公开(公告)号：CN112019510B

公开(公告)日：2021-07-06

申请号：CN202010739741.7

申请日：2020-07-28

Applicant: 北京大学

Inventor： 刘譞哲 ,  马郓 ,  赵宇昕 ,  徐梦炜 ,  黄罡

IPC: H04L29/06 ,  H04L29/08 ,  G06N3/08

Abstract: 本发明提供了一种深度神经网络架构的自适应搜索方法和系统，旨在保护数据隐私的前提下，降低计算开销和通信开销，实现深度学习从云端分载到终端，提高终端参与效率。所述方法包括：终端调度模块根据终端属性对终端分组；网络架构搜索模块搜索到若干模型架构；决策与聚合模块基于动态训练策略，控制终端组对模型架构进行短期训练测试；根据融合模型架构准确率，得到优选模型架构；优选模型架构满足资源限制，则更新资源限制，进行新一轮迭代，不满足资源限制，则停止迭代；对每轮获得的优选模型架构，进行长期训练，得到每轮对应资源限制下最优模型架构。

公开(公告)号：CN112019510A

公开(公告)日：2020-12-01

申请号：CN202010739741.7

申请日：2020-07-28

Applicant: 北京大学

Inventor： 刘譞哲 ,  马郓 ,  赵宇昕 ,  徐梦炜 ,  黄罡

IPC: H04L29/06 ,  H04L29/08 ,  G06N3/08

Abstract: 本发明提供了一种深度神经网络架构的自适应搜索方法和系统，旨在保护数据隐私的前提下，降低计算开销和通信开销，实现深度学习从云端分载到终端，提高终端参与效率。所述方法包括：终端调度模块根据终端属性对终端分组；网络架构搜索模块搜索到若干模型架构；决策与聚合模块基于动态训练策略，控制终端组对模型架构进行短期训练测试；根据融合模型架构准确率，得到优选模型架构；优选模型架构满足资源限制，则更新资源限制，进行新一轮迭代，不满足资源限制，则停止迭代；对每轮获得的优选模型架构，进行长期训练，得到每轮对应资源限制下最优模型架构。