[发明专利]神经网络模型部署方法、装置及设备

说明书

一种神经网络模型部署方法、装置及设备，该方法包括：获得已训练好的卷积神经网络模型(201)；对所述卷积神经网络模型中卷积层的权重参数进行矩阵分解，获得所述卷积层的矩阵分解结果(202)；根据所述知阵分解结果，调整所述卷积神经网络模型的结构，以对所述卷积神经网络模型进行压缩，得到所述卷积神经网络模型的压缩后模型(203)；对所述压缩后模型进行部署(204)。本方法减少了对原始训练数据的依赖。

技术领域

本申请涉及神经网络技术领域，尤其涉及一种神经网络模型部署方法、装置及设备。

背景技术

随着神经网络技术的不断发展，卷积神经网络模型的应用越来越广泛。

通常，在对训练好的卷积神经网络模型进行部署之前可以通过如下两种方式对已训练好的卷积神经网络模型进行压缩，以减少已训练好的卷积神经网络模型的大小、降低计算量。一种方式，可以通过减少已训练好的卷积神经网络模型的通道数的方式进行模型压缩。另一种方式，可以通过将已训练好的神经网络模型的权重参数由浮点型权重参数转换为定点型权重参数的方式进行模型压缩。

然而，上述模型部署方式存在对原始训练数据依赖性较大的问题。

发明内容

本申请实施例提供一种神经网络模型部署方法、装置及设备，用以解决现有技术中模型部署方式存在对原始训练数据依赖性较大的问题。

第一方面，本申请实施例提供一种神经网络模型部署方法，包括：获得已训练好的卷积神经网络模型；所述卷积神经网络模型中卷积层的权重参数进行矩阵分解，获得所述卷积层的矩阵分解结果；根据所述矩阵分解结果，调整所述卷积神经网络模型的结构，以对所述卷积神经网络模型进行压缩，得到所述卷积神经网络模型的压缩后模型；对所述压缩后模型进行部署。

第二方面，本申请实施例提供一种神经网络模型部署装置，包括：处理器和存储器；所述存储器，用于存储程序代码；所述处理器，调用所述程序代码，当程序代码被执行时，用于执行以下操作：

获得已训练好的卷积神经网络模型；对所述卷积神经网络模型中卷积层的权重参数进行矩阵分解，获得所述卷积层的矩阵分解结果；根据所述矩阵分解结果，调整所述卷积神经网络模型的结构，以对所述卷积神经网络模型进行压缩，得到所述卷积神经网络模型的压缩后模型；对所述压缩后模型进行部署。

第三方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包含至少一段代码，所述至少一段代码可由计算机执行，以控制所述计算机执行上述第一方面任一项所述的方法。

第四方面，本申请实施例提供一种计算机程序，当所述计算机程序被计算机执行时，用于实现上述第一方面任一项所述的方法。

第五方面，本申请实施例提供一种移动平台，包括存储器和处理器，所述存储器中存储有根据第一方面任一项所述方法部署的卷积神经网络模型；

当所述卷积神经网络模型被所述处理器调用并加载时，用于处理所述移动平台获得的传感器数据。

第六方面，本申请实施例提供一种云台设备，包括存储器和处理器，所述存储器中存储有根据第一方面任一项所述方法部署的卷积神经网络模型；

当所述卷积神经网络模型被所述处理器调用并加载时，用于处理所述云台设备获得的传感器数据。

第七方面，本申请实施例提供一种移动终端，包括存储器和处理器，所述存储器中存储有根据第一方面任一项所述方法部署的卷积神经网络模型；

当所述卷积神经网络模型被所述处理器调用并加载时，用于处理所述移动终端获得的传感器数据。