一种基于参数分层的深度学习神经网络参数调优的方法
公开
摘要
本发明公开了一种基于参数分层的深度学习神经网络参数调优的方法。该方法包括：根据参数的语义进行分类和关联，并根据分层思想和每个参数的值域，随机生成一组初始参数；使用所述初始参数开始神经网络训练，并在训练过程中针对每个epoch，在迭代级别根据设定的提前终止条件决定生成待运行参数继续搜索或提前终止该次迭代；当满足设定的搜索结束条件时退出参数搜索，并将最小运行时间对应的可行参数作为神经网络的最优训练参数。本发明能够在保持最优训练参数性能的前提下，显著缩减搜索最优参数的时间。
基本信息
专利标题 ：
一种基于参数分层的深度学习神经网络参数调优的方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114565093A
申请号 ：
CN202011358511.2
公开（公告）日 ：
2022-05-31
申请日 ：
2020-11-27
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
苏子浩陈超喻之斌
申请人 ：
中国科学院深圳先进技术研究院
申请人地址 ：
广东省深圳市南山区深圳大学城学苑大道1068号
代理机构 ：
北京市诚辉律师事务所
代理人 ：
耿慧敏
优先权 ：
CN202011358511.2
主分类号 ：
G06N3/08
IPC分类号 ：
G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/08
学习方法
法律状态
2022-05-31 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
