一种快速定位深度卷积网络最优层级的方法及终端与流程

文档序号:31054088发布日期:2022-08-06 10:35阅读:来源:国知局

技术特征:
1.一种快速定位深度卷积网络最优层级的方法,其特征在于,包括步骤:s1、由预设在每一层网络层之后的分位数计算模型对当前网络层的输出数据进行分位计算,以得到当前网络层的数据集中率;s2、将当前网络层和相邻的至少一个网络层的数据集中率进行比对,判断数据集中率最高的网络层的层数是否最小,若不是,则向下层网络层传递数据并继续进行数据集中率的比对,直至比对的所有网络层中层数最小的网络层的数据集中率最高,否则停止向下层网络层传递数据,并将数据集中率最高的网络层作为最终最优层级。2.根据权利要求1所述的一种快速定位深度卷积网络最优层级的方法,其特征在于,所述步骤s2具体包括以下步骤:将当前网络层和所述当前网络层的上两层网络层的数据集中率进行比对;判断数据集中率最高的网络层的层数是否最小,若不是,则向下层网络层传递数据,取数据集中率最高的网络层作为当前最优层级,并将所述当前最优层级和其下两层网络层的数据集中率进行比对,直至比对的所有网络层中层数最小的网络层的数据集中率最高;否则停止向下层网络层传递数据,并将数据集中率最高的网络层作为最终最优层级。3.根据权利要求1所述的一种快速定位深度卷积网络最优层级的方法,其特征在于,所述当前网络层的输出数据向下层网络层传递数据时具体包括以下步骤:将所述当前网络层的输出数据滤除超过预设分位数范围的数据之后再传递到下层网络层。4.根据权利要求1所述的一种快速定位深度卷积网络最优层级的方法,其特征在于,还包括以下步骤:在得到数据集中率的比对结果之后,将数据集中率最高的网络层的输出数据更新到分位数计算模型;在得到最终最优层级时,将最终最优层级、分位数计算模型所保存的输出数据和所述最终最优层级的数据集中率一并输出。5.根据权利要求1所述的一种快速定位深度卷积网络最优层级的方法,其特征在于,所述深度卷积网络根据数据数量和数据质量预置网络层数,且所预置的网络层数大于或等于20层。6.一种快速定位深度卷积网络最优层级的终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:s1、由预设在每一层网络层之后的分位数计算模型对当前网络层的输出数据进行分位计算,以得到当前网络层的数据集中率;s2、将当前网络层和相邻的至少一个网络层的数据集中率进行比对,判断数据集中率最高的网络层的层数是否最小,若不是,则向下层网络层传递数据并继续进行数据集中率的比对,直至比对的所有网络层中层数最小的网络层的数据集中率最高,否则停止向下层网络层传递数据,并将数据集中率最高的网络层作为最终最优层级。7.根据权利要求6所述的一种快速定位深度卷积网络最优层级的终端,其特征在于,所述步骤s2具体包括以下步骤:将当前网络层和所述当前网络层的上两层网络层的数据集中率进行比对;
判断数据集中率最高的网络层的层数是否最小,若不是,则向下层网络层传递数据,取数据集中率最高的网络层作为当前最优层级,并将所述当前最优层级和其下两层网络层的数据集中率进行比对,直至比对的所有网络层中层数最小的网络层的数据集中率最高;否则停止向下层网络层传递数据,并将数据集中率最高的网络层作为最终最优层级。8.根据权利要求6所述的一种快速定位深度卷积网络最优层级的终端,其特征在于,所述当前网络层的输出数据向下层网络层传递数据时具体包括以下步骤:将所述当前网络层的输出数据滤除超过预设分位数范围的数据之后再传递到下层网络层。9.根据权利要求6所述的一种快速定位深度卷积网络最优层级的终端,其特征在于,还包括以下步骤:在得到数据集中率的比对结果之后,将数据集中率最高的网络层的输出数据更新到分位数计算模型;在得到最终最优层级时,将最终最优层级、分位数计算模型所保存的输出数据和所述最终最优层级的数据集中率一并输出。10.根据权利要求6所述的一种快速定位深度卷积网络最优层级的终端,其特征在于,所述深度卷积网络根据数据数量和数据质量预置网络层数,且所预置的网络层数大于或等于20层。

技术总结
本发明提供的一种快速定位深度卷积网络最优层级的方法及终端,包括步骤:S1、由预设在每一层网络层之后的分位数计算模型对当前网络层的输出数据进行分位计算,以得到当前网络层的数据集中率;S2、将当前网络层和相邻的至少一个网络层的数据集中率进行比对,判断数据集中率最高的网络层的层数是否最小,若不是,则向下层网络层传递数据并继续进行数据集中率的比对,直至比对的所有网络层中层数最小的网络层的数据集中率最高,否则停止向下层网络层传递数据,并将数据集中率最高的网络层作为最终最优层级;由此,本发明能够更快更节省算力的找到深度卷积网络的最优层级。力的找到深度卷积网络的最优层级。力的找到深度卷积网络的最优层级。


技术研发人员:吴林旭 林智明 李捷 唐光宇 闫乃永 卢学明
受保护的技术使用者:宝宝巴士股份有限公司
技术研发日:2022.04.06
技术公布日:2022/8/5
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1