一种光学神经网络训练方法、装置、设备及介质与流程

技术特征：
1.一种光学神经网络训练方法，其特征在于，包括：获取包含图像样本和相应标签的训练集，并确定初始光学神经网络；从所述初始光学神经网络中筛选出包含目标分光器的目标光学运算模块；所述目标分光器为由于自身制造误差而引起分光比偏差的分光器；分别为所述初始光学神经网络中的每个所述目标光学运算模块均配置相应的能够进行移相操作的误差补偿器，以得到优化后光学神经网络；利用所述训练集对所述优化后光学神经网络进行训练，并在训练过程中利用所述误差补偿器对相应的所述目标光学运算模块中的所述目标分光器进行误差补偿，以得到训练后光学神经网络模型。2.根据权利要求1所述的光学神经网络训练方法，其特征在于，所述确定初始光学神经网络，包括：选取基于gridnet拓扑结构或fftnet拓扑结构的并采用两层全连接层的光学神经网络，以得到初始光学神经网络。3.根据权利要求1所述的光学神经网络训练方法，其特征在于，所述从所述初始光学神经网络中筛选出包含目标分光器的目标光学运算模块，分别为所述初始光学神经网络中的每个所述目标光学运算模块均配置相应的能够进行移相操作的误差补偿器，以得到优化后光学神经网络，包括：从所述初始光学神经网络中筛选出包含目标分光器的所有的马赫曾德尔干涉仪，以得到各目标光学运算模块，并分别为所述初始光学神经网络中的每个所述马赫曾德尔干涉仪均配置相应的能够进行移相操作的误差补偿器，得到优化后光学神经网络。4.根据权利要求3所述的光学神经网络训练方法，其特征在于，所述分别为所述初始光学神经网络中的每个所述目标光学运算模块均配置相应的能够进行移相操作的误差补偿器之前，还包括：将马赫曾德尔干涉仪作为用于对所述目标光学运算模块中的所述目标分光器进行误差补偿的器件，以得到所述误差补偿器；相应的，所述在训练过程中利用所述误差补偿器对相应的所述目标光学运算模块中的所述目标分光器进行误差补偿，包括：在训练过程中通过对作为所述误差补偿器的马赫曾德尔干涉仪的相位进行自动配置，以完成对所述目标分光器的误差补偿。5.根据权利要求1至4任一项所述的光学神经网络训练方法，其特征在于，所述利用所述训练集对所述优化后光学神经网络进行训练之前，还包括：为所述优化后光学神经网络设置包含批量大小、学习率、梯度下降方式、动量、分光器噪声的标准差以及训练轮数的超参数。6.根据权利要求5所述的光学神经网络训练方法，其特征在于，所述获取包含图像样本和相应标签的训练集，包括：分别按照第一样本选取比例和第二样本选取比例，对预设数据集中携带有相应标签的图像样本进行选取，以得到相应的训练集和测试集；相应的，所述利用所述训练集对所述优化后光学神经网络进行训练之后，还包括：利用所述测试集分别对与不同所述分光器噪声对应的各所述训练后光学神经网络模
型进行测试，以确定各所述训练后光学神经网络模型的准确率。7.根据权利要求5所述的光学神经网络训练方法，其特征在于，所述批量大小为100，所述学习率为0.15，所述梯度下降方式为随机梯度下降法，所述分光器噪声服从均值为0、方差为的高斯分布，所述训练轮数为10。8.一种光学神经网络训练装置，其特征在于，包括：训练集获取模块，用于获取包含图像样本和相应标签的训练集；网络确定模块，用于确定初始光学神经网络；筛选模块，用于从所述初始光学神经网络中筛选出包含目标分光器的目标光学运算模块；所述目标分光器为由于自身制造误差而引起分光比偏差的分光器；网络优化模块，用于分别为所述初始光学神经网络中的每个所述目标光学运算模块均配置相应的能够进行移相操作的误差补偿器，以得到优化后光学神经网络；网络训练模块，用于利用所述训练集对所述优化后光学神经网络进行训练，并在训练过程中利用所述误差补偿器对相应的所述目标光学运算模块中的所述目标分光器进行误差补偿，以得到训练后光学神经网络模型。9.一种电子设备，其特征在于，包括：存储器，用于保存计算机程序；处理器，用于执行所述计算机程序，以实现如权利要求1至7任一项所述的光学神经网络训练方法。10.一种计算机可读存储介质，其特征在于，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的光学神经网络训练方法。

技术总结
本申请公开了一种光学神经网络训练方法、装置、设备及介质，涉及人工智能领域，该方法包括：获取包含图像样本和相应标签的训练集，并确定初始光学神经网络；从初始光学神经网络中筛选出包含目标分光器的目标光学运算模块；目标分光器为由于自身制造误差而引起分光比偏差的分光器；分别为初始光学神经网络中的每个目标光学运算模块均配置能够进行移相操作的误差补偿器得到优化后光学神经网络；利用训练集对优化后光学神经网络进行训练，并在训练过程中利用误差补偿器对目标光学运算模块中的目标分光器进行误差补偿。通过上述方案，能够降低光学神经网络中由于分光器制造误差所引起的不良影响，有利于提升光学神经网络的训练准确率和推断准确率。准确率和推断准确率。准确率和推断准确率。


技术研发人员：陈静静 吴睿振 王凛 黄萍
受保护的技术使用者：苏州浪潮智能科技有限公司
技术研发日：2022.03.24
技术公布日：2022/4/26