[发明专利]一种模型参数确定方法、装置及存储介质

权利要求书

1.一种模型参数确定方法，其特征在于，所述方法包括：

确定待运行的深度学习算法模型对应目标硬件平台的初始运行参数；

在所述目标硬件平台中，将所述初始运行参数逐代增加至预设运行参数，并依次按照不同运行参数运行所述深度学习算法模型；

分别监测不同运行参数下所述深度学习算法模型的性能值；所述性能值表征所述深度学习算法模型数据对输入数据处理得到输出结果的速度性能；

若当前运行参数达到预设运行参数，则确定已监测到的性能值中的目标性能值；

将所述目标性能值对应的运行参数，作为所述深度学习算法模型在所述目标硬件平台上运行的目标运行参数；

所述初始运行参数根据与所述深度学习算法模型同种类的深度学习算法模型在所述目标硬件平台上的历史运行参数设置的。

2.根据权利要求1所述的方法，其特征在于，所述初始运行参数包括初始进程数和初始批尺寸，所述预设运行参数包括预设进程数和预设批尺寸，所述在所述目标硬件平台中，将所述初始运行参数逐代增加至预设运行参数的步骤，包括：

在上一代批尺寸小于所述预设批尺寸的情况下，确定当前进程数为上一代进程数，以及当前批尺寸由上一代批尺寸按照第一预设规则增加得到；或者，

在上一代批尺寸等于所述预设批尺寸的情况下，确定当前进程数由上一代进程数按照第二预设规则增加得到，以及当前批尺寸为所述初始批尺寸。

3.根据权利要求1所述的方法，其特征在于，所述在所述目标硬件平台中，将所述初始运行参数逐代增加至预设运行参数，并依次按照不同运行参数运行所述深度学习算法模型的步骤之后，所述方法还包括：

实时监测不同运行参数下所述目标硬件平台的内存占用率和所述深度学习算法模型的性能值；

当所述目标硬件平台的内存占用率符合预设条件时，终止运行所述深度学习算法模型；

确定已监测到的性能值中的目标性能值；

将所述目标性能值对应的运行参数，作为所述深度学习算法模型在所述目标硬件平台上运行的目标运行参数。

4.根据权利要求1至3任一所述的方法，其特征在于，所述目标硬件平台包括中央处理器CPU、图形处理器GPU、现场可编程逻辑门阵列FPGA、专用集成电路ASIC中的至少一种。

5.根据权利要求2所述的方法，其特征在于，所述预设进程数小于或等于所述目标硬件平台的最大逻辑核数。

6.一种模型参数确定装置，其特征在于，所述装置包括：

初始参数确定模块，用于确定待运行的深度学习算法模型对应目标硬件平台的初始运行参数；

参数测试模块，用于在所述目标硬件平台中，将所述初始运行参数逐代增加至预设运行参数，并依次按照不同运行参数运行所述深度学习算法模型；

目标值监测模块，用于分别监测不同运行参数下所述深度学习算法模型的性能值；所述性能值表征所述深度学习算法模型数据对输入数据处理得到输出结果的速度性能；

目标值确定模块，用于若当前运行参数达到预设运行参数，则确定已监测到的性能值中的目标性能值；

目标参数确定模块，用于将所述目标性能值对应的运行参数，作为所述深度学习算法模型在所述目标硬件平台上运行的目标运行参数；

所述初始运行参数根据与所述深度学习算法模型同种类的深度学习算法模型在所述目标硬件平台上的历史运行参数设置的。

7.根据权利要求6所述的装置，其特征在于，所述初始运行参数包括初始进程数和初始批尺寸，所述预设运行参数包括预设进程数和预设批尺寸，所述参数测试模块，包括：

批尺寸调整子模块，用于在上一代批尺寸小于所述预设批尺寸的情况下，确定当前进程数为上一代进程数，以及当前批尺寸由上一代批尺寸按照第一预设规则增加得到；或者，

进程数调整子模块，用于在上一代批尺寸等于所述预设批尺寸的情况下，确定当前进程数由上一代进程数按照第二预设规则增加得到，以及当前批尺寸为所述初始批尺寸。