[发明专利]存储空间优化方法及装置

说明书

本申请公开了一种存储空间优化方法及装置，属于机器学习领域。所述方法包括：获取训练网络和测试网络；确定测试网络的第一网络层，第一网络层为测试网络的任一网络层；如果训练网络存在与第一网络层相同的第二网络层，则将第二网络层的第一数据存储空间分配给第一网络层使用，第一数据存储空间用于存储第二网络层的数据。本申请通过将训练网络的某个网络层的数据存储空间分配给测试网络中的相同网络层使用，实现了测试网络和训练网络的相同网络层对数据存储空间的复用，从而减小了深度学习网络在训练中对数据存储空间的占用，减小了容易出现存储空间不足的风险。

技术领域

本申请涉及机器学习领域，特别涉及一种存储空间优化方法及装置。

背景技术

深度学习是机器学习研究中的新领域，是一种比较有效的人工智能方法，它通过模拟人脑的学习行为，从数据中学习到相关知识以便用于后续的预测。深度学习网络在运算过程中将会产生大量的中间数据，因此需要为深度学习网络分配数据存储空间。

目前，基于训练样本进行训练的深度学习网络称为训练网络，对测试样本进行测试的深度学习网络称为测试网络，训练网络和测试网络是两个相互独立的系统，分别具有独立的数据存储空间。其中，训练网络的数据存储空间用于存储训练网络在训练过程中产生的数据，测试网络的数据存储空间用于存储测试网络在测试过程中产生的数据。而且，由于训练网络和测试网络都是由多个网络层组成，因此，训练网络的数据存储空间包括为训练网络的各个网络层分配的数据存储空间，测试网络的数据存储空间包括为测试网络的各个网络层分配的数据存储空间。

由于需要为训练网络和测试网络的各个网络层分别分配独立的数据存储空间，因此对数据存储空间的占用较大，容易出现存储空间不足的风险。

发明内容

本申请提供了一种存储空间优化方法及装置，可以解决相关技术的训练网络和测试网络对数据存储空间的占用较大，容易出现存储空间不足的风险问题。

所述技术方案如下：

一方面，提供了一种存储空间优化方法，所述方法包括：

获取深度学习网络对应的训练网络和测试网络；

确定所述训练网络的第一网络层，所述第一网络层为所述训练网络的任一网络层；

如果所述训练网络存在与所述第一网络层相同的第二网络层，则将所述第二网络层的第一数据存储空间分配给所述第一网络层使用，所述第一数据存储空间用于存储所述第二网络层的数据。

可选地，所述确定所述训练网络的第一网络层，包括：

对所述测试网络包括的N个网络层进行遍历，所述N为正整数；

将遍历到的当前网络层，确定为所述第一网络层。

可选地，所述方法还包括：

如果所述训练网络不存在所述第一网络层，则为所述第一网络层分配第二数据存储空间。

可选地，所述方法还包括：

对所述训练网络的各个网络层依次进行模拟运算；

在对所述训练网络的各个网络层依次进行模拟运算后，基于模拟运算后的训练网络的网络参数，确定所述测试网络；

对所述测试网络的各个网络层依次进行模拟运算；

在对所述测试网络的各个网络层依次进行模拟运算的过程中，对于所述测试网络的第i层网络层，如果所述训练网络存在与所述第i层网络层相同的第二网络层，则将所述第i层网络层的数据存储在用于存储所述第二网络层的第一数据存储空间中；

如果所述训练网络不存在所述第i层网络层，则将所述第i层网络层的数据存储在为所述第i层网络层分配的第二数据存储空间中。