神经网络模型的重训练方法和相关产品

发明专利有效专利

申请号：
CN202010113322.2
IPC分类号：G06N3/04;G06N3/08
申请日期：
2020-02-24
申请人：
上海商汤智能科技有限公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	神经网络模型的重训练方法和相关产品
申请号	CN202010113322.2	申请日期	2020-02-24
法律状态	实质审查	申报国家	中国
公开/公告日	2021-08-24	公开/公告号	CN113298224A
优先权	暂无	优先权号	暂无
主分类号	G06N3/04 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/04 体系结构，例如，互连拓扑〔7〕	IPC分类号	G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	上海商汤智能科技有限公司	申请人地址	上海市徐汇区桂平路391号3号楼1605A室变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	上海商汤智能科技有限公司	当前权利人	上海商汤智能科技有限公司
发明人	沈煜;胡英俊;蒋科;其他发明人请求不公开姓名
代理机构	广州三环专利商标代理有限公司	代理人	熊永强;董文俊

摘要

本申请实施例公开了一种神经网络模型重训练方法和相关产品，该方法包括：基于第一神经网络模型进行第一迭代，得到第二神经网络模型，其中，在所述第一迭代中，所述第一神经网络模型中包括的至少一个第一网络层的权重被量化，所述第一神经网络模型中包括的多个第二网络层的权重为浮点数；基于所述第二神经网络模型进行第二迭代，得到第三神经网络模型，其中，在所述第二迭代中，所述至少一个第一网络层和所述多个第二网络层中与所述至少一个第一网络层相邻的至少一个第二网络层的权重被量化；采用分层量化的方式进行迭代训练，可以保证神经网络模型的预测精度。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供