神经网络的测试方法、装置、计算机设备及存储介质与流程

技术特征：
1.一种神经网络的测试方法，其特征在于，包括：获取待部署神经网络、以及与所述待部署神经网络对应的标准网络；在所述待部署神经网络的硬件环境下，利用所述待部署神经网络对第一验证数据进行处理，得到所述待部署神经网络的各个网络层分别对应的第一结果数据；以及在测试环境下，利用所述标准网络对所述第一验证数据进行处理，得到与各个所述网络层分别对应的第二结果数据；基于所述第一结果数据和所述第二结果数据，从所述待部署神经网络中确定目标网络层。2.根据权利要求1所述的测试方法，其特征在于，所述在所述待部署神经网络的硬件环境下，利用所述待部署神经网络对第一验证数据进行处理，得到所述待部署神经网络的各个网络层分别对应的第一结果数据，包括：对所述待部署神经网络进行解析，得到所述待部署神经网络中各个第一算子的算子信息；基于所述硬件环境、以及各个第一算子的算子信息，从所述待部署神经网络的第一算子中，确定所述硬件环境不支持的待替换算子；利用所述硬件环境适配的第二算子，替换所述待替换算子，生成测试神经网络；将所述第一验证数据输入至所述测试神经网络，得到所述第一结果数据。3.根据权利要求2所述的测试方法，其特征在于，所述算子信息包括：算子类型和/或算子内参；所述对所述待部署神经网络进行解析，得到所述待部署神经网络中各个第一算子的算子信息，包括：对所述待部署神经网络对应的结构定义文件进行解析，得到所述待部署神经网络的各个网络层分别对应算子的算子类型；和/或，对所述待部署神经网络对应的模型参数文件进行解析，得到所述待部署神经网络中各个网络层分别对应算子的算子内参。4.根据权利要求1
‑
3任一项所述的测试方法，其特征在于，所述基于所述第一结果数据和所述第二结果数据，从所述待部署神经网络中确定目标网络层，包括：针对所述待部署神经网络的多个网络层中每个网络层，将该网络层对应的第一结果数据反量化至与所述第二结果数据一致的比特数，得到该网络层对应的第三结果数据；确定该网络层对应的第二结果数据和第三结果数据的距离；根据多个所述网络层分别对应的距离，从多个所述网络层中，确定目标网络层。5.根据权利要求4所述的测试方法，其特征在于，所述根据多个所述网络层分别对应的距离，从多个所述网络层中，确定目标网络层，包括：将多个网络层分别对应的距离和预设的距离阈值进行比对；将对应距离大于所述预设的距离阈值的网络层确定为备选网络层；基于各个备选网络层在所述待部署神经网络中的位置，从所述备选网络层中，确定目标网络层。6.根据权利要求1
‑
5任一项所述的测试方法，其特征在于，还包括：对所述目标网络层进行调整，得到目标神经网络。
7.根据权利要求6所述的测试方法，其特征在于，对所述目标网络层进行调整之前，还包括：随机生成输入至所述目标网络层的第一测试数据；以及在所述待部署神经网络的硬件环境下，利用所述待部署神经网络对第二验证数据进行处理，得到所述目标网络层的上一网络层对应的第四结果数据；将所述第四结果数据作为第二测试数据，利用所述第一测试数据以及所述第二测试数据，对所述目标网络层进行测试，得到测试结果；所述对所述目标网络层进行调整，得到目标神经网络，包括：基于所述测试结果，对所述目标网络层进行调整，得到所述目标神经网络。8.一种神经网络的测试装置，其特征在于，包括：获取模块，用于获取待部署神经网络、以及与所述待部署神经网络对应的标准网络；第一处理模块，用于在所述待部署神经网络的硬件环境下，利用所述待部署神经网络对第一验证数据进行处理，得到所述待部署神经网络的各个网络层分别对应的第一结果数据；以及在测试环境下，利用所述标准网络对所述第一验证数据进行处理，得到与各个所述网络层分别对应的第二结果数据；确定模块，用于基于所述第一结果数据和所述第二结果数据，从所述待部署神经网络中确定目标网络层。9.一种计算机设备，其特征在于，包括：处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述处理器用于执行所述存储器中存储的机器可读指令，所述机器可读指令被所述处理器执行时，所述处理器执行如权利要求1至7任一项所述的神经网络的测试方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被计算机设备运行时，所述计算机设备执行如权利要求1至7任一项所述的神经网络的测试方法的步骤。

技术总结
本公开提供了一种神经网络的测试方法、装置、计算机设备及存储介质，其中，该方法包括：获取待部署神经网络、以及与所述待部署神经网络对应的标准网络；在所述待部署神经网络的硬件环境下，利用所述待部署神经网络对第一验证数据进行处理，得到所述待部署神经网络的各个网络层分别对应的第一结果数据；以及在测试环境下，利用所述标准网络对所述第一验证数据进行处理，得到与各个所述网络层分别对应的第二结果数据；基于所述第一结果数据和所述第二结果数据，从所述待部署神经网络中确定目标网络层。这样，通过确定目标网络层，能够针对性的对目标网络层的参数进行调整，以降低对待部署神经网络的参数进行调整所需要的耗时，提升调整的效率。的效率。的效率。


技术研发人员：荆森 边旭 胡延隆
受保护的技术使用者：上海商汤阡誓科技有限公司
技术研发日：2021.09.30
技术公布日：2022/1/3