[发明专利]一种神经网络的获取方法、数据处理方法以及相关设备

说明书

本申请实施例公开一种神经网络的获取方法、数据处理方法以及相关设备，该方法可用于人工智能领域的神经网络架构自动搜索技术领域中。方法包括：获取第一指示信息，第一指示信息用于指示k个神经网络模块在第一神经架构单元中出现的概率和/或次数；根据第一指示信息，生成第一神经架构单元，并生成第一神经网络；获取与第一指示信息对应的目标评分，目标评分用于指示第一神经网络的性能；根据多个目标评分，从多个第一指示信息中获取第二指示信息，获取与第二指示信息对应的目标神经网络。第一指示信息不再指示不同的神经网络模块之间的拓扑关系，缩小了神经架构单元所对应的搜索空间，减少了所需要的计算机资源，节省了时间成本。

技术领域

本申请涉及人工智能领域，尤其涉及一种神经网络的获取方法、数据处理方法以及相关设备。

背景技术

人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

然而，目前常用的神经网络本身却仍然由人类专家基于经验手动设计，神经网络架构自动搜索(neural architecture search，NAS)是迈向自动机器学习(automatedmachine learning，AutoML)的重要一步。具体的，神经网络包括至少一个神经架构单元，采用NAS的方式是自动生成神经架构单元，继而生成神经网络；基于神经网络执行训练操作，以得到第一神经网络在处理所述目标数据时的性能评分，采用NAS的方式的目标为自动得到性能良好的神经网络。

但由于在采用NAS的方式是自动生成神经架构单元时，不仅要选择合适的用于组成神经架构单元的神经网络模块，而且还要选择不同的神经网络模块之间的拓扑关系，导致神经架构单元所对应的搜索空间巨大，导致自动获取性能良好的神经网络的整个过程需要消耗大量的计算机资源，且时间成本很高。

发明内容

本申请实施例提供了一种神经网络的获取方法、数据处理方法以及相关设备，从至少一个第一指示信息中获取第二指示信息，进而获取与第二指示信息对应的目标神经网络，而第一指示信息仅用于指示k个神经网络模块中每个神经网络模块在神经架构单元中出现的概率和/或次数，不再用于指示不同的神经网络模块之间的拓扑关系，大大缩小了神经架构单元所对应的搜索空间，减少了整个神经网络获取过程所需要的计算机资源，节省了时间成本。

为解决上述技术问题，本申请实施例提供以下技术方案：

第一方面，本申请实施例提供一种神经网络的获取方法，可用于人工智能领域的NAS技术领域中。方法可以包括：网络设备获取与第一神经架构单元对应的第一指示信息，第一神经架构单元包括N个神经网络模块，第一指示信息用于指示k个待选择的神经网络模块中每个待选择的神经网络模块在第一神经架构单元中出现的概率和/或次数，k为正整数。网络设备根据第一指示信息、第一规则和k个待选择的神经网络模块，生成第一神经架构单元，并根据生成的第一神经架构单元和第二规则，生成第一神经网络，第一神经网络包括至少一个第一神经架构单元，其中，第一规则用于指示第一神经架构单元中哪N个位置上缺少神经网络模块；第二规则用于指示第一神经网络的哪C个位置上缺少第一神经架构单元。网络设备获取与第一指示信息对应的目标评分，目标评分用于指示与第一指示信息对应的第一神经网络在处理目标数据时的性能；根据与多个第一指示信息对应的多个目标评分，从多个第一指示信息中获取一个第二指示信息，并将与前述一个第二指示信息对应的一个第一神经网络确定为目标神经网络。