网络搜索方法及装置、电子设备、存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115952829A(43)申请公布日2023.04.11(21)申请号202211585844.8(22)申请日2022.12.09(71)申请人OPPO（重庆）智能科技有限公司地址401120重庆市渝北区玉峰山镇玉龙大道188号(72)发明人才贺冯天鹏张召凯王凡祎(74)专利代理机构深圳市联鼎知识产权代理有限公司44232专利代理师刘抗美(51)Int.Cl.G06N3/0455(2023.01)G06N3/08(2023.01)权利要求书2页说明书12页附图5页(54)发明名称网络搜索方法及装置、电子设备、存储介质(57)摘要本公开实施例是关于一种网络搜索方法及装置、电子设备、存储介质，涉及机器学习技术领域，该网络搜索方法包括：从样本数据集中获取多个采样网络；将多个采样网络中的当前采样网络进行编码获取当前结构编码，并将所述当前结构编码与历史结构编码进行聚合，以获取模型均值；根据所述模型均值的优化精度损失获取优化结构编码；对所述优化结构编码进行解码获取优化网络结构，直至基于根据优化网络结构迭代获取到所有采样网络的优化网络结构为止确定目标网络结构，以基于所述目标网络结构对待处理对象进行处理操作。本公开实施例中的技术方案，能够提高网络搜索的精准性。CN115952829ACN115952829A权利要求书1/2页1.一种网络搜索方法，其特征在于，包括：从样本数据集中获取多个采样网络；将多个采样网络中的当前采样网络进行编码获取当前结构编码，并将所述当前结构编码与历史结构编码进行聚合，以获取模型均值；根据所述模型均值的优化精度损失获取优化结构编码；对所述优化结构编码进行解码获取优化网络结构，直至基于根据优化网络结构迭代获取到所有采样网络的优化网络结构为止确定目标网络结构，以基于所述目标网络结构对待处理对象进行处理操作。2.根据权利要求1所述的网络搜索方法，其特征在于，所述从样本数据集中获取采样网络，包括：获取样本数据集；将所述样本数据集的精度区间划分为多个区间，对所述样本数据集在每个区间进行相同的均匀数量的采样，以确定多个采样网络。3.根据权利要求2所述的网络搜索方法，其特征在于，所述获取样本数据集，包括：在搜索空间中随机采样多个子网络，并将所述多个子网络进行训练得到带有真实精度标签的样本数据集。4.根据权利要求1所述的网络搜索方法，其特征在于，所述将所述当前结构编码与历史结构编码进行聚合，以获取模型均值，包括：对所述当前结构编码以及所述历史结构编码中的相同类型的结构，按照维度进行加权平均，获取所述模型均值。5.根据权利要求4所述的网络搜索方法，其特征在于，所述对所述当前结构编码以及所述历史结构编码中的相同类型的结构，按照维度进行加权平均，获取所述模型均值，包括：确定搜索任务的任务类型；根据所述任务类型确定对应的权重值，基于所述权重值将所述相同类型的结构按照维度进行加权平均，以确定所述模型均值。6.根据权利要求1所述的网络搜索方法，其特征在于，所述根据所述模型均值的优化精度损失获取优化结构编码，包括：对精度预测器的初始精度损失进行梯度优化，确定优化精度损失；基于所述优化精度损失进行模型训练，获取所述优化结构编码。7.根据权利要求1所述的网络搜索方法，其特征在于，所述对所述优化结构编码进行解码获取优化网络结构，直至基于根据优化网络结构迭代获取到所有采样网络的优化网络结构为止，确定目标网络结构，包括：根据当前采样网络对应的优化网络结构确定历史结构编码；将下一采样网络与历史结构编码进行迭代搜索获取下一采样网络的优化网络结构，直至对所述样本数据集中的所有采样网络确定优化网络结构为止，以获取所述目标网络结构。8.根据权利要求7所述的网络搜索方法，其特征在于，所述将下一采样网络与历史结构编码进行迭代搜索获取下一采样网络的优化网络结构，包括：将下一采样网络与历史结构编码进行聚合，获取下一采样网络的模型均值；2CN115952829A权利要求书2/2页根据下一采样网络的模型均值的优化精度损失更新优化结构编码；对所述优化结构编码进行解码获取下一采样网络的优化网络结构。9.一种网络搜索装置，其特征在于，包括：采样模块，用于从样本数据集中获取多个采样网络；聚合模块，用于将多个采样网络中的当前采样网络进行编码获取当前结构编码，并将所述当前结构编码与历史结构编码进行聚合，以获取模型均值；解码模块，用于根据所述模型均值的优化精度损失获取优化结构编码；网络结构确定模块，用于对所述优化结构编码进行解码获取优化网络结构，直至迭代获取到所有采样网络的优化网络结构为止确定目标网络结构，以基于所述目标网络结构对待处理对象进行处理操作。10.一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储所述处理