[发明专利]神经网络构筑装置、信息处理装置、神经网络构筑方法及程序

说明书

神经网络构筑装置(10)具备：取得部(11)，取得与嵌入式设备所具有的计算资源相关的资源信息以及与嵌入式设备所具有的处理性能相关的性能制约；设定部(12)，基于资源信息设定神经网络的规模制约；生成部(13)，基于规模制约生成神经网络的模型；以及判断部(14)，关于生成的模型，判断是否满足性能制约，输出基于判断的结果的数据。

技术领域

本发明涉及用于构筑神经网络的信息处理技术。

背景技术

作为能够更有效地设计适于由多个硬件进行的处理的神经网络的技术，公开了具备取得多个硬件设备所涉及的制约的取得部、以及判定神经网络是否满足该制约的判定部的信息处理装置及信息处理方法(参照专利文献1)。

在先技术文献

专利文献

[专利文献1]国际公布第2017/187798号

发明内容

发明所要解决的课题

在专利文献1所记载的技术中，作为最佳的神经网络的候选的各个神经网络是否满足上述的制约的判定对象。也就是说，在得到最佳的神经网络之前反复进行基于设计和判定的试错的次数庞大，耗费时间。

于是，在本公开中，提供对神经网络的候选进行缩减而有助于提高取得最佳的神经网络的效率的神经网络构筑装置。另外，在本公开中，提供在该神经网络构筑装置中使用的神经网络构筑方法及程序。

用于解决课题的手段

解决上述课题的本发明的一个方式所涉及的神经网络构筑装置具备：取得部，取得第一条件及第二条件，所述第一条件是为了决定候选超参数而使用的条件，所述候选超参数是要构筑的神经网络的超参数的候选，所述第二条件是与所述神经网络的模型应该具备的性能相关的条件；设定部，使用所述第一条件决定所述候选超参数；生成部，使用所述候选超参数生成神经网络的模型；以及判断部，关于生成的所述模型，执行是否满足所述第二条件的判断，输出基于所述判断的结果的数据。

另外，本发明的一个方式所涉及的神经网络构筑方法是由具备运算处理装置及存储装置的神经网络构筑装置中的所述运算处理装置执行的神经网络构筑方法，取得与嵌入式设备所具有的计算资源相关的资源信息以及与所述嵌入式设备所具有的处理性能相关的性能制约，基于所述资源信息设定神经网络的规模制约，基于所述规模制约生成神经网络的模型，关于生成的所述模型，判断是否满足所述性能制约，输出基于所述判断的结果的数据。

另外，本发明的一个方式所涉及的程序是由具备运算处理装置及存储装置的神经网络构筑装置中的所述运算处理装置执行的程序，通过由所述运算处理装置执行从而使所述神经网络构筑装置进行：取得与嵌入式设备所具有的计算资源相关的资源信息以及与所述嵌入式设备所具有的处理性能相关的性能制约，基于所述资源信息设定神经网络的规模制约，基于所述规模制约生成神经网络的模型，关于生成的所述模型，判断是否满足所述性能制约，输出基于所述判断的结果的数据。

此外，为了促进理解本公开，如下对用语进行说明。

Python：通用编程语言。在机器学习的领域中被广泛利用。

模型：针对被赋予的数据进行期望的预测/判断的数学式、函数。

神经网络(Neural Network)：基于模仿人的脑内的神经细胞及神经回路的构造而成的人工的神经元(也被称为节点)的网络的模型。

权重：模型的参数之一，表示神经元彼此的耦合的强度。也被称为耦合荷重。

偏置：模型的参数之一，对与向神经元的输入值和权重相应地得到的输出进行调整。