[发明专利]一种神经网络模型参数的更新方法

权利要求书

1.一种神经网络模型参数的更新方法，应用于客户端，其特征在于，所述更新方法包括：

从云端服务器获取神经网络模型新参数；

将所述神经网络模型新参数存储到保存有所述神经网络模型的当前参数的内存中的可用存储空间；调用保存的所述神经网络模型新参数以更新所述神经网络模型的当前参数；

其中，所述神经网络模型新参数是在所述云端服务器上对所述神经网络模型进行训练后得到的；

所述调用保存的所述神经网络模型新参数以更新所述神经网络模型的当前参数，包括：

将指向所述神经网络模型的当前参数所在内存中的存储地址的第一参数指针切换至所述神经网络模型新参数所在内存中的存储空间所在地址；

调用所述第一参数指针以读取所述神经网络模型新参数，其中，所述第一参数指针是所述内存中存在的一个全局或单例指针。

2.根据权利要求1所述的更新方法，其特征在于，在调用保存的所述神经网络模型新参数以更新所述神经网络模型的当前参数之后，还包括：

获取所述神经网络模型的预定义的测试样本；

基于更新所述新参数之后的所述神经网络模型对所述测试样本进行识别，得到对所述测试样本的测试识别结果；

将所述测试识别结果与所述测试样本的预期识别结果进行比较；

若所述测试识别结果与所述预期识别结果相符合，则将所述神经网络模型新参数保存到所述客户端的非易失性存储器中；

若所述测试识别结果与所述预期识别结果不符合，则将指向所述神经网络模型新参数所在内存中的存储空间所在地址的第一参数指针重新切换至所述神经网络模型的当前参数所在内存中的存储地址。

3.根据权利要求2所述的更新方法，其特征在于，在所述神经网络模型的当前参数存入所述内存中之前，还包括：

在所述内存中为所述神经网络模型的当前参数动态分配存储空间；

在将所述神经网络模型新参数存储到保存有所述神经网络模型的当前参数的内存中的可用存储空间之前，还包括：

为所述神经网络模型新参数动态分配可用存储空间；

在将所述神经网络模型新参数保存到非易失性存储器中之后，还包括：

释放所述内存中存储所述神经网络模型的当前参数的存储空间。

4.根据权利要求2所述的更新方法，其特征在于，在所述神经网络模型的当前参数存入所述内存中之前，还包括：

在所述内存中为所述神经网络模型的当前参数动态分配存储空间；

在将所述神经网络模型新参数存储到保存有所述神经网络模型的当前参数的内存中的可用存储空间之前，还包括：

在所述内存中为所述神经网络模型新参数动态分配可用存储空间；

在将指向所述神经网络模型新参数所在内存中的存储空间所在地址的第一参数指针重新切换至所述神经网络模型的当前参数所在内存中的存储地址之后，还包括：

释放所述内存中存储所述神经网络模型新参数的存储空间。

5.根据权利要求2所述的更新方法，其特征在于，

所述将所述神经网络模型新参数保存到所述客户端的非易失性存储器中，包括：

将所述神经网络模型新参数存储在与所述神经网络模型的当前参数所在所述非易失性存储器中的存储地址不同的存储地址；

将指向所述神经网络模型的当前参数所在所述非易失性存储器中的存储地址的第二参数指针切换至所述神经网络模型新参数所在所述非易失性存储器中的存储地址；

或者，

将所述神经网络模型新参数保存到所述非易失性存储器中存储所述神经网络模型的当前参数的存储地址，以使所述神经网络模型新参数覆盖所述神经网络模型的当前参数。

6.根据权利要求1所述的更新方法，其特征在于，所述从云端服务器获取神经网络模型新参数包括：

通过网络传输从所述云端服务器获取包括神经网络模型新参数的更新数据包；

提取所述更新数据包中的神经网络模型新参数。