CN111898061A - 搜索网络的方法、装置、电子设备和计算机可读介质 - Google Patents

Abstract

本公开的实施例公开了搜索网络的方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取网络运行环境信息，上述网络运行环境信息用于表征网络的运行条件；根据上述网络运行环境信息从网络搜索空间获取至少一个待处理网络；对上述至少一个待处理网络进行训练，得到对应上述网络运行环境信息的目标网络。该实施方式降低了搜索网络时的数据处理量，提高了获取目标网络的准确性和有效性。

Description

搜索网络的方法、装置、电子设备和计算机可读介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及搜索网络的方法、装置、电子设备和计算机可读介质。

背景技术

随着科技的发展，多种智能网络广泛应用于电子设备，提高了电子设备的数据处理速度，提高了获取数据的准确性。

通常，同一智能网络可以应用在多个不同类型的电子设备。不同的电子设备在硬件、软件等多个方面存在差异。相应的，不同电子设备对智能网络的要求也各有不同。例如，当电子设备是台式电脑时，由于台式电脑在处理器计算能力、内存大小和网络带宽等方面较高，用户可能更关注智能网络的计算准确性。当电子设备为智能手机等移动设备时，其在处理器计算能力、内存大小和网络带宽等方面较低，用户可能更关注数据处理时间。因此，技术人员可以针对不同的电子设备对网络进行调整，以满足电子设备的实际需求。

实际中，电子设备的硬件、软件等方面存在很大差异，依靠技术人员调整适用于每一种电子设备的智能网络，不仅消耗大量的人力、时间，调整后的智能网络通常也无法满足电子设备的理想性能。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了搜索网络的方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。

第一方面，本公开的一些实施例提供了一种搜索网络的方法，该方法包括：获取网络运行环境信息，上述网络运行环境信息用于表征网络的运行条件；根据上述网络运行环境信息从网络搜索空间获取至少一个待处理网络；对上述至少一个待处理网络进行训练，得到对应上述网络运行环境信息的目标网络。

第二方面，本公开的一些实施例提供了一种搜索网络的装置，该装置包括：网络运行环境信息获取单元，被配置成获取网络运行环境信息，上述网络运行环境信息用于表征网络的运行条件；待处理网络获取单元，被配置成根据上述网络运行环境信息从网络搜索空间获取至少一个待处理网络；目标网络获取单元，被配置成对上述至少一个待处理网络进行训练，得到对应上述网络运行环境信息的目标网络。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储器，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述第一方面的搜索网络的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述第一方面的搜索网络的方法。

本公开的上述各个实施例中的一个实施例具有如下有益效果：首先获取表征网络的运行条件网络运行环境信息。其中，网络运行环境信息可以用于表征网络的运行条件；然后根据网络运行环境信息获取待处理网络，不仅大大降低了搜索网络时的数据处理量，还提高了获取网络的准确性和有效性；最后，对待处理网络训练来获取目标网络，进一步提高了目标网络的有效性。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是本公开的一些实施例的搜索网络的方法的应用场景的示意图；

图2是根据本公开的搜索网络的方法的一些实施例的流程图；

图3是根据本公开的搜索网络的方法的另一些实施例的流程图；

图4是根据本公开的搜索网络的方法的又一些实施例的流程图；

图5是根据本公开的搜索网络的装置的一些实施例的结构示意图；

图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是根据本公开一些实施例的搜索网络的方法的一个应用场景的示意图。

电子设备101接收网络运行环境信息102。其中，网络运行环境信息102可以其他终端设备发送给电子设备101的信息，也可以是技术人员输入电子设备101的信息。网络运行环境信息102可以用于表征目标网络的运行条件。例如，网络运行环境信息102可以是运行目标网络的电子设备的硬件信息、软件信息、网络带宽等信息。电子设备101接收到网络运行环境信息102后，根据网络运行环境信息102从网络搜索空间103中搜索出满足网络运行环境信息102的至少一个待处理网络104。之后，电子设备101再调用样本105对每个待处理网络104进行训练，将训练结果最好的网络设置为目标网络106。如此，实现了根据网络运行环境信息102得到目标网络106，提高了获取目标网络106的针对性和目标网络106的有效性。

需要说明的是，上述电子设备101可以是硬件，也可以是软件。当电子设备101为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当电子设备101体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的电子设备101的数目仅仅是示意性的。根据实现需要，可以具有任意数目的电子设备101。

继续参考图2，图2示出了根据本公开的搜索网络的方法的一些实施例的流程200。该搜索网络的方法，包括以下步骤：

步骤201，获取网络运行环境信息。

在一些实施例中，搜索网络的方法的执行主体(例如图1所示的电子设备101)可以通过有线连接方式或者无线连接方式网络运行环境信息。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。

执行主体可以通过多种方式获取网络运行环境信息。例如，执行主体可以接收其他设备发来的网络运行环境信息，或者技术人员直接通过输入设备向执行主体输入网络运行环境信息。其中，上述网络运行环境信息可以用于表征网络的运行条件。网络运行环境信息可以是运行目标网络的设备的硬件信息(例如可以是处理器信息、内存信息、硬盘信息等)、软件信息(例如可以是运行软件版本、操作系统版本等)、网络带宽、工作时间(例如可以是全天工作、全年工作等)等。

步骤202，根据上述网络运行环境信息从网络搜索空间获取至少一个待处理网络。

在一些实施例中，网络搜索空间内存储了各种各样的网络。执行主体可以根据网络运行环境信息在网络搜索空间进行搜索，从而获取满足网络运行环境信息的至少一个待处理网络。如此，不仅大大降低了搜索网络时的数据处理量，还提高了获取网络的准确性和有效性。

步骤203，对上述至少一个待处理网络进行训练，得到对应上述网络运行环境信息的目标网络。

执行主体可以进一步对待处理网络进行训练，将训练结果最好的网络设置为满足网络运行环境信息的目标网络，进一步提高了目标网络的有效性。

本公开的一些实施例公开的搜索网络的方法，首先获取表征网络的运行条件网络运行环境信息。其中，网络运行环境信息可以用于表征网络的运行条件；然后根据网络运行环境信息获取待处理网络，不仅大大降低了搜索网络时的数据处理量，还提高了获取网络的准确性和有效性；最后，对待处理网络训练来获取目标网络，进一步提高了目标网络的有效性。

继续参考图3，图3示出了根据本公开的搜索网络的方法的一些实施例的流程300。该搜索网络的方法，包括以下步骤：

步骤301，获取网络运行环境信息。

步骤301的内容与步骤201的内容相同，此处不再一一赘述。

步骤302，将上述网络运行环境信息转换为目标网络参数。

由上述描述可知，网络运行环境信息用于表征网络的运行条件。通常包括运行网络的设备的硬件信息、软件信息、网络带宽、工作时间等。为了通过网络运行环境信息搜索待处理网络，执行主体可以首先将网络运行环境信息转换为目标网络参数。其中，上述目标网络参数可以用于表征满足上述网络运行环境信息的网络参数，包括以下至少一项：网络层数、网络数据处理单元数、网络输入分辨率等。其中，网络输入分辨率可以是网络的输入大小。比如图像识别网络正常的输入大小是224×224，还可以使用256×256，320×320等。网络输入分辨率的输入越大，看到的细节越多，识别准确率越高，但是相应的耗时也是增加。

在一些实施例的一些可选的实现方式中，上述网络运行环境信息可以包括处理器主频，以及，上述将上述网络运行环境信息转换为目标网络参数，可以包括以下步骤：

第一步，获取基准网络数据处理单元的单元数据处理量。

处理器主频可以表征网络运行的硬件条件。当网络运行环境信息包括处理器主频时，执行主体可以通过处理器主频确定处理器单位时间的数据处理能力。执行主体可以进一步获取基准网络数据处理单元的单元数据处理量。通常，网络可以是由大量相同或近似的基准网络数据处理单元构成。其中，基准网络数据处理单元可以为搜索空间内网络中的一般网络数据处理单元。每个网络数据处理单元可以是函数等用于数据处理的公式或用于逻辑判断的神经元等。基于此，执行主体可以确定基准网络数据处理单元的单元数据处理量。

第二步，根据上述处理器主频与上述单元数据处理量的比值确定网络层数和上述网络层数中每一层网络的基准网络数据处理单元的数量。

单元数据处理量可以代表基准网络数据处理单元的数据处理能力。根据上述处理器主频与上述单元数据处理量的比值可以大致确定处理器能够在单位时间内处理多少个基准网络数据处理单元的数据，进而可以预估出网络层数和上述网络层数中每一层网络的基准网络数据处理单元的数量。

除了处理器主频外，网络运行环境信息还可以包括处理器核心数、处理器想线程数、内存容量、硬盘容量、运行网络的软件版本等信息，执行主体可以将处理器核心数、处理器想线程数、内存容量、硬盘容量、运行网络的软件版本等信息转换为对应的目标网络参数，具体根据实际需要而定。

在一些实施例的一些可选的实现方式中，上述网络运行环境信息可以包括网络带宽，以及，上述将上述网络运行环境信息转换为目标网络参数，可以包括：将上述网络带宽设置为初始网络层数与每个上述初始网络层数包含的、初始网络数据处理单元的单元数据处理量的乘积，确定对应上述网络带宽的初始网络层数和初始网络数据处理单元数。

当网络运行环境信息为网络带宽时，执行主体可以通过网络带宽确定运行目标网络的网络数据传输条件。网络带宽可以表征网络通信中单位时间的数据传输量。网络输出量通常可以通过初始网络层数与每个上述初始网络层数包含的、初始网络数据处理单元的单元数据处理量的乘积来表征。其中，初始网络层数的具体取值和初始网络数据处理单元数的具体取值可以动态调整，具体可以根据实际需要而定。

在一些实施例的一些可选的实现方式中，上述将上述网络运行环境信息转换为目标网络参数，可以包括：根据上述网络层数、网络数据处理单元数和网络输入分辨率预测网络运行时间。

由上述描述可知，网络包含大量相同或相似的网络数据处理单元，每个网络数据处理单元处理的数据量也相同或相似。因此，可以根据网络层数、网络数据处理单元数和网络输入分辨率预测网络运行时间。即，网络运行时间为网络执行一次数据处理所需要的时间。如此，实现了通过网络参数获取网络运行时间，有利于通过网络运行时间选择满足时间条件的目标网络，提供了获取目标网络的更多选择性，提高了目标网络的有效性。

步骤303，根据上述目标网络参数从上述网络搜索空间获取至少一个待处理网络。

在一些实施例中，得到目标网络参数后，执行主体可以根据目标网络参数、通过设定个网络间隔在网络搜索空间中选择网络，进而获取至少一个待处理网络。

在一些实施例的一些可选的实现方式中，上述根据上述目标网络参数从上述网络搜索空间获取至少一个待处理网络，可以包括以下步骤：

第一步，根据上述目标网络参数从上述网络搜索空间随机选取初始网络集合。

执行主体可以通过随机选取的方式、根据目标网络参数选择初始网络集合。初始网络集合内的初始网络数量可以根据实际需要而定。

第二步，对上述初始网络集合内的每个初始网络进行训练，按照训练精确度从高到低的顺序、从上述初始网络集合中选择至少一个更新网络。

为了测试初始网络的性能，执行主体可以对每个初始网络进行训练，训练的结果可以通过精确度来表征。例如，将样本输入初始网络，当初始网络的输出与样本之间的差值在预设差值范围内，则说明初始网络精确度高，性能好。否则，说明初始网络精确度不高，性能差。执行主体可以按照训练精确度从高到低的顺序、从初始网络集合中选择至少一个更新网络。即，更新网络为初始网络集合中性能较好的网络。如此，提高了获取更新网络的有效性。

第三步，对于上述至少一个更新网络中的更新网络，从该更新网络的设定范围内选择至少一个待处理网络。

实际中，网络搜索空间中的网络通常是按照网络层数、网络数据处理单元数、网络输入分辨率等条件排序的。当获取到更新网络后，说明在更新网络附近可能存在效果更好的网络。因此，执行主体可以从该更新网络的设定范围内选择至少一个待处理网络。此处，设定范围内比上述的设定个网络间隔要小，以保证获取的待处理网络的有效性。例如，设定个网络间隔为16个网络，则设定范围可以是4个网络。

需要说明的是，上述的第二步和第三步可以多次循环，具体根据实际需要而定。

在一些实施例的一些可选的实现方式中，上述从该更新网络的设定范围内选择至少一个待处理网络，可以包括以下步骤：

第一步，在该更新网络上述设定范围内选择至少一个候选网络。

执行主体可以通过随机选取等方式从每个更新网络的设定范围内选择至少一个候选网络。

第二步，获取上述至少一个候选网络中每个候选网络的网络参数，并根据网络参数从上述至少一个候选网络中选择至少一个待处理网络。

由于候选网络是在更新网络附近选取的，且网络搜索空间中的网络通常是按照网络层数、网络数据处理单元数、网络输入分辨率等条件排序的。因此，多个候选网络可能出现某些相同的参数。例如，多个候选网络可以具有相同的网络输入分辨率、网络层数，每层网络可以具有相同的网络数据处理单元数量等。此时，执行主体可以不经过对候选网络训练，直接比较每个候选网络的网络参数，进而从上述至少一个候选网络中选择至少一个待处理网络。例如，在其他参数相同的情况下，网络层数越多，则网络性能越好。基于此，执行主体可以直接选择网络层数更多的候选网络作为待处理网络。如此，可以加快获取目标网络的速度，提高获取目标网络的效率。

步骤304，通过随机算法对上述至少一个待处理网络进行训练，得到对应上述网络运行环境信息的目标网络。

随机算法可以较为快速地对网络进行训练，进而快速找到目标网络。其中，随机算法可以是数值概率算法、拉斯维加斯算法、蒙特卡罗算法、舍伍德算法等，具体根据实际需要而定。

继续参考图4，图4示出了根据本公开的搜索网络的方法的一些实施例的流程400。该搜索网络的方法，包括以下步骤：

步骤401，获取网络运行环境信息。

步骤401的内容与步骤201的内容相同，此处不再一一赘述。

步骤402，根据上述网络运行环境信息从网络搜索空间获取至少一个待处理网络。

步骤402的内容与步骤202的内容相同，此处不再一一赘述。

步骤403，通过第一设定数量的样本对上述至少一个待处理网络中的每个待处理网络进行训练，得到对应上述至少一个待处理网络的至少一个第一训练精确度。

得到待处理网络后，执行主体可以通过第一设定数量的样本对上述至少一个待处理网络中的每个待处理网络进行训练，得到对应上述至少一个待处理网络的至少一个第一训练精确度。为了尽快从待处理网络中选择可能的、性能较好的网络，执行主体可以通过第一设定数量的样本对上述至少一个待处理网络中的每个待处理网络进行训练，得到对应上述至少一个待处理网络的至少一个第一训练精确度。其中，第一设定数量的取值较小，以便提高训练速度。

步骤404，响应于上述至少一个第一训练精确度都不大于等于设定精确度阈值，执行以下训练步骤：按照精确度从高到低的顺序、从上述至少一个待处理网络中选择至少一个二级网络；通过第二设定数量的样本对上述至少一个二级网络中的每个二级网络进行训练，得到对应每个二级网络的第二训练精确度；重复上述训练步骤，直到获取训练精确度大于等于上述设定精确度阈值的目标网络。

当第一训练精确度都不大于等于设定精确度阈值时，说明待处理网络都不满足要求。此时，执行主体可以按照精确度从高到低的顺序、从上述至少一个待处理网络中选择至少一个二级网络。即，二级网络为待处理网络中性能较好的网络。以此为基础，执行主体通过第二设定数量的样本对上述至少一个二级网络中的每个二级网络进行训练，得到对应每个二级网络的第二训练精确度。通常，第二设定数量大于第一设定数量，或者，越往后的训练需要的样本的数据越大。之后，执行主体可以再次将第二训练精确度与设定精确度阈值进行比较。如果第二训练精确度也都不满足设定精确度阈值，则再次执行训练步骤。如此，可以获取到训练精确度大于等于上述设定精确度阈值的目标网络。

在一些实施例的一些可选的实现方式中，上述获取训练精确度大于等于上述设定精确度阈值的目标网络，可以包括：响应于存在训练精确度大于等于上述设定精确度阈值的多个初始目标网络，根据上述多个初始目标网络的网络参数，从上述多个初始目标网络中选择目标网络。

实际中，可能出现同时满足设定精确度阈值的多个初始目标网络。此时，执行主体可以直接比较多个初始目标网络的网络参数，进而从上述多个初始目标网络中选择目标网络。比较网络参数的方法与上述通过候选网络的网络参数获取待处理网络的方法相同，此处不再一一赘述。如此，有利于加快获取目标网络的速度。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种搜索网络的装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，一些实施例的搜索网络的装置500包括：网络运行环境信息获取单元501、待处理网络获取单元502和目标网络获取单元503。其中，网络运行环境信息获取单元501，被配置成获取网络运行环境信息，上述网络运行环境信息用于表征网络的运行条件；待处理网络获取单元502，被配置成根据上述网络运行环境信息从网络搜索空间获取至少一个待处理网络；目标网络获取单元503，被配置成对上述至少一个待处理网络进行训练，得到对应上述网络运行环境信息的目标网络。

在一些实施例的可选实现方式中，上述待处理网络获取单元502可以包括：目标网络参数转换子单元(图中未示出)和待处理网络获取子单元(图中未示出)。其中，目标网络参数转换子单元，被配置成将上述网络运行环境信息转换为目标网络参数，上述目标网络参数用于表征满足上述网络运行环境信息的网络参数，包括以下至少一项：网络层数、网络数据处理单元数、网络输入分辨率；待处理网络获取子单元，被配置成根据上述目标网络参数从上述网络搜索空间获取至少一个待处理网络。

在一些实施例的可选实现方式中，上述网络运行环境信息包括处理器主频，以及，上述目标网络参数转换子单元可以包括：单元数据处理量获取模块(图中未示出)和第一目标网络参数获取模块(图中未示出)。其中，单元数据处理量获取模块，被配置成获取基准网络数据处理单元的单元数据处理量；第一目标网络参数获取模块，被配置成根据上述处理器主频与上述单元数据处理量的比值确定网络层数和上述网络层数中每一层网络的基准网络数据处理单元的数量。

在一些实施例的可选实现方式中，上述网络运行环境信息包括网络带宽，以及，上述目标网络参数转换子单元可以包括：第二目标网络参数获取模块(图中未示出)，被配置成将上述网络带宽设置为初始网络层数与每个上述初始网络层数包含的、初始网络数据处理单元的单元数据处理量的乘积，确定对应上述网络带宽的初始网络层数和初始网络数据处理单元数。

在一些实施例的可选实现方式中，上述目标网络参数转换子单元可以包括：网络运行时间获取模块(图中未示出)，被配置成根据上述网络层数、网络数据处理单元数和网络输入分辨率预测网络运行时间。

在一些实施例的可选实现方式中，上述待处理网络获取子单元可以包括：初始网络集合获取模块(图中未示出)、更新网络获取模块(图中未示出)和待处理网络获取模块(图中未示出)。其中，初始网络集合获取模块，被配置成根据上述目标网络参数从上述网络搜索空间随机选取初始网络集合；更新网络获取模块，被配置成对上述初始网络集合内的每个初始网络进行训练，按照训练精确度从高到低的顺序、从上述初始网络集合中选择至少一个更新网络；待处理网络获取模块，对于上述至少一个更新网络中的更新网络，被配置成从该更新网络的设定范围内选择至少一个待处理网络。

在一些实施例的可选实现方式中，上述待处理网络获取模块可以包括：候选网络选择子模块(图中未示出)和待处理网络选择子模块(图中未示出)。其中，候选网络选择子模块，被配置成在该更新网络上述设定范围内选择至少一个候选网络；待处理网络选择子模块，被配置成获取上述至少一个候选网络中每个候选网络的网络参数，并根据网络参数从上述至少一个候选网络中选择至少一个待处理网络。

在一些实施例的可选实现方式中，上述目标网络获取单元503可以包括：第一目标网络获取子单元(图中未示出)，被配置成通过随机算法对上述至少一个待处理网络进行训练，得到对应上述网络运行环境信息的目标网络。

在一些实施例的可选实现方式中，上述目标网络获取单元503可以包括：第一训练精确度获取子单元(图中未示出)和第二目标网络获取子单元(图中未示出)。其中，第一训练精确度获取子单元，被配置成通过第一设定数量的样本对上述至少一个待处理网络中的每个待处理网络进行训练，得到对应上述至少一个待处理网络的至少一个第一训练精确度；第二目标网络获取子单元，响应于上述至少一个第一训练精确度都不大于等于设定精确度阈值，被配置成执行以下训练步骤：按照精确度从高到低的顺序、从上述至少一个待处理网络中选择至少一个二级网络；通过第二设定数量的样本对上述至少一个二级网络中的每个二级网络进行训练，得到对应每个二级网络的第二训练精确度；重复上述训练步骤，直到获取训练精确度大于等于上述设定精确度阈值的目标网络。

在一些实施例的可选实现方式中，上述第二目标网络获取子单元可以包括：目标网络获取模块(图中未示出)，响应于存在训练精确度大于等于上述设定精确度阈值的多个初始目标网络，被配置成根据上述多个初始目标网络的网络参数，从上述多个初始目标网络中选择目标网络。

可以理解的是，该装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元，在此不再赘述。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取网络运行环境信息，上述网络运行环境信息用于表征网络的运行条件；根据上述网络运行环境信息从网络搜索空间获取至少一个待处理网络；对上述至少一个待处理网络进行训练，得到对应上述网络运行环境信息的目标网络。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括网络运行环境信息获取单元、待处理网络获取单元和目标网络获取单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，目标网络获取单元还可以被描述为“用于生成目标网络的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

根据本公开的一个或多个实施例，提供了一种搜索网络的方法，包括：获取网络运行环境信息，上述网络运行环境信息用于表征网络的运行条件；根据上述网络运行环境信息从网络搜索空间获取至少一个待处理网络；对上述至少一个待处理网络进行训练，得到对应上述网络运行环境信息的目标网络。

根据本公开的一个或多个实施例，上述根据上述网络运行环境信息从网络搜索空间获取至少一个待处理网络，包括：将上述网络运行环境信息转换为目标网络参数，上述目标网络参数用于表征满足上述网络运行环境信息的网络参数，包括以下至少一项：网络层数、网络数据处理单元数、网络输入分辨率；根据上述目标网络参数从上述网络搜索空间获取至少一个待处理网络。

根据本公开的一个或多个实施例，上述网络运行环境信息包括处理器主频，以及，上述将上述网络运行环境信息转换为目标网络参数，包括：获取基准网络数据处理单元的单元数据处理量；根据上述处理器主频与上述单元数据处理量的比值确定网络层数和上述网络层数中每一层网络的基准网络数据处理单元的数量。

根据本公开的一个或多个实施例，上述网络运行环境信息包括网络带宽，以及，上述将上述网络运行环境信息转换为目标网络参数，包括：将上述网络带宽设置为初始网络层数与每个上述初始网络层数包含的、初始网络数据处理单元的单元数据处理量的乘积，确定对应上述网络带宽的初始网络层数和初始网络数据处理单元数。

根据本公开的一个或多个实施例，上述将上述网络运行环境信息转换为目标网络参数，包括：根据上述网络层数、网络数据处理单元数、网络输入分辨率预测网络运行时间。

根据本公开的一个或多个实施例，上述根据上述目标网络参数从上述网络搜索空间获取至少一个待处理网络，包括：根据上述目标网络参数从上述网络搜索空间随机选取初始网络集合；对上述初始网络集合内的每个初始网络进行训练，按照训练精确度从高到低的顺序、从上述初始网络集合中选择至少一个更新网络；对于上述至少一个更新网络中的更新网络，从该更新网络的设定范围内选择至少一个待处理网络。

根据本公开的一个或多个实施例，上述从该更新网络的设定范围内选择至少一个待处理网络，包括：在该更新网络上述设定范围内选择至少一个候选网络；获取上述至少一个候选网络中每个候选网络的网络参数，并根据网络参数从上述至少一个候选网络中选择至少一个待处理网络。

根据本公开的一个或多个实施例，上述对上述至少一个待处理网络进行训练，得到对应上述网络运行环境信息的目标网络，包括：通过随机算法对上述至少一个待处理网络进行训练，得到对应上述网络运行环境信息的目标网络。

根据本公开的一个或多个实施例，上述对上述至少一个待处理网络进行训练，得到对应上述网络运行环境信息的目标网络，包括：通过第一设定数量的样本对上述至少一个待处理网络中的每个待处理网络进行训练，得到对应上述至少一个待处理网络的至少一个第一训练精确度；响应于上述至少一个第一训练精确度都不大于等于设定精确度阈值，执行以下训练步骤：按照精确度从高到低的顺序、从上述至少一个待处理网络中选择至少一个二级网络；通过第二设定数量的样本对上述至少一个二级网络中的每个二级网络进行训练，得到对应每个二级网络的第二训练精确度；重复上述训练步骤，直到获取训练精确度大于等于上述设定精确度阈值的目标网络。

根据本公开的一个或多个实施例，上述获取训练精确度大于等于上述设定精确度阈值的目标网络，包括：响应于存在训练精确度大于等于上述设定精确度阈值的多个初始目标网络，根据上述多个初始目标网络的网络参数，从上述多个初始目标网络中选择目标网络。

根据本公开的一个或多个实施例，提供了一种搜索网络的装置，包括：网络运行环境信息获取单元，被配置成获取网络运行环境信息，上述网络运行环境信息用于表征网络的运行条件；待处理网络获取单元，被配置成根据上述网络运行环境信息从网络搜索空间获取至少一个待处理网络；目标网络获取单元，被配置成对上述至少一个待处理网络进行训练，得到对应上述网络运行环境信息的目标网络。

根据本公开的一个或多个实施例，上述待处理网络获取单元包括：目标网络参数转换子单元，被配置成将上述网络运行环境信息转换为目标网络参数，上述目标网络参数用于表征满足上述网络运行环境信息的网络参数，包括以下至少一项：网络层数、网络数据处理单元数、网络输入分辨率；待处理网络获取子单元，被配置成根据上述目标网络参数从上述网络搜索空间获取至少一个待处理网络。

根据本公开的一个或多个实施例，上述网络运行环境信息包括处理器主频，以及，上述目标网络参数转换子单元包括：单元数据处理量获取模块，被配置成获取基准网络数据处理单元的单元数据处理量；第一目标网络参数获取模块，被配置成根据上述处理器主频与上述单元数据处理量的比值确定网络层数和上述网络层数中每一层网络的基准网络数据处理单元的数量。

根据本公开的一个或多个实施例，上述网络运行环境信息包括网络带宽，以及，上述目标网络参数转换子单元包括：第二目标网络参数获取模块，被配置成将上述网络带宽设置为初始网络层数与每个上述初始网络层数包含的、初始网络数据处理单元的单元数据处理量的乘积，确定对应上述网络带宽的初始网络层数和初始网络数据处理单元数。

根据本公开的一个或多个实施例，上述目标网络参数转换子单元包括：网络运行时间获取模块，被配置成根据上述网络层数、网络数据处理单元数和网络输入分辨率预测网络运行时间。

根据本公开的一个或多个实施例，上述待处理网络获取子单元包括：初始网络集合获取模块，被配置成根据上述目标网络参数从上述网络搜索空间随机选取初始网络集合；更新网络获取模块，被配置成对上述初始网络集合内的每个初始网络进行训练，按照训练精确度从高到低的顺序、从上述初始网络集合中选择至少一个更新网络；待处理网络获取模块，对于上述至少一个更新网络中的更新网络，被配置成从该更新网络的设定范围内选择至少一个待处理网络。

根据本公开的一个或多个实施例，上述待处理网络获取模块包括：候选网络选择子模块，被配置成在该更新网络上述设定范围内选择至少一个候选网络；待处理网络选择子模块，被配置成获取上述至少一个候选网络中每个候选网络的网络参数，并根据网络参数从上述至少一个候选网络中选择至少一个待处理网络。

根据本公开的一个或多个实施例，上述目标网络获取单元包括：第一目标网络获取子单元，被配置成通过随机算法对上述至少一个待处理网络进行训练，得到对应上述网络运行环境信息的目标网络。

根据本公开的一个或多个实施例，上述目标网络获取单元包括：第一训练精确度获取子单元，被配置成通过第一设定数量的样本对上述至少一个待处理网络中的每个待处理网络进行训练，得到对应上述至少一个待处理网络的至少一个第一训练精确度；第二目标网络获取子单元，响应于上述至少一个第一训练精确度都不大于等于设定精确度阈值，被配置成执行以下训练步骤：按照精确度从高到低的顺序、从上述至少一个待处理网络中选择至少一个二级网络；通过第二设定数量的样本对上述至少一个二级网络中的每个二级网络进行训练，得到对应每个二级网络的第二训练精确度；重复上述训练步骤，直到获取训练精确度大于等于上述设定精确度阈值的目标网络。

根据本公开的一个或多个实施例，上述第二目标网络获取子单元包括：目标网络获取模块，响应于存在训练精确度大于等于上述设定精确度阈值的多个初始目标网络，被配置成根据上述多个初始目标网络的网络参数，从上述多个初始目标网络中选择目标网络。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (20)

1.一种搜索网络的方法，包括：

获取网络运行环境信息，所述网络运行环境信息用于表征网络的运行条件；

根据所述网络运行环境信息从网络搜索空间获取至少一个待处理网络；

对所述至少一个待处理网络进行训练，得到对应所述网络运行环境信息的目标网络。

2.根据权利要求1所述的方法，其中，所述根据所述网络运行环境信息从网络搜索空间获取至少一个待处理网络，包括：

将所述网络运行环境信息转换为目标网络参数，所述目标网络参数用于表征满足所述网络运行环境信息的网络参数，包括以下至少一项：网络层数、网络数据处理单元数、网络输入分辨率；

根据所述目标网络参数从所述网络搜索空间获取至少一个待处理网络。

3.根据权利要求2所述的方法，其中，所述网络运行环境信息包括处理器主频，以及

所述将所述网络运行环境信息转换为目标网络参数，包括：

获取基准网络数据处理单元的单元数据处理量；

根据所述处理器主频与所述单元数据处理量的比值确定网络层数和所述网络层数中每一层网络的基准网络数据处理单元的数量。

4.根据权利要求2所述的方法，其中，所述网络运行环境信息包括网络带宽，以及

所述将所述网络运行环境信息转换为目标网络参数，包括：

将所述网络带宽设置为初始网络层数与每个所述初始网络层数包含的、初始网络数据处理单元的单元数据处理量的乘积，确定对应所述网络带宽的初始网络层数和初始网络数据处理单元数。

5.根据权利要求2所述的方法，其中，所述将所述网络运行环境信息转换为目标网络参数，包括：

根据所述网络层数、网络数据处理单元数和网络输入分辨率预测网络运行时间。

6.根据权利要求2所述的方法，其中，所述根据所述目标网络参数从所述网络搜索空间获取至少一个待处理网络，包括：

根据所述目标网络参数从所述网络搜索空间随机选取初始网络集合；

对所述初始网络集合内的每个初始网络进行训练，按照训练精确度从高到低的顺序、从所述初始网络集合中选择至少一个更新网络；

对于所述至少一个更新网络中的更新网络，从该更新网络的设定范围内选择至少一个待处理网络。

7.根据权利要求6所述的方法，其中，所述从该更新网络的设定范围内选择至少一个待处理网络，包括：

在该更新网络所述设定范围内选择至少一个候选网络；

获取所述至少一个候选网络中每个候选网络的网络参数，并根据网络参数从所述至少一个候选网络中选择至少一个待处理网络。

8.根据权利要求1所述的方法，其中，所述对所述至少一个待处理网络进行训练，得到对应所述网络运行环境信息的目标网络，包括：

通过随机算法对所述至少一个待处理网络进行训练，得到对应所述网络运行环境信息的目标网络。

9.根据权利要求1所述的方法，其中，所述对所述至少一个待处理网络进行训练，得到对应所述网络运行环境信息的目标网络，包括：

通过第一设定数量的样本对所述至少一个待处理网络中的每个待处理网络进行训练，得到对应所述至少一个待处理网络的至少一个第一训练精确度；

响应于所述至少一个第一训练精确度都不大于等于设定精确度阈值，执行以下训练步骤：按照精确度从高到低的顺序、从所述至少一个待处理网络中选择至少一个二级网络；通过第二设定数量的样本对所述至少一个二级网络中的每个二级网络进行训练，得到对应每个二级网络的第二训练精确度；重复所述训练步骤，直到获取训练精确度大于等于所述设定精确度阈值的目标网络。

10.根据权利要求9所述的方法，其中，所述获取训练精确度大于等于所述设定精确度阈值的目标网络，包括：

响应于存在训练精确度大于等于所述设定精确度阈值的多个初始目标网络，根据所述多个初始目标网络的网络参数，从所述多个初始目标网络中选择目标网络。

11.一种搜索网络的装置，包括：

网络运行环境信息获取单元，被配置成获取网络运行环境信息，所述网络运行环境信息用于表征网络的运行条件；

待处理网络获取单元，被配置成根据所述网络运行环境信息从网络搜索空间获取至少一个待处理网络；

目标网络获取单元，被配置成对所述至少一个待处理网络进行训练，得到对应所述网络运行环境信息的目标网络。

12.根据权利要求11所述的装置，其中，所述待处理网络获取单元包括：

目标网络参数转换子单元，被配置成将所述网络运行环境信息转换为目标网络参数，所述目标网络参数用于表征满足所述网络运行环境信息的网络参数，包括以下至少一项：网络层数、网络数据处理单元数、网络输入分辨率；

待处理网络获取子单元，被配置成根据所述目标网络参数从所述网络搜索空间获取至少一个待处理网络。

13.根据权利要求12所述的装置，其中，所述网络运行环境信息包括处理器主频，以及

所述目标网络参数转换子单元包括：

单元数据处理量获取模块，被配置成获取基准网络数据处理单元的单元数据处理量；

第一目标网络参数获取模块，被配置成根据所述处理器主频与所述单元数据处理量的比值确定网络层数和所述网络层数中每一层网络的基准网络数据处理单元的数量。

14.根据权利要求12所述的装置，其中，所述网络运行环境信息包括网络带宽，以及

所述目标网络参数转换子单元包括：

第二目标网络参数获取模块，被配置成将所述网络带宽设置为初始网络层数与每个所述初始网络层数包含的、初始网络数据处理单元的单元数据处理量的乘积，确定对应所述网络带宽的初始网络层数和初始网络数据处理单元数。

15.根据权利要求12所述的装置，其中，所述待处理网络获取子单元包括：

初始网络集合获取模块，被配置成根据所述目标网络参数从所述网络搜索空间随机选取初始网络集合；

更新网络获取模块，被配置成对所述初始网络集合内的每个初始网络进行训练，按照训练精确度从高到低的顺序、从所述初始网络集合中选择至少一个更新网络；

待处理网络获取模块，对于所述至少一个更新网络中的更新网络，被配置成从该更新网络的设定范围内选择至少一个待处理网络。

16.根据权利要求15所述的装置，其中，所述待处理网络获取模块包括：

候选网络选择子模块，被配置成在该更新网络所述设定范围内选择至少一个候选网络；

待处理网络选择子模块，被配置成获取所述至少一个候选网络中每个候选网络的网络参数，并根据网络参数从所述至少一个候选网络中选择至少一个待处理网络。

17.根据权利要求11所述的装置，其中，所述目标网络获取单元包括：

第一训练精确度获取子单元，被配置成通过第一设定数量的样本对所述至少一个待处理网络中的每个待处理网络进行训练，得到对应所述至少一个待处理网络的至少一个第一训练精确度；

第二目标网络获取子单元，响应于所述至少一个第一训练精确度都不大于等于设定精确度阈值，被配置成执行以下训练步骤：按照精确度从高到低的顺序、从所述至少一个待处理网络中选择至少一个二级网络；通过第二设定数量的样本对所述至少一个二级网络中的每个二级网络进行训练，得到对应每个二级网络的第二训练精确度；重复所述训练步骤，直到获取训练精确度大于等于所述设定精确度阈值的目标网络。

18.根据权利要求17所述的装置，其中，所述第二目标网络获取子单元包括：

目标网络获取模块，响应于存在训练精确度大于等于所述设定精确度阈值的多个初始目标网络，被配置成根据所述多个初始目标网络的网络参数，从所述多个初始目标网络中选择目标网络。

19.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至10中任一所述的方法。

20.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1至10中任一所述的方法。

Images