[发明专利]基于隐式空间映射的端到端边缘智能模型搜索方法和系统

权利要求书

1.一种基于隐式空间映射的端到端边缘智能模型搜索方法，其特征在于，包括：

1)随机选择指定数量的神经网络结构作为搜索种子；

2)针对搜索种子，获取在隐空间内的连续表征表示e_i；

3)计算搜索步长δ_i和搜索方向偏置λ_i两个超参数；基于隐空间内的连续表征表示计算搜索种子的模型精度、模型参数量的梯度；

4)基于搜索步长δ_i和搜索方向偏置λ_i两个超参数以及搜索种子的模型精度、模型参数量的梯度在隐空间内开展神经网络结构搜索，得到新搜索种子在隐空间内的连续表征表示e′_i；

5)对新搜索种子在隐空间内的连续表征表示e′_i解码重构为新搜索种子；

6)将新搜索种子与搜索种子进行对比，若相同则判定搜索失败，跳转执行步骤4)以重新搜索；否则，跳转执行下一步；

7)将新搜索种子加入搜索结果集合；

8)判断是否满足预设的终止条件，若不满足则更新搜索种子，跳转执行步骤2)；否则，返回最终得到的搜索结果集合并退出。

2.根据权利要求1所述的基于隐式空间映射的端到端边缘智能模型搜索方法，其特征在于，步骤2)包括：

2.1)提取神经网络结构的内部拓扑结构信息；

2.2)基于内部拓扑结构信息构建神经网络结构的有向无环图DAG；

2.3)基于神经网络结构的有向无环图DAG，分别提取出邻接矩阵M_adj和操作向量V_opt；

2.4)检查邻接矩阵M_adj和操作向量V_opt的维度，若维度符合要求，则跳转执行下一步；否则对邻接矩阵M_adj和操作向量V_opt进行维度填充处理，跳转执行步骤2.4)；

2.5)基于邻接矩阵M_adj和操作向量V_opt计算神经网络结构的编码向量V_nae；

2.6)基于神经网络结构的编码向量V_nae通过预先训练好的特征提取网络进行神经网络结构的特征提取，得到搜索种子在隐空间内的连续表征表示e_i。

3.根据权利要求1所述的基于隐式空间映射的端到端边缘智能模型搜索方法，其特征在于，步骤3)中计算搜索步长δ_i和搜索方向偏置λ_i两个超参数包括：

3.1A)随机初始化搜索步长δ_i和搜索方向偏置λ_i；

3.2A)根据搜索步长δ_i和搜索方向偏置λ_i，得到新搜索种子在隐空间内的连续表征表示e′_i；

3.3A)根据原始的搜索种子在隐空间内的连续表征表示e_i、新搜索种子在隐空间内的连续表征表示e′_i分别计算模型数量r_gen、模型精度r_acc和模型参数量r_par；

3.4A)若模型数量r_gen大于等于1则动态调整搜索步长δ_i，跳转执行步骤3.2A)；若模型精度r_acc和模型参数量r_par两者之和r_pre大于等于1则动态调整搜索方向偏置λ_i，跳转执行步骤3.2A)；否则，跳转执行下一步；

3.5A)计算模型数量r_gen、模型精度r_acc和模型参数量r_par三者之和，若三者之和满足终止条件，则输出最终得到的搜索步长δ_i和搜索方向偏置λ_i；否则，为搜索步长δ_i和搜索方向偏置λ_i两者中的至少一者添加扰动以更新取值，跳转执行步骤3.2A)。