本发明公开了一种基于神经架构搜索的轻量级多退出点模型的建立方法,包括如下步骤:搜集电网图像数据构建样本数据集,将样本数据集划分为训练集和测试集;以树形结构为基础,设计包括主干网络和分支分类器的多退出点模型架构;通过将若干种卷积神经网络进行剪裁并重新组合的方法构建搜索空间,基于图像分类任务以权衡模型分类精度和模型大小为目标建立目标函数;将训练集输入搜索空间中,利用策略梯度的强化学习算法对目标函数进行优化,以多退出点模型架构为基础进行训练获取多退出点模型。本发明能很好地权衡了搜索得到的神经网络的精度和参数大小,实现对电力边缘侧的图像分类模型的压缩。
声明:
“基于神经架构搜索的轻量级多退出点模型的建立方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)