[发明专利]模型构建方法、模型构建装置、计算机设备及介质

说明书

本申请适用于模型构建技术领域，提供了一种模型构建方法、模型构建装置、计算机设备及介质，其中，一种模型构建方法，通过对构建有搜索空间的超网络进行训练，得到训练后的超网络，由于超网络中预先构建有搜索空间，因此可以将所有需要进行搜索的候选网络框架包含至超网络中，且在对超网络进行训练时，其内部所有子结构在构建不同子网络时能够共享参数，所以可以只对超网络训练到一定程度，即可对其子网络采样并评估指标；根据预设的搜索条件，从训练后的超网络中搜索出待训练网络框架，最后基于训练样本集合对待训练网络框架进行训练优化得到目标模型，无需对原始的模型框架进行结构优化和内容优化，提高了模型构建的效率。

技术领域

本申请属于模型构建技术领域，尤其涉及一种模型构建方法、模型构建装置、计算机设备及计算机可读存储介质。

背景技术

近年来，随着人工智能技术的发展，越来越多领域已经开发并利用数学运算模型对现实世界的事物进行识别、判断等操作，以解放人工劳动。例如，人脸识别技术，就是采用了人脸识别模型对人脸图像进行特征识别，进而判断人脸图像的来源是否合法，也即判断用户身份是否合法。

相关技术中，在构建人脸识别模型时，都是基于神经网络构建原始模型，再通过构建训练样本集合与验证集合对该原始模型进行训练和验证。然而，在基于神经网络构建原始模型时，需要根据实际需求选择相应的模型框架，还需要对模型框架进行结构优化和内容优化等操作，例如，删减或添加模型框架的层级结构；再例如，对模型框架中的某个层级进行通道删除或者通道增加等操作。由此可见，现有的模型构建方案中模型构建过程较为繁琐，存在模型构建效率较低的问题。

发明内容

有鉴于此，本申请实施例提供了一种模型构建方法、模型构建装置、计算机设备及计算机可读存储介质，以解决现有的模型构建方案中存在模型构建效率较低的问题。

本申请实施例的第一方面提供了一种模型构建方法，包括：

对构建有搜索空间的超网络进行训练，得到训练后的超网络；其中，所述搜索空间包含多个候选网络框架；

根据预设的搜索条件，从所述训练后的超网络中搜索得到待训练网络框架；

利用训练样本集合对所述待训练网络框架进行训练，得到目标模型。

上述方案中，所述利用训练样本集合对所述待训练网络框架进行训练，得到目标模型的步骤之前，还包括：

获取包含人脸的样本图像集合；

从所述样本图像集合中的每张样本图像中截取出人脸区域，得到人脸图像样本集合；

对所述人脸图像样本集合中的每张人脸图像样本进行缩放和标注，得到所述训练样本集合。

上述方案中，所述搜索空间中的多个候选网络框架之间相互连接，每个所述候选网络框架包括多个子结构；

所述对构建有搜索空间的超网络进行训练，得到训练后的超网络，包括：

基于所述搜索空间中的全部所述子结构进行结构搜索，确定出单路径超网；

根据所述单路径超网对所述超网络进行采样训练，得到训练后的超网络。

上述方案中，所述基于所述搜索空间中的全部所述子结构进行结构搜索，确定出单路径超网，包括：

按照预设的超网属性信息，对所述搜索空间中的全部所述子结构进行结构搜索，得到单路径超网；其中，所述单路径超网中相邻的两个所述子结构之间的转移概率最大。

上述方案中，所述预设的搜索条件与目标部署平台对应；

所述根据预设的搜索条件，从所述训练后的超网络中搜索得到待训练网络框架，包括：