[发明专利]一种基于遗传算法的自动优化算子的方法和系统

权利要求书

1.一种基于遗传算法的自动优化算子的方法，应用于神经网络模型，所述神经网络模型中包括用于执行所述遗传算法的算子，其特征在于，包括如下步骤：

步骤S1，获取所述算子的多个初始的调度方案，将每个所述调度方案分别作为个体以形成种群；

步骤S2，分别采用每个所述个体运行所述算子，并根据所述算子在应用所述神经网络模型的后端设备上的运行性能分别计算所述种群中的每个所述个体的适应度；

步骤S3，根据所述适应度对所述种群中的所述个体进行筛选，得到被保留的至少一个所述个体；

步骤S4，判断是否达到终止条件：

若是，则执行步骤S6；

若否，则执行步骤S5；

步骤S5，对被保留的至少一个所述个体执行变异操作以产生新的个体并组成新一代的所述种群，随后返回所述步骤S2；

步骤S6，输出所述适应度最高的所述个体，以作为所述算子的所述调度方案，随后退出。

2.如权利要求1所述的一种基于遗传算法的自动优化算子的方法，其特征在于，所述调度方案包括所述算子的调度策略以及与所述调度策略相适应的调度参数。

3.如权利要求1所述的一种基于遗传算法的自动优化算子的方法，其特征在于，在所述步骤S3中，挑选出所述适应度最高的所述个体，以完成对所述种群的筛选；

则所述步骤S5中，对被保留的所述适应度最高的所述个体执行变异操作以产生新的个体。

4.如权利要求1所述的一种基于遗传算法的自动优化算子的方法，其特征在于，所述步骤S3中，淘汰所述适应度最低的所述个体，以完成对所述种群的筛选；

则所述步骤S5中，对被保留的所有所述个体分别执行变异操作以产生新的个体。

5.如权利要求1所述的一种基于遗传算法的自动优化算子的方法，其特征在于，所述步骤S4中，所述终止条件为：

当前的迭代次数是否达到预设的最大迭代次数；或者当前最高的所述适应度是否达到预设的合格适应度。

6.如权利要求2所述的一种基于遗传算法的自动优化算子的方法，其特征在于，在所述步骤S5中，随机挑选以下所述变异操作之一进行变异得到新的所述个体；

当所述调度策略中包含分块操作时，交换分块操作后形成的内循环和外循环的尺寸；

改变所述调度策略中按序执行的多个调度策略之间的执行顺序；以及

改变所述调度策略所对应的调度参数的参数尺度。

7.一种基于遗传算法的自动优化算子的系统，其特征在于，应用如权利要求1-6任意一项所述的一种基于遗传算法的自动优化算子的系统，包括：

设置模块，用于算子的多个初始的调度方案，将每个所述调度方案分别作为个体以形成种群；

适应度计算模块，连接所述设置模块，用于分别采用每个所述个体运行所述算子，并根据所述算子在应用所述神经网络模型的后端设备上的运行性能分别计算每个所述个体的适应度；

筛选模块，连接所述适应度计算模块，用于根据所述适应度对所述种群中的所述个体进行筛选，得到被保留的至少一个所述个体；

判断模块，连接所述筛选模块，用于判断是否达到种群中个体的适应度计算的终止条件，并输出判断结果；

变异模块，连接所述判断模块，用于在所述判断结果为到所述终止条件时，对被保留的至少一个所述个体执行变异操作以产生新的个体并组成新一代的所述种群；

所述适应度计算模块还用于连接所述变异模块，用于计算新的所述种群中每个个体的所述适应度；

输出模块，连接所述变异模块，用于连接所述判断模块，用于输出所述适应度最高的所述个体。

8.如权利要求7所述的一种基于遗传算法的自动优化算子的系统，其特征在于，所述调度方案包括所述算子的调度策略以及与所述调度策略相适应的调度参数。