CN114724553B 一种关键词的识别方法、系统、装置及存储介质 （中山大学）

US2020184985A1,2020.06.11本发明提供的一种关键词的识别方法、系数以及所述权重参数建构建得到神经网络加速2获取音频信号以及存储阵列的硬件约束，对所述音频信号进行预处理得到语音特征根据所述语音特征图进行超网络训练，训练得到候选神经网络架在所述框架搜索空间中通过评估函数更新所述网络架构参数以根据更新后的网络架构参数、更新后的硬件架构参数以及对所述音频信号进行预加重，然后对预加重后的音频信号进行分帧得到长时语音信对所述长时语音信号进行加窗处理得到短时根据所述频率分量进行转换得到梅尔频率信号，对所述梅尔频率进根据所述语音特征图构建得到训练集，根据所述训练集通过随机梯度下降根据所述网络架构参数通过采样二值门生成候选神经网根据所述准确度以及所述硬件时延计算得到评估根据所述评估函数评分对所述网络架构参数以及所述硬件架构参数进3所述计算延时通过单层计算量之和除以有效计算并行度得到；所述根据更新后的硬件架构参数确定数据复用方式与计根据所述数据复用方式以及所述计算并行度控制所述目标神经神经网络加速器软硬件协同优化单元；用于对所练得到候选神经网络架构，并确定所述候选神经网络架构的网络架构参数以及权重参数；可重构加速器设计单元；用于根据更新后的网络架构参的程序在由处理器执行时用于运行如权利要求1-7中任一项所述的一种关键词的识别方4[0003]如图1所示，相关技术中的框架首先令音频信号通过特征提取模块等语音识别前5[0013]在所述框架搜索空间中通过评估函数更新所述网络架构参数以及所述硬件架构[0020]在本申请方案的一种可行的实施例中，所述根据所述语音特征图进行超网络训[0033]根据所述评估函数评分对所述网络架构参数以及所述硬件架构参数进行迭代更通过总访存数据量乘以数据位宽除以带宽得67中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适以采用本方案所提供的实施例自动且全面地获得目标任务所需的最佳神经网络结构与对[0064]一方面，本申请技术方案提供了一种关键词的识别方法；该方法主要包括步骤所采用的神经网络架构搜索不同于传统神经网络，它需要交替训练权重参数与架构参数，8经训练得到(候选)神经网络架构通过测试集进行推理预测得到[0076]具体在实施例中，将网络结构参数与硬件设计方案传入可重构加速器设计模块权值与对应的加速器模板可以用于具体的关键词语言识别应用。约束，对所述音频信号进行预处理得到语音特征图这一步骤S100，其可以包括步骤S110-9(FFT)大大减少了傅里叶变换的计算复杂度，其目的是将时域信号转换为频率分量在时间[0085]在一些可以选择的实施例中，实施例方法根据所述语音度将指导搜索策略向搜索空间中更优的结构进行收敛，反复迭代后获得最优的网络结构。[0103]将当前架构的硬件延时与该架构对应的神经网络精度放入强化学习的评估函数[0109]单层计算的延时latencyOP等于单层计算量之和TotalOperation的形式传入处理系统中，再通过中央处理器对加速器的可编程逻辑模块进行初始化配置。[0121]可编程逻辑模块中的配置寄存器通过AXI-lite总线接收CPU中传来的初始化配置与数据缓存A中的输入特征图数据一起传入计算单元阵列进行神经网络的卷积计算。最后[0129]1.本申请技术方案提出了一种面向关键词识别神经网络的软硬件协同自动优化[0131]在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提改变以及其中被描述为较大操作的一部分的子操备而使用。些等同的变形或替换均包含在本申请权利要