[发明专利]神经网络模型装置和神经网络模型的压缩方法在审
申请号: | 202080009630.9 | 申请日: | 2020-04-29 |
公开(公告)号: | CN113316795A | 公开(公告)日: | 2021-08-27 |
发明(设计)人: | 金在德;朴致衍;孙泳哲;崔寅权 | 申请(专利权)人: | 三星电子株式会社 |
主分类号: | G06N3/08 | 分类号: | G06N3/08;G06N3/04 |
代理公司: | 北京市柳沈律师事务所 11105 | 代理人: | 钱大勇 |
地址: | 韩国*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 神经网络 模型 装置 压缩 方法 | ||
1.一种电子装置,包括:
存储器,存储计算机可读指令;和
处理器,其在执行计算机可读指令时被配置成:
获取原始神经网络模型;
根据压缩算法对原始神经网络模型进行压缩,获取压缩的神经网络模型;
基于原始神经网络模型,获取用于训练压缩的神经网络模型的训练数据对;
使用训练数据对训练压缩的神经网络模型,以获取压缩和训练的神经网络模型。
2.根据权利要求1所述的电子装置,其中,当执行所述计算机可读指令以获取所述训练数据对时,所述处理器还被配置为:
基于原始神经网络模型的特定输出值获取目标函数;
基于目标函数从原始神经网络模型获取输入值;和
获取包括输入值和特定输出值的训练数据对。
3.根据权利要求2所述的电子装置,其中,所述处理器在执行所述计算机可读指令以获取所述训练数据对时,还被配置为:
基于输入值获取原始神经网络模型的输出值;
通过将原始神经网络模型的输出值应用于目标函数来获取目标函数的输出值;和
基于目标函数的输出值是否满足预定条件来获取输入值。
4.根据权利要求3所述的电子装置,其中,所述处理器在执行所述计算机可读指令以获取所述训练数据对时,还被配置为基于满足所述预定条件的所述目标函数的输出值,从所述原始神经网络模型获取所述输入值和所述输出值作为所述训练数据对。
5.根据权利要求3所述的电子装置,其中,当执行所述计算机可读指令以获取所述训练数据对时,所述处理器还被配置为:
基于不满足预定条件的目标函数的输出值,将输入值改变为改变的输入值;
获取原始神经网络模型的输出值;
通过根据改变的输入值将原始神经网络模型的输出值应用于目标函数来获取目标函数的输出值;和
基于满足预定条件的目标函数的输出值,获取改变的输入值和基于改变的输入值从原始神经网络模型获取的输出值作为训练数据对。
6.根据权利要求3所述的电子装置,其中所述预定条件包括目标函数的输出值是最小值或最大值的条件。
7.根据权利要求3所述的电子装置,其中,所述处理器在执行所述计算机可读指令以获取所述训练数据对时,还被配置为基于基于多个输入值中的每一个的所述目标函数的输出值是否满足所述预定条件,来获取与所述多个输入值中的每一个对应的输入值。
8.根据权利要求1所述的电子装置,其中,当执行所述计算机可读指令时,所述处理器还被配置为:
基于原始神经网络模型的多个特定输出值获取多个目标函数;和
基于多个目标函数中的每一个,从原始神经网络模型获取输入值。
9.根据权利要求2所述的电子装置,其中所述训练数据对包括基于所述第一输入值获取的所述原始神经网络模型的第一输入值和第一输出值,并且
其中所述处理器在执行所述计算机可读指令以训练所述压缩的神经网络模型时,还被配置成:
基于第一输入值获取第二输入值;
获取所述第二输入值和包括基于所述第二输入值获取的原始神经网络模型的第二输出值的不同训练数据对;和
基于所述训练数据对和不同的训练数据对训练压缩的神经网络模型。
10.根据权利要求1所述的电子装置,进一步包括:
通信接口,
其中所述处理器在执行所述计算机可读指令时还被配置成基于通过所述通信接口从外部设备接收的请求,通过所述通信接口将所述压缩和训练的神经网络模型发送到所述外部设备。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于三星电子株式会社,未经三星电子株式会社许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202080009630.9/1.html,转载请声明来源钻瓜专利网。