[发明专利]神经网络训练方法、装置、设备及存储介质

权利要求书

1.一种神经网络训练方法，应用于集成电路的版图热点检测中，其特征在于，包括：

采用训练样本数据集对预设神经网络进行训练，获取训练中的预设神经网络的实际输出数据，所述训练样本数据集包括：至少一个训练样本，每个所述训练样本包括：样本输入数据、样本输入数据对应的期望输出数据，所述样本输入数据包括：热点版图和非热点版图；

根据所述实际输出数据和所述期望输出数据，计算获取误差函数；

采用预设的反向传播算法，根据相邻两轮的所述误差函数的值，调整所述预设神经网络的学习步长，循环执行训练，直到所述误差函数满足收敛条件完成训练；

其中，所述根据相邻两轮的所述误差函数的值，调整所述预设神经网络的学习步长，包括：

比较本轮误差函数的值与上轮误差函数的值；

若本轮误差函数的值小于上轮误差函数的值，则根据预设调整公式以及误差函数均值计算获取新的学习步长；

其中，所述根据预设调整公式以及误差函数均值计算获取新的学习步长，包括：

根据每轮训练对应的误差函数的值，计算所述误差函数均值；

根据预设调整公式、当前步长以及所述误差函数均值计算获取新的学习步长；

其中，预设调整公式为η=η0-η0/(η0+lossj)²，η0为所述当前步长，lossj为所述误差函数的均值，η为所述新的学习步长。

2.根据权利要求1所述的方法，其特征在于，所述根据所述实际输出数据和所述期望输出数据，计算获取误差函数之后，还包括：

根据所述误差函数的值，调整所述预设神经网络的训练权值；

所述循环执行训练，直到所述误差函数满足收敛条件完成训练，包括：

根据调整训练权值后的所述预设神经网络、计算相邻两轮的所述误差函数的值；

根据所述相邻两轮的所述误差函数的值，调整所述预设神经网络的学习步长，循环执行训练，直到所述误差函数满足收敛条件完成训练。

3.根据权利要求1所述的方法，其特征在于，所述采用训练样本数据集对预设神经网络进行训练之前，还包括：

确定所述预设神经网络的初始权值，其中，所述初始权值的取值范围为（-1，1）。

4.一种神经网络训练装置，其特征在于，应用于集成电路的版图热点检测中，包括：获取模块、计算模块、调整模块；

所述获取模块，用于采用训练样本数据集对预设神经网络进行训练，获取训练中的预设神经网络的实际输出数据，所述训练样本数据集包括：至少一个训练样本，每个所述训练样本包括：样本输入数据、样本输入数据对应的期望输出数据，所述样本输入数据包括：热点版图和非热点版图；

所述计算模块，用于根据所述实际输出数据和所述期望输出数据，计算获取误差函数；

所述调整模块，用于采用预设的反向传播算法，根据相邻两轮的所述误差函数的值，调整所述预设神经网络的学习步长，循环执行训练，直到所述误差函数满足收敛条件完成训练；

其中，所述调整模块，具体用于比较本轮误差函数的值与上轮误差函数的值；若本轮误差函数的值小于上轮误差函数的值，则根据预设调整公式以及误差函数均值计算获取新的学习步长；

所述调整模块，具体用于根据每轮训练对应的误差函数的值，计算所述误差函数均值；根据预设调整公式、当前步长以及所述误差函数均值计算获取新的学习步长；

其中，预设调整公式为η=η0-η0/(η0+lossj)²，η0为所述当前步长，lossj为所述误差函数的均值，η为所述新的学习步长。

5.根据权利要求4所述的装置，其特征在于，所述调整模块，还用于根据所述误差函数的值，调整所述预设神经网络的训练权值；

所述调整模块，具体用于根据调整训练权值后的所述预设神经网络、计算相邻两轮的所述误差函数的值；根据所述相邻两轮的所述误差函数的值，调整所述预设神经网络的学习步长，循环执行训练，直到所述误差函数满足收敛条件完成训练。