一种预测卷积神经网络训练时间的方法
实质审查的生效
摘要
本发明公开了一种预测卷积神经网络训练时间的方法，包括如下步骤：S10、进行基准测试，收集随机参数的CNN网络层的执行时间数据，其中CNN为卷积神经网络；S20、训练网络模型，以收集的数据建立分层的网络模型并进行模型训练；S30、预测训练时间，预测各层网络层执行时间，组合各层网络层的执行时间，得到整体网络的预测时间。具有高效性，不需要对不同的卷积神经网络模型多次执行来获取数据集，仅需要执行不同的网络层来获取数据，显著缩短了预测所需要的机器资源与时间成本。
基本信息
专利标题 ：
一种预测卷积神经网络训练时间的方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114548379A
申请号 ：
CN202210196122.7
公开（公告）日 ：
2022-05-27
申请日 ：
2022-03-01
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
邬惠峰肖昌集孙丹枫刘勇
申请人 ：
杭州电子科技大学
申请人地址 ：
浙江省杭州市钱塘新区白杨街道2号大街1158号
代理机构 ：
代理人 ：
优先权 ：
CN202210196122.7
主分类号 ：
G06N3/04
IPC分类号 ：
G06N3/04 G06N3/08 G06Q10/06
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
G06N3/04
体系结构，例如，互连拓扑
法律状态
2022-06-14 ：
实质审查的生效
IPC(主分类) : G06N 3/04
申请日 : 20220301
申请日 : 20220301
2022-05-27 ：
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
