一種應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能機(jī)器人參數(shù)優(yōu)化系統(tǒng)及方法
【專利摘要】本發(fā)明涉及一種應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能機(jī)器人參數(shù)優(yōu)化系統(tǒng)及方法，涉及智能機(jī)器人參數(shù)優(yōu)化領(lǐng)域。通過(guò)云端服務(wù)器完成參數(shù)優(yōu)化和壓縮過(guò)程，從而減少終端機(jī)器人的運(yùn)算量。該系統(tǒng)包括至少一個(gè)云端服務(wù)器和至少一個(gè)終端機(jī)器人，所述終端機(jī)器人與云端服務(wù)器通過(guò)網(wǎng)絡(luò)連接，終端機(jī)器人內(nèi)部嵌入有用于正向傳輸計(jì)算的終端神經(jīng)網(wǎng)絡(luò)模塊，云端服務(wù)器內(nèi)嵌入有用于根據(jù)樣本庫(kù)進(jìn)行優(yōu)化參數(shù)的云端神經(jīng)網(wǎng)絡(luò)模塊。該方法包括以下步驟：終端機(jī)器人對(duì)環(huán)境信息和動(dòng)作指令進(jìn)行識(shí)別和采集；不同云端神經(jīng)網(wǎng)絡(luò)模塊對(duì)不同種類的信息進(jìn)行參數(shù)優(yōu)化并存儲(chǔ)；判斷是否對(duì)神經(jīng)網(wǎng)絡(luò)模塊的參數(shù)優(yōu)化過(guò)程進(jìn)行壓縮；對(duì)優(yōu)化后的參數(shù)進(jìn)行壓縮。本發(fā)明適用于智能機(jī)器人神經(jīng)網(wǎng)絡(luò)模塊參數(shù)優(yōu)化。
【專利說(shuō)明】
一種應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能機(jī)器人參數(shù)優(yōu)化系統(tǒng)及方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明涉及智能機(jī)器人領(lǐng)域，具體涉及智能機(jī)器人參數(shù)優(yōu)化領(lǐng)域。
【背景技術(shù)】
[0002]目前現(xiàn)有的智能機(jī)器人大多都是單機(jī)版本的，也就是并沒(méi)有通過(guò)遠(yuǎn)程服務(wù)器來(lái)實(shí)現(xiàn)更好的性能的，這類機(jī)器人存在硬件條件不好，硬件成本高、可實(shí)現(xiàn)的智能程度不高，用戶體驗(yàn)不好的缺陷。
[0003]為了克服單機(jī)版本機(jī)器人的不足，越來(lái)越多的云機(jī)器人逐漸出現(xiàn)，云機(jī)器人是應(yīng)用的云端的服務(wù)器進(jìn)行服務(wù)的。
[0004]中國(guó)專利發(fā)明名稱為“云機(jī)器人系統(tǒng)及實(shí)現(xiàn)方法”，公開(kāi)號(hào):101973031A，【公開(kāi)日】:2011-02-16，利用遠(yuǎn)程云計(jì)算平臺(tái)直接通過(guò)網(wǎng)絡(luò)發(fā)送控制命令。
[0005]中國(guó)專利發(fā)明名稱為“一種云機(jī)器人系統(tǒng)、機(jī)器人和機(jī)器人云平臺(tái)”，公開(kāi)號(hào):105563484A，【公開(kāi)日】:2016-05-11，其中增加了人工坐席模塊，而且是通過(guò)專用通訊網(wǎng)絡(luò)實(shí)現(xiàn)數(shù)據(jù)傳輸。
[0006]以上兩個(gè)專利申請(qǐng)均采用了云機(jī)器人技術(shù)，，其中第一個(gè)是通過(guò)云端服務(wù)器進(jìn)行終端控制，第二個(gè)采用云端服務(wù)器運(yùn)算方式，都能夠?qū)崿F(xiàn)網(wǎng)絡(luò)連接，但對(duì)通訊網(wǎng)絡(luò)的延時(shí)要求很高，網(wǎng)絡(luò)條件差時(shí)會(huì)導(dǎo)致服務(wù)不可用的情況出現(xiàn)。
[0007]同時(shí)，由于人工智能的發(fā)展，機(jī)器學(xué)習(xí)算法，特別是神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)的算法給機(jī)器人產(chǎn)業(yè)帶來(lái)新的生機(jī)，比如卷積神經(jīng)網(wǎng)絡(luò)(CNN)、遞歸神經(jīng)網(wǎng)絡(luò)(RNN)和深度神經(jīng)網(wǎng)絡(luò)(DNN)在語(yǔ)音識(shí)別、視覺(jué)識(shí)別和自然語(yǔ)言處理上帶來(lái)很大的進(jìn)步，大大提升了機(jī)器人產(chǎn)品的應(yīng)用價(jià)值，特別是服務(wù)類智能機(jī)器人的用戶體驗(yàn)。
[0008]但是機(jī)器學(xué)習(xí)算法的優(yōu)勢(shì)在于不斷使用大量的數(shù)據(jù)來(lái)優(yōu)化算法的參數(shù)，用來(lái)訓(xùn)練的數(shù)據(jù)集數(shù)量龐大，而且參數(shù)的數(shù)量也特別巨大，比如十幾層的應(yīng)用于視覺(jué)識(shí)別的神經(jīng)網(wǎng)絡(luò)的參數(shù)是十億數(shù)量級(jí)，完成其訓(xùn)練需要的時(shí)間和運(yùn)算資源是非常龐大的。
[0009]例如:利用AI e xNe t圖像庫(kù)來(lái)訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)，使用dua 1-socket Xeonprocessors (3TFL0PS的運(yùn)算能力)需要150個(gè)小時(shí)，即使使用昂貴的專用于機(jī)器學(xué)習(xí)的GPU服務(wù)器也需要2個(gè)小時(shí)，所以直接在終端機(jī)器人上實(shí)現(xiàn)深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練的成本非常高。

【發(fā)明內(nèi)容】

[0010]本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能機(jī)器人參數(shù)優(yōu)化系統(tǒng)及方法，目的在于通過(guò)云端服務(wù)器完成參數(shù)優(yōu)化和壓縮過(guò)程，從而減少終端機(jī)器人的運(yùn)鈴舁里。
[0011]本發(fā)明解決上述技術(shù)問(wèn)題的技術(shù)方案如下:一種應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能機(jī)器人參數(shù)優(yōu)化系統(tǒng)，所述系統(tǒng)包括至少一個(gè)云端服務(wù)器和至少一個(gè)終端機(jī)器人，所述終端機(jī)器人與云端服務(wù)器通過(guò)網(wǎng)絡(luò)連接。
[0012]在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以做如下改進(jìn)。
[0013]進(jìn)一步，所述終端機(jī)器人包括用于正向傳輸計(jì)算的終端神經(jīng)網(wǎng)絡(luò)模塊。
[0014]進(jìn)一步，所述終端機(jī)器人還包括以下模塊的一種或幾種:
[0015]用于識(shí)別語(yǔ)音環(huán)境信息的語(yǔ)音識(shí)別模塊；
[0016]用于識(shí)別三維環(huán)境信息的視覺(jué)識(shí)別模塊；
[0017]用于識(shí)別方向環(huán)境信息的導(dǎo)航模塊；
[0018]用于根據(jù)外界環(huán)境進(jìn)行路徑規(guī)劃的路線規(guī)劃模塊；
[0019]用于執(zhí)行動(dòng)作指令的動(dòng)作控制模塊；
[0020]所述語(yǔ)音識(shí)別模塊、視覺(jué)識(shí)別模塊、導(dǎo)航模塊、路線規(guī)劃模塊和動(dòng)作控制模塊分別連接云端服務(wù)器中不同的終端神經(jīng)網(wǎng)絡(luò)模塊。
[0021]采用上述進(jìn)一步方案的有益效果是通過(guò)不同的終端神經(jīng)網(wǎng)絡(luò)模塊對(duì)終端機(jī)器人中各模塊信息進(jìn)行優(yōu)化，減少了運(yùn)算量，提高了運(yùn)算的準(zhǔn)確性。
[0022]進(jìn)一步，所述云端服務(wù)器還包括:
[0023]用于根據(jù)樣本庫(kù)進(jìn)行優(yōu)化參數(shù)的云端神經(jīng)網(wǎng)絡(luò)模塊；
[0024]用于根據(jù)優(yōu)化后的參數(shù)集以及終端機(jī)器人中各模塊的硬件信息對(duì)云端神經(jīng)網(wǎng)絡(luò)模塊的參數(shù)優(yōu)化過(guò)程進(jìn)行壓縮的壓縮模塊；
[0025]用于對(duì)優(yōu)化參數(shù)進(jìn)行存儲(chǔ)的數(shù)據(jù)存儲(chǔ)模塊。
[0026]進(jìn)一步，所述壓縮模塊進(jìn)一步包括:
[0027]用于獲取終端機(jī)器人的硬件信息的硬件信息獲取模塊，所述硬件信息包括型號(hào)、計(jì)算能力以及內(nèi)存信息；
[0028]用于設(shè)定是否進(jìn)行參數(shù)壓縮的條件壓縮條件設(shè)定模塊；當(dāng)參數(shù)壓縮條件介于壓縮上限和壓縮下限之間時(shí)進(jìn)行參數(shù)壓縮，所述壓縮上限為終端機(jī)器人的最大運(yùn)算能力或內(nèi)存的百分比，所述壓縮下限為云端神經(jīng)網(wǎng)絡(luò)模塊對(duì)參數(shù)壓縮的最大容錯(cuò)率；
[0029]用于根據(jù)終端機(jī)器人硬件信息對(duì)神經(jīng)網(wǎng)絡(luò)的參數(shù)位數(shù)、神經(jīng)網(wǎng)絡(luò)的層數(shù)、神經(jīng)網(wǎng)絡(luò)每層的節(jié)點(diǎn)或連接數(shù)量中的一種或幾種參數(shù)進(jìn)行壓縮的參數(shù)壓縮模塊。
[0030]采用上述進(jìn)一步方案的有益效果是通過(guò)設(shè)定參數(shù)壓縮的上下限，能夠提升用戶體驗(yàn)，在保證運(yùn)算準(zhǔn)確性的基礎(chǔ)上減少云端服務(wù)器的運(yùn)算量。
[0031]進(jìn)一步，所述壓縮模塊還包括:
[0032]用于根據(jù)壓縮后的參數(shù)和樣本庫(kù)信息獲得預(yù)算錯(cuò)誤率，并將該預(yù)算錯(cuò)誤率發(fā)送至終端機(jī)器人的錯(cuò)誤率預(yù)算模塊；
[0033]用于判斷預(yù)算錯(cuò)誤率是否大于參數(shù)壓縮的最大容錯(cuò)率的錯(cuò)誤率判斷模塊，是，則發(fā)出警告信息，否，則不作出任何操作。
[0034]采用上述進(jìn)一步方案的有益效果是:終端服務(wù)器可以根據(jù)上述過(guò)程在系統(tǒng)軟件上作出相應(yīng)的設(shè)計(jì)以提高用戶體驗(yàn)。
[0035]本發(fā)明解決上述技術(shù)問(wèn)題的另一技術(shù)方案如下:一種應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能機(jī)器人參數(shù)優(yōu)化方法，所述參數(shù)優(yōu)化方法包括以下步驟:
[0036]步驟一、對(duì)環(huán)境信息和動(dòng)作指令進(jìn)行識(shí)別和采集；
[0037]步驟二、對(duì)不同種類的信息進(jìn)行正向傳輸計(jì)算；
[0038]步驟三、根據(jù)樣本庫(kù)對(duì)不同種類的信息進(jìn)行參數(shù)優(yōu)化并存儲(chǔ)；
[0039]步驟四、判斷是否對(duì)優(yōu)化后的參數(shù)進(jìn)行壓縮，是，則執(zhí)行步驟五，否，則終止執(zhí)行并發(fā)出系統(tǒng)提示；
[0040]步驟五、對(duì)優(yōu)化后的參數(shù)進(jìn)行壓縮。
[0041]進(jìn)一步，步驟一中識(shí)別和采集的環(huán)境信息包括語(yǔ)音環(huán)境信息、三維環(huán)境信息和方向環(huán)境信息。
[0042]進(jìn)一步，步驟四中判斷是否對(duì)優(yōu)化后的參數(shù)進(jìn)行壓縮的過(guò)程為:
[0043]當(dāng)參數(shù)壓縮條件介于壓縮上限和壓縮下限之間時(shí)進(jìn)行參數(shù)壓縮，所述壓縮上限為終端機(jī)器人(I)的最大運(yùn)算能力或內(nèi)存的百分比，所述壓縮下限為云端神經(jīng)網(wǎng)絡(luò)模塊(3)對(duì)參數(shù)壓縮的最大容錯(cuò)率。
[0044]進(jìn)一步，步驟五中對(duì)優(yōu)化后的參數(shù)進(jìn)行壓縮的過(guò)程為:
[0045]步驟五一、云端服務(wù)器(2)獲取終端機(jī)器人(I)的硬件信息，所述硬件信息包括型號(hào)、計(jì)算能力以及內(nèi)存信息；
[0046]步驟五二、根據(jù)終端機(jī)器人(I)的硬件信息對(duì)神經(jīng)網(wǎng)絡(luò)的參數(shù)位數(shù)、神經(jīng)網(wǎng)絡(luò)的層數(shù)、神經(jīng)網(wǎng)絡(luò)每層的節(jié)點(diǎn)或連接數(shù)量中的一種或幾種參數(shù)進(jìn)行壓縮；
[0047]步驟五三、根據(jù)壓縮后的參數(shù)和樣本庫(kù)信息獲得預(yù)算錯(cuò)誤率，并將該預(yù)算錯(cuò)誤率發(fā)送至終端機(jī)器人(I);
[0048]步驟五四、判斷預(yù)算錯(cuò)誤率是否大于參數(shù)壓縮的最大容錯(cuò)率，是，則發(fā)出警告信息，否，則不作出任何操作。
[0049]本發(fā)明的有益效果是:本發(fā)明通過(guò)集中使用云端高性能的服務(wù)來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，將優(yōu)化好的參數(shù)送到所有的終端機(jī)器人中，使得可以通過(guò)使用更少的硬件資源實(shí)現(xiàn)正向運(yùn)算和應(yīng)用，一方面有利于降低終端機(jī)器人的硬件成本和提升用戶體驗(yàn)，另一方面通過(guò)集中運(yùn)算神經(jīng)網(wǎng)絡(luò)來(lái)應(yīng)用于所有的終端機(jī)器人，大大降低了整個(gè)系統(tǒng)的重復(fù)計(jì)算和運(yùn)算量，并采用非實(shí)時(shí)更新參數(shù)的方式，減少對(duì)網(wǎng)絡(luò)實(shí)時(shí)性的依賴。
【附圖說(shuō)明】
[0050]圖1為本發(fā)明所述的應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能機(jī)器人參數(shù)優(yōu)化系統(tǒng)的原理示意圖，其中終端機(jī)器人的個(gè)數(shù)為一個(gè)，且該終端機(jī)器人中包括了語(yǔ)音識(shí)別模塊、視覺(jué)識(shí)別模塊、導(dǎo)航模塊、路線規(guī)劃模塊和動(dòng)作控制模塊中的所有模塊；
[0051]圖2為本發(fā)明以深度神經(jīng)網(wǎng)絡(luò)為例的系統(tǒng)原理示意圖，其中終端機(jī)器人的個(gè)數(shù)為一個(gè)，且該終端機(jī)器人中包括了語(yǔ)音識(shí)別模塊、視覺(jué)識(shí)別模塊、導(dǎo)航模塊、路線規(guī)劃模塊和動(dòng)作控制模塊中的所有模塊。
[0052]附圖中，各標(biāo)號(hào)所代表的部件列表如下:
[0053]1、終端機(jī)器人，2、云端服務(wù)器，3、云端神經(jīng)網(wǎng)絡(luò)?？?，4、語(yǔ)音識(shí)別模塊，5、視覺(jué)識(shí)別模塊，6、導(dǎo)航模塊，7、路徑規(guī)劃模塊，8、動(dòng)作控制模塊，9、壓縮模塊，10、存儲(chǔ)模塊，11、終端神經(jīng)網(wǎng)絡(luò)模塊。
【具體實(shí)施方式】
[0054]以下結(jié)合附圖對(duì)本發(fā)明的原理和特征進(jìn)行描述，所舉實(shí)例只用于解釋本發(fā)明，并非用于限定本發(fā)明的范圍。
[0055]如圖1所示，本發(fā)明提出了一種應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能機(jī)器人參數(shù)優(yōu)化系統(tǒng)及方法，所述參數(shù)優(yōu)化即為通過(guò)訓(xùn)練數(shù)據(jù)，對(duì)神經(jīng)網(wǎng)絡(luò)模型中的參數(shù)進(jìn)行訓(xùn)練的過(guò)程。神經(jīng)網(wǎng)絡(luò)包含有許多分支，包括卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)，以下就以深度神經(jīng)網(wǎng)絡(luò)為例對(duì)本發(fā)明進(jìn)行進(jìn)一步的解釋說(shuō)明。
[0056]實(shí)施例1
[0057]如圖2所示，該系統(tǒng)包括至少一個(gè)云端服務(wù)器2和至少一個(gè)終端機(jī)器人I，所述終端機(jī)器人I與云端服務(wù)器2通過(guò)網(wǎng)絡(luò)連接，終端機(jī)器人I內(nèi)部嵌入有用于正向傳輸計(jì)算的終端深度神經(jīng)網(wǎng)絡(luò)模塊，云端服務(wù)器2內(nèi)嵌入有用于根據(jù)樣本庫(kù)進(jìn)行優(yōu)化參數(shù)的云端深度神經(jīng)網(wǎng)絡(luò)模塊。
[0058]在對(duì)參數(shù)進(jìn)行優(yōu)化時(shí)所依據(jù)的樣本庫(kù)可以來(lái)自終端機(jī)器人，也可以來(lái)自服務(wù)器的存儲(chǔ)設(shè)備或網(wǎng)絡(luò)數(shù)據(jù)等。
[0059]終端機(jī)器人I包括以下模塊的一種或幾種:
[0060]用于識(shí)別語(yǔ)音環(huán)境信息的語(yǔ)音識(shí)別模塊4;
[0061 ]用于識(shí)別三維環(huán)境信息的視覺(jué)識(shí)別模塊5;
[0062]用于識(shí)別方向環(huán)境信息的導(dǎo)航模塊6;
[0063]用于根據(jù)外界環(huán)境進(jìn)行路徑規(guī)劃的路線規(guī)劃模塊7;
[0064]用于執(zhí)行動(dòng)作指令的動(dòng)作控制模塊8；
[0065]所述語(yǔ)音識(shí)別模塊4、視覺(jué)識(shí)別模塊5、導(dǎo)航模塊6、路線規(guī)劃模塊7和動(dòng)作控制模塊8分別連接云端服務(wù)器2中不同的終端深度神經(jīng)網(wǎng)絡(luò)模塊。
[0066]本發(fā)明擬用遠(yuǎn)程的高性能服務(wù)器來(lái)實(shí)現(xiàn)深度神經(jīng)網(wǎng)絡(luò)的參數(shù)優(yōu)化，優(yōu)化后的參數(shù)定期非實(shí)時(shí)的更新到終端機(jī)器人上，終端機(jī)器人用本地計(jì)算資源實(shí)現(xiàn)深度神經(jīng)網(wǎng)絡(luò)的正向計(jì)算，解除了對(duì)網(wǎng)絡(luò)的依賴。
[0067]為了能夠獲得更好的參數(shù)優(yōu)化效果，本發(fā)明在云端服務(wù)器2中還增加了:
[0068]用于根據(jù)優(yōu)化后的參數(shù)集以及終端機(jī)器人I中各模塊的硬件信息對(duì)經(jīng)云端深度神經(jīng)網(wǎng)絡(luò)模塊優(yōu)化后的參數(shù)進(jìn)行壓縮的壓縮模塊9;
[0069]用于對(duì)優(yōu)化后的參數(shù)進(jìn)行存儲(chǔ)的數(shù)據(jù)存儲(chǔ)模塊10。
[0070]壓縮模塊9進(jìn)一步包括:
[0071]用于獲取終端機(jī)器人I的硬件信息的硬件信息獲取模塊，所述硬件信息包括型號(hào)、計(jì)算能力以及內(nèi)存信息；
[0072]用于設(shè)定是否進(jìn)行參數(shù)壓縮的條件壓縮條件設(shè)定模塊；當(dāng)參數(shù)壓縮條件介于壓縮上限和壓縮下限之間時(shí)進(jìn)行參數(shù)壓縮，所述壓縮上限為終端機(jī)器人I的最大運(yùn)算能力或內(nèi)存的百分比，所述壓縮下限為云端深度神經(jīng)網(wǎng)絡(luò)模塊對(duì)參數(shù)壓縮的最大容錯(cuò)率；
[0073]用于根據(jù)終端機(jī)器人I硬件信息對(duì)深度神經(jīng)網(wǎng)絡(luò)的參數(shù)位數(shù)、深度神經(jīng)網(wǎng)絡(luò)的層數(shù)、深度神經(jīng)網(wǎng)絡(luò)每層的節(jié)點(diǎn)或連接數(shù)量中的一種或幾種參數(shù)進(jìn)行壓縮的參數(shù)壓縮模塊。
[0074]在對(duì)參數(shù)進(jìn)行優(yōu)化過(guò)程中，需要對(duì)參數(shù)的進(jìn)度進(jìn)行精簡(jiǎn)，對(duì)每層的節(jié)點(diǎn)數(shù)根據(jù)實(shí)際的參數(shù)情況進(jìn)行刪減，即為參數(shù)壓縮，云端服務(wù)器獲取終端機(jī)器人的硬件信息，包括型號(hào)、計(jì)算能力以及內(nèi)存信息，再根據(jù)這些信息對(duì)深度神經(jīng)網(wǎng)絡(luò)的參數(shù)位數(shù)、深度神經(jīng)網(wǎng)絡(luò)的層數(shù)、深度神經(jīng)網(wǎng)絡(luò)每層的節(jié)點(diǎn)和連接數(shù)量進(jìn)行優(yōu)化，并將優(yōu)化后的參數(shù)進(jìn)行壓縮，壓縮條件的上限可以為終端機(jī)器人的最大運(yùn)算能力或內(nèi)存的百分比，壓縮條件的下限則是參數(shù)優(yōu)化的最大容錯(cuò)率，可以采用特定場(chǎng)景下的用戶體驗(yàn)不受影響為限進(jìn)行設(shè)定，云服務(wù)器在優(yōu)化后的網(wǎng)絡(luò)中對(duì)特定的數(shù)據(jù)集進(jìn)行回測(cè)，并向終端服務(wù)器報(bào)告需要的運(yùn)算能力和可能的錯(cuò)誤率，如果錯(cuò)誤率超出最大容錯(cuò)率，需要提出警告信息。
[0075]實(shí)施例2
[0076]本實(shí)施例提供了一種應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能機(jī)器人參數(shù)優(yōu)化方法，同樣以深度神經(jīng)網(wǎng)絡(luò)為例進(jìn)行進(jìn)一步說(shuō)明，所述參數(shù)優(yōu)化方法包括以下步驟:
[0077]步驟一、終端機(jī)器人I對(duì)環(huán)境信息和動(dòng)作指令進(jìn)行識(shí)別和采集；
[0078]步驟二、終端深度神經(jīng)網(wǎng)絡(luò)模塊對(duì)不同種類的信息進(jìn)行正向傳輸計(jì)算；
[0079]步驟三、云端深度神經(jīng)網(wǎng)絡(luò)模塊根據(jù)樣本庫(kù)對(duì)不同種類的信息進(jìn)行參數(shù)優(yōu)化并存儲(chǔ)；
[0080]步驟四、判斷是否對(duì)優(yōu)化后的參數(shù)進(jìn)行壓縮，是，則執(zhí)行步驟五，否，則終止執(zhí)行并發(fā)出系統(tǒng)提示；
[0081]步驟五、對(duì)優(yōu)化后的參數(shù)進(jìn)行壓縮，并將壓縮后的參數(shù)發(fā)送至終端機(jī)器人I。
[0082]環(huán)境信息包括語(yǔ)音環(huán)境信息、三維環(huán)境信息和方向環(huán)境信息。
[0083]步驟四中判斷是否對(duì)優(yōu)化后的參數(shù)進(jìn)行壓縮的過(guò)程為:
[0084]當(dāng)參數(shù)壓縮條件介于壓縮上限和壓縮下限之間時(shí)進(jìn)行參數(shù)壓縮，所述壓縮上限為終端機(jī)器人I的最大運(yùn)算能力或內(nèi)存的百分比，所述壓縮下限為云端深度神經(jīng)網(wǎng)絡(luò)模塊對(duì)參數(shù)壓縮的最大容錯(cuò)率。
[0085]步驟五中對(duì)優(yōu)化后的參數(shù)進(jìn)行壓縮的過(guò)程為:
[0086]步驟五一、云端服務(wù)器2獲取終端機(jī)器人I的硬件信息，所述硬件信息包括型號(hào)、計(jì)算能力以及內(nèi)存信息；
[0087]步驟五二、根據(jù)終端機(jī)器人I的硬件信息對(duì)深度神經(jīng)網(wǎng)絡(luò)的參數(shù)位數(shù)、深度神經(jīng)網(wǎng)絡(luò)的層數(shù)、深度神經(jīng)網(wǎng)絡(luò)每層的節(jié)點(diǎn)或連接數(shù)量中的一種或幾種參數(shù)進(jìn)行壓縮；
[0088]步驟五三、根據(jù)壓縮后的參數(shù)和樣本庫(kù)信息獲得預(yù)算錯(cuò)誤率，并將該預(yù)算錯(cuò)誤率發(fā)送至終端機(jī)器人I;
[0089]步驟五四、判斷預(yù)算錯(cuò)誤率是否大于參數(shù)壓縮的最大容錯(cuò)率，是，則發(fā)出警告信息，否，則不作出任何操作。
[0090]實(shí)施例3
[0091 ]本實(shí)施例以將本發(fā)明應(yīng)用于視覺(jué)識(shí)別信息的參數(shù)優(yōu)化和壓縮為例進(jìn)行說(shuō)明。
[0092](I)云端服務(wù)器上嵌入有實(shí)現(xiàn)視覺(jué)識(shí)別信息的神經(jīng)網(wǎng)絡(luò)模塊；
[0093](2)云端服務(wù)器通過(guò)收集數(shù)據(jù)庫(kù)，網(wǎng)絡(luò)上或者來(lái)自系統(tǒng)中的終端機(jī)器人獲取到的帶標(biāo)記圖像數(shù)據(jù)，用于作為訓(xùn)練神經(jīng)網(wǎng)路的節(jié)點(diǎn)參數(shù)的輸入，通過(guò)特定的運(yùn)算來(lái)實(shí)現(xiàn)參數(shù)的優(yōu)化計(jì)算；
[0094](3)云端服務(wù)器實(shí)現(xiàn)參數(shù)的計(jì)算后，根據(jù)實(shí)際網(wǎng)絡(luò)參數(shù)的結(jié)果和目標(biāo)的終端機(jī)器人的計(jì)算能力，可以選擇是否需要優(yōu)化整個(gè)網(wǎng)絡(luò)的正向計(jì)算，其中包括減少參數(shù)精度和網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)和連接，同時(shí)也可以選擇把參數(shù)更新到終端機(jī)器人中；
[0095](4)終端機(jī)器人使用優(yōu)化后的參數(shù)實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的正向計(jì)算，同時(shí)，也可以選擇將本地獲取的帶標(biāo)記圖像送回到云端服務(wù)器，作為云端服務(wù)器下一輪優(yōu)化的圖像輸入；
[0096](5)云端服務(wù)器還可以增加某些功能，例如定時(shí)，或者根據(jù)數(shù)據(jù)集的更新情況來(lái)啟動(dòng)下一輪的參數(shù)優(yōu)化。
[0097]以上所述僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1.一種應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能機(jī)器人參數(shù)優(yōu)化系統(tǒng)，其特征在于，所述系統(tǒng)包括至少一個(gè)云端服務(wù)器(2)和至少一個(gè)終端機(jī)器人(I )，所述終端機(jī)器人(I)與云端服務(wù)器(2)通過(guò)網(wǎng)絡(luò)連接。2.根據(jù)權(quán)利要求1所述的一種應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能機(jī)器人參數(shù)優(yōu)化系統(tǒng)，其特征在于，所述終端機(jī)器人(I)包括用于正向傳輸計(jì)算的終端神經(jīng)網(wǎng)絡(luò)模塊(11)。3.根據(jù)權(quán)利要求1所述的一種應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能機(jī)器人參數(shù)優(yōu)化系統(tǒng)，其特征在于，終端機(jī)器人(I)還包括以下模塊的一種或幾種: 用于識(shí)別語(yǔ)音環(huán)境信息的語(yǔ)音識(shí)別模塊(4); 用于識(shí)別三維環(huán)境信息的視覺(jué)識(shí)別模塊(5); 用于識(shí)別方向環(huán)境信息的導(dǎo)航模塊(6); 用于根據(jù)外界環(huán)境進(jìn)行路徑規(guī)劃的路線規(guī)劃模塊(7); 用于執(zhí)行動(dòng)作指令的動(dòng)作控制模塊(8); 所述語(yǔ)音識(shí)別模塊(4)、視覺(jué)識(shí)別模塊(5)、導(dǎo)航模塊(6)、路線規(guī)劃模塊(7)和動(dòng)作控制模塊(8)分別連接不同的終端神經(jīng)網(wǎng)絡(luò)模塊(11)。4.根據(jù)權(quán)利要求1所述的一種應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能機(jī)器人參數(shù)優(yōu)化系統(tǒng)，其特征在于，所述云端服務(wù)器(2)還包括: 用于根據(jù)樣本庫(kù)進(jìn)行優(yōu)化參數(shù)的云端神經(jīng)網(wǎng)絡(luò)模塊(3); 用于根據(jù)優(yōu)化后的參數(shù)集以及終端機(jī)器人(I)中各模塊的硬件信息對(duì)經(jīng)云端神經(jīng)網(wǎng)絡(luò)模塊(3)優(yōu)化后的參數(shù)進(jìn)行壓縮的壓縮模塊(9); 用于對(duì)優(yōu)化后的參數(shù)進(jìn)行存儲(chǔ)的數(shù)據(jù)存儲(chǔ)模塊(10)。5.根據(jù)權(quán)利要求4所述的一種應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能機(jī)器人參數(shù)優(yōu)化系統(tǒng)，其特征在于，所述壓縮模塊(9)進(jìn)一步包括: 用于獲取終端機(jī)器人(I)的硬件信息的硬件信息獲取模塊，所述硬件信息包括型號(hào)、計(jì)算能力以及內(nèi)存信息； 用于設(shè)定是否進(jìn)行參數(shù)壓縮的條件壓縮條件設(shè)定模塊；當(dāng)參數(shù)壓縮條件介于壓縮上限和壓縮下限之間時(shí)進(jìn)行參數(shù)壓縮，所述壓縮上限為終端機(jī)器人(I)的最大運(yùn)算能力或內(nèi)存的百分比，所述壓縮下限為云端神經(jīng)網(wǎng)絡(luò)模塊(3)對(duì)參數(shù)壓縮的最大容錯(cuò)率； 用于根據(jù)終端機(jī)器人(I)硬件信息對(duì)神經(jīng)網(wǎng)絡(luò)的參數(shù)位數(shù)、神經(jīng)網(wǎng)絡(luò)的層數(shù)、神經(jīng)網(wǎng)絡(luò)每層的節(jié)點(diǎn)或連接數(shù)量中的一種或幾種參數(shù)進(jìn)行壓縮的參數(shù)壓縮模塊。6.根據(jù)權(quán)利要求5所述的一種應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能機(jī)器人參數(shù)優(yōu)化系統(tǒng)，其特征在于，所述壓縮模塊(9)還包括: 用于根據(jù)壓縮后的參數(shù)和樣本庫(kù)信息獲得預(yù)算錯(cuò)誤率，并將該預(yù)算錯(cuò)誤率發(fā)送至終端機(jī)器人(I)的錯(cuò)誤率預(yù)算模塊； 用于判斷預(yù)算錯(cuò)誤率是否大于參數(shù)壓縮的最大容錯(cuò)率的錯(cuò)誤率判斷模塊，是，則發(fā)出警告信息，否，則不作出任何操作。7.—種應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能機(jī)器人參數(shù)優(yōu)化方法，其特征在于，所述參數(shù)優(yōu)化方法包括以下步驟: 步驟一、對(duì)環(huán)境信息和動(dòng)作指令進(jìn)行識(shí)別和采集； 步驟二、對(duì)不同種類的信息進(jìn)行正向傳輸計(jì)算； 步驟三、根據(jù)樣本庫(kù)對(duì)不同種類的信息進(jìn)行參數(shù)優(yōu)化并存儲(chǔ)； 步驟四、判斷是否對(duì)優(yōu)化后的參數(shù)進(jìn)行壓縮，是，則執(zhí)行步驟五，否，則終止執(zhí)行并發(fā)出系統(tǒng)提不; 步驟五、對(duì)優(yōu)化后的參數(shù)進(jìn)行壓縮。8.根據(jù)權(quán)利要求7所述的一種應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能機(jī)器人參數(shù)優(yōu)化方法，其特征在于，步驟一中識(shí)別和采集的環(huán)境信息包括語(yǔ)音環(huán)境信息、三維環(huán)境信息和方向環(huán)境信息中的一種或幾種。9.根據(jù)權(quán)利要求7所述的一種應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能機(jī)器人參數(shù)優(yōu)化方法，其特征在于，步驟四中判斷是否對(duì)優(yōu)化后的參數(shù)進(jìn)行壓縮的過(guò)程為: 當(dāng)參數(shù)壓縮條件介于壓縮上限和壓縮下限之間時(shí)進(jìn)行參數(shù)壓縮，所述壓縮上限為終端機(jī)器人(I)的最大運(yùn)算能力或內(nèi)存的百分比，所述壓縮下限為云端神經(jīng)網(wǎng)絡(luò)模塊(3)對(duì)參數(shù)壓縮的最大容錯(cuò)率。10.根據(jù)權(quán)利要求7所述的一種應(yīng)用神經(jīng)網(wǎng)絡(luò)的智能機(jī)器人參數(shù)優(yōu)化方法，其特征在于，步驟五中對(duì)優(yōu)化后的參數(shù)進(jìn)行壓縮的過(guò)程為: 步驟五一、云端服務(wù)器(2)獲取終端機(jī)器人(I)的硬件信息，所述硬件信息包括型號(hào)、計(jì)算能力以及內(nèi)存信息； 步驟五二、根據(jù)終端機(jī)器人(I)的硬件信息對(duì)神經(jīng)網(wǎng)絡(luò)的參數(shù)位數(shù)、神經(jīng)網(wǎng)絡(luò)的層數(shù)、神經(jīng)網(wǎng)絡(luò)每層的節(jié)點(diǎn)或連接數(shù)量中的一種或幾種參數(shù)進(jìn)行壓縮； 步驟五三、根據(jù)壓縮后的參數(shù)和樣本庫(kù)信息獲得預(yù)算錯(cuò)誤率，并將該預(yù)算錯(cuò)誤率發(fā)送至終端機(jī)器人(I); 步驟五四、判斷預(yù)算錯(cuò)誤率是否大于參數(shù)壓縮的最大容錯(cuò)率，是，則發(fā)出警告信息，否，則不作出任何操作。
【文檔編號(hào)】H04L12/24GK106027300SQ201610343978
【公開(kāi)日】2016年10月12日
【申請(qǐng)日】2016年5月23日
【發(fā)明人】簡(jiǎn)衛(wèi), 朱奇良
【申請(qǐng)人】深圳市飛仙智能科技有限公司