基于神经网络模型的搜索方法、装置、设备和介质.pdf
书生****12
亲,该文档总共21页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于神经网络模型的搜索方法、装置、设备和介质.pdf
本公开提供了一种基于神经网络模型的搜索方法,该神经网络模型包括语义表示模型、召回模型和排序模型,涉及人工智能领域,尤其涉及搜索技术领域。实现方案为:将目标搜索和多个待匹配对象输入语义表示模型,获取语义表示模型的第一输出,第一输出具有召回和排序的语义理解表示;将语义表示模型的第一输出输入召回模型,利用召回模型从多个待匹配对象中获取与目标搜索匹配的至少一个召回对象;以及将语义表示模型的第二输出输入排序模型,利用排序模型获取至少一个召回对象中每一召回对象的匹配值,其中,语义表示模型的第二输出为基于所输入的目标搜
基于神经网络模型的处理方法、装置、设备和存储介质.pdf
本申请涉及一种基于神经网络模型的处理方法、装置、设备和存储介质。该方法包括:接收用户终端发送的针对目标神经网络模型的加载请求,获取加载请求中携带的目标神经网络模型的目标模型类型和版本信息;从系统框架和基于系统框架运行的多个第三方神经网络框架中,确定与目标模型类型对应的目标框架;目标框架中部署至少一个神经网络模型;调用目标框架的加载接口,以基于加载接口加载符合版本信息的目标神经网络模型;若接收到针对加载后的目标神经网络模型的处理请求,则基于加载后的目标神经网络模型进行相应处理,生成符合预设定义规范的回复报文
神经网络搜索方法、装置、电子设备和存储介质.pdf
本公开提供了一种神经网络搜索方法、装置、电子设备和存储介质,通过基于第一搜索空间构建超网,其中,第一搜索空间包括深度可分离卷积模块,深度可分离卷积模块包括不同卷积核尺寸的多个第一卷积分支,且多个第一卷积分支分别级联第一批归一化层,各第一批归一化层的输出合并连接至下一操作层;基于训练样本对超网进行迭代训练,直至超网满足收敛条件;使得搜索空间能够对相同张量进行不同感受野大小的特征提取,从训练完备的超网中搜索满足部署条件的目标子网,从而解决了相关技术的搜索空间只能进行固定感受野大小的特征提取的问题,提升了模型的
搜索方法、模型训练方法、装置、电子设备和介质.pdf
本公开提供了一种搜索方法、模型训练方法、装置、电子设备和介质,涉及人工智能技术领域,具体为深度学习、图像处理、计算机视觉技术领域,可应用于视频处理等场景。具体实现方案为:获取对多个候选视频分别进行特征提取得到的局部特征和语义特征,局部特征用于表征对应候选视频的风格、外观中的至少一项,语义特征用于表征对应候选视频中内容主体所属的类别;对局部特征和语义特征进行特征融合,得到融合特征。由此,在根据文本搜索视频的场景下,同时基于各候选视频的语义特征(即深层特征)和局部特征(即浅层特征),从各候选视频中确定与搜索文
神经网络搜索方法及装置、设备、存储介质.pdf
本申请公开了神经网络搜索方法及装置、设备、存储介质;其中,所述方法包括:构建第一网络单元;其中,所述第一网络单元包括多个网络节点和多个候选算子,所述多个网络节点中的任意两个均通过多个操作分支相连接,每个操作分支对应于所述多个候选算子中的一个;通过第一图像样本数据集,对所述第一网络单元的架构参数进行训练,直至达到第一终止条件时,得到第二网络单元;根据所述架构参数在训练过程中的数值变化趋势,从所述第二网络单元中选取目标操作分支;根据所述目标操作分支对应的候选算子和连接的网络节点,确定第三网络单元。