到至少两组automl参数，其中所述automl参数用于生成新的网络结构；按照预先设置的automl参数的确定策略，利用所述至少两组automl参数，确定目标automl参数；利用所述目标automl参数，对所述基于nasnet的网络结构进行下一次迭代操作。

技术领域

本申请涉及信息处理领域，尤指一种人工智能平台的配置参数的管理方法和装置。

背景技术

在人工智能的时代，automl是一款人工智能平台。该平台基于nasnet的网络结构搜索平台执行搜索。其中，搜索操作采用迭代的方法，包括：首先，初始化一种nasnet的网络结构，然后使用数据集进行训练，得到该网络结构在此数据集的性能评价指标，然后使用该性能指标进行更新automl的参数，使用新的automl产生新的网络结构，进入下一个迭代。

上述迭代的方法中的更新策略分为两种，包括：

一种是基于强化学习(reforce learning)进行更新的，在nasnet中具体使用的是基于策略梯度(policy grandient)的强化学习；

另一种是基于非强化学习，有基于复杂度递增搜索的PNAS(Progressive NeuralArchitecture Search，渐进式神经网络结构搜索)，有基于训练参数迁移学习(transferlearning)的ENAS(Neural Architecture Search，神经网络架构搜索)。

上述迭代过程的更新策略均有各自的不足，无法进一步加快参数迭过程。

发明内容

为了解决上述技术问题，本申请提供了一种人工智能平台的配置参数的管理方法和装置，能够进一步加快参数迭过程。

为了达到本申请目的，本申请提供了一种人工智能平台的配置参数的管理方法，包括：

获取automl平台上基于nasnet的网络结构在预先设置的数据集的性能评价指标；

利用预先设置的至少两个参数生成策略对所述性能评价指标进行处理，得到至少两组automl参数，其中所述automl参数用于生成新的网络结构；

按照预先设置的automl参数的确定策略，利用所述至少两组automl参数，确定目标automl参数；

利用所述目标automl参数，对所述基于nasnet的网络结构进行下一次迭代操作。

在一个示例性实施例中，所述利用预先设置的至少两个参数生成策略对所述性能评价指标进行处理，得到至少两组automl参数，包括：

将所述性能评价指标分别发送给所述至少两个参数生成策略对应的各个处理单元，并控制所述各个处理单元并行处理所述性能评价指标；

接收所述各个处理单元并行处理后得到的automl参数。

在一个示例性实施例中，所述按照预先设置的automl参数的确定策略，利用所述至少两组automl参数，确定目标automl参数，包括：

获取所述至少两个参数生成策略中每个参数生成策略对应的权重信息；

根据所述每个参数生成策略对应的权重信息以及对应的automl参数的数值，确定所述目标automl参数。

在一个示例性实施例中，所述获取所述至少两个参数生成策略中每个参数生成策略对应的权重信息，包括：