[发明专利]一种图像神经网络参数的确定方法及电子设备

权利要求书

1.一种图像神经网络参数的确定方法，其特征在于，包括：

监测多个图像神经网络模型的训练资源消耗量，其中，每个图像神经网络模型的训练资源消耗量用于表征该图像神经网络模型的训练程度，不同图像神经网络模型对应不同的候选参数，候选参数为神经网络结构或超参；

若确定任一目标图像神经网络模型的训练资源消耗量达到任一设定量，则获取所述目标图像神经网络模型的性能评价值，对所述目标图像神经网络模型的性能评价值进行平滑处理，得到性能参考值；

将所述性能参考值与已消耗完所述设定量的训练资源的各图像神经网络模型的性能参考值进行比对，以确定是否淘汰所述目标图像神经网络模型对应的候选参数；

从未被淘汰的候选参数中确定目标参数。

2.如权利要求1所述的方法，其特征在于，每当所述目标图像神经网络模型的训练资源消耗量增长设定幅度时，计算所述目标图像神经网络模型的一个性能评价值；

对所述目标图像神经网络模型的性能评价值进行平滑处理，得到性能参考值，包括：

根据所述设定幅度和所述设定量，确定目标倍数M，M为正整数；

当M等于1时，将所述目标图像神经网络模型的第1个性能评价值，作为所述目标图像神经网络模型在消耗完所述设定量的训练资源时的性能参考值；

当M大于1时，将i设置为2，计算所述目标图像神经网络模型的第i-1个性能参考值和第i个性能评价值的加权求和结果，将所述加权求和结果作为所述目标图像神经网络模型的第i个性能参考值，若确定i小于M，则将i的值更新为i+1，执行计算所述目标图像神经网络模型的第i-1个性能参考值和第i个性能评价值的加权求和结果的步骤，直至确定i等于M时，将所述目标图像神经网络模型的第M个性能参考值，作为所述目标图像神经网络模型在消耗完所述设定量的训练资源时的性能参考值。

3.如权利要求1或2所述的方法，其特征在于，将所述性能参考值与已消耗完所述设定量的训练资源的各图像神经网络模型的性能参考值进行比对，以确定是否淘汰所述目标图像神经网络模型对应的候选参数，包括：

从已消耗完所述设定量的训练资源的各图像神经网络模型的性能参考值中选取预设数量的性能参考值；

根据选取的各性能参考值，确定目标值；

若确定所述目标图像神经网络模型的性能参考值小于所述目标值，则确定淘汰所述目标图像神经网络模型对应的候选参数。

4.如权利要求3所述的方法，其特征在于，根据选取的各性能参考值，确定目标值，包括：

将选取的各性能参考值的中位数或平均值，确定为所述目标值。

5.一种电子设备，其特征在于，包括：

监控单元，用于监测多个图像神经网络模型的训练资源消耗量，其中，每个图像神经网络模型的训练资源消耗量用于表征该图像神经网络模型的训练程度，不同图像神经网络模型对应不同的候选参数，候选参数为神经网络结构或超参；

计算单元，用于若确定任一目标图像神经网络模型的训练资源消耗量达到任一设定量，则获取所述目标图像神经网络模型的性能评价值，对所述目标图像神经网络模型的性能评价值进行平滑处理，得到性能参考值；

比较单元，用于将所述性能参考值与已消耗完所述设定量的训练资源的各图像神经网络模型的性能参考值进行比对，以确定是否淘汰所述目标图像神经网络模型对应的候选参数；

选择单元，用于从未被淘汰的候选参数中确定目标参数。