【技术实现步骤摘要】
本专利技术涉及操作系统领域，尤其涉及一种神经网络系统及构建方法、设备、存储介质。
技术介绍
1、目前操作系统在计算机中占用的存储空间越来越大,win10官方给出的是建议大于16g的存储空间，wi ndows11官方给出的是建议大于64g的存储空间，与此同时，其占用的内存资源也变多了多，而早期的win7所需的存储和内存资源都小很多。一些特殊需求或者轻量级设备，如物联网设备、嵌入式系统等，由于设备所在的空间有限或所处环境特殊，通常只有有限的硬件资源，因此更需要可以在资源有限的环境下运行稳定的小体积系统。
技术实现思路
1、本专利技术目的在于提供一种神经网络系统的构建方法，通过构建神经网络模型，根据设置好的训练参数将标记的系统数据输入到神经网络模型中进行训练，将训练好的模型加入到系统中，本专利技术通过神经网络模型存储系统数据降低了系统占用的存储空间。
2、为达成上述目的，本专利技术提出如下技术方案：
3、本申请第一方面提供了一种神经网络系统构建方法，
4、获取目标系统的系统数据，对所述系统数据进行标注，所述系统数据包括图片、视频、文本和音频；
5、构建神经网络模型；
6、设置所述神经网络模型的训练参数，所述训练参数包括学习率和迭代次数；
7、根据所述训练参数将所述系统数据输入到所述神经网络模型中进行训练，产生第一模型；
8、在所述目标系统中加入所述第一模型，当所述目标系统需要加载所述系统数据时，所述目标系
9、优选的，所述神经网络模型采用transformer模型。
10、优选的，对所述神经网络模型的激活函数采用帕德逼近式表达。
11、优选的，根据所述训练参数将所述系统数据输入到所述神经网络模型中进行训练，产生第一模型。
12、优选的，构建神经网络模型，包括：构建推理程序，在所述目标系统中加入所述推理程序，所述推理程序用于推理所述神经网络模型。
13、优选的，所述神经网络模型采用4比特、8比特、16比特或32比特中的任一种数据类型进行存储。
14、本申请第二方面提供了一种神经网络系统，包括人工智能管理模块，所述人工智能管理模块包括本申请第一方面任一项的所述神经网络模型，所述神经网络模型存储所述神经网络系统的系统数据；
15、当所述神经网络系统需要加载所述系统数据时，所述神经网络系统从所述神经网络模型中获取所述系统数据。
16、优选的，所述人工智能管理模块包括推理模块，所述推理模块用于推理所述神经网络模型，当所述神经网络系统需要加载所述系统数据时通过所述推理模块从所述神经网络模型中获取所述系统数据。
17、本申请第三方面提供了一种电子设备，包括包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过通信总线完成相互间的通信；
18、所述存储器，用于存放计算机程序；
19、所述处理器，用于执行所述存储器上所存放的程序时，实现本申请第一方面任一所述的神经网络系统构建的方法步骤。
20、本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本申请第一方面任一所述的神经网络系统构建的方法步骤。
21、有益效果：
22、由以上技术方案可知，本专利技术将标注的系统数据注入到构建好的神经网络模型中，通过设置好的训练参数对神经网络模型进行训练以产生第一模型，将第一模型加入到系统中，系统需要加载系统数据时可以从第一模型中调取，而第一模型所占用的存储空间远小于系统数据所需的存储空间，如此显著降低了安装系统需要的存储空间。
23、应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的专利技术主题的一部分。
24、结合附图从下面的描述中可以更加全面地理解本专利技术教导的前述和其他方面、实施例和特征。本专利技术的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本专利技术教导的具体实施方式的实践中得知。
本文档来自技高网...【技术保护点】
1.一种神经网络系统构建方法，其特征在于：
2.根据权利要求1所述的神经网络系统构建方法，其特征在于：所述神经网络模型采用Transformer模型。
3.根据权利要求1或2所述的神经网络系统构建方法，其特征在于：对所述神经网络模型的激活函数采用帕德逼近式表达。
4.根据权利要求1所述的神经网络系统构建方法，其特征在于，在所述目标系统中加入所述第一模型，包括：对所述第一模型进行量化产生第二模型，在目标系统中加入所述第二模型，当所述目标系统需要加载所述系统数据时，所述目标系统从所述第二模型中读取所述系统数据。
5.根据权利要求1所述的神经网络系统构建方法，其特征在于，构建神经网络模型，包括：构建推理程序，在所述目标系统中加入所述推理程序，所述推理程序用于推理所述神经网络模型。
6.根据权利要求1所述的神经网络系统构建方法，其特征在于：所述神经网络模型采用4比特、8比特、16比特或32比特中的任一种数据类型进行存储。
7.一种神经网络系统，其特征在于:包括人工智能管理模块，所述人工智能管理模块包括权利要求1-6任
8.根据权利要求7所述的神经网络系统，其特征在于：所述人工智能管理模块包括推理模块，当所述神经网络系统需要加载所述系统数据时通过所述推理模块从所述神经网络模型中获取所述系统数据。
9.一种电子设备，其特征在于:包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口、所述存储器通过通信总线完成相互间的通信；
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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法步骤。
...【技术特征摘要】
1.一种神经网络系统构建方法，其特征在于：
2.根据权利要求1所述的神经网络系统构建方法，其特征在于：所述神经网络模型采用transformer模型。
3.根据权利要求1或2所述的神经网络系统构建方法，其特征在于：对所述神经网络模型的激活函数采用帕德逼近式表达。
4.根据权利要求1所述的神经网络系统构建方法，其特征在于，在所述目标系统中加入所述第一模型，包括：对所述第一模型进行量化产生第二模型，在目标系统中加入所述第二模型，当所述目标系统需要加载所述系统数据时，所述目标系统从所述第二模型中读取所述系统数据。
5.根据权利要求1所述的神经网络系统构建方法，其特征在于，构建神经网络模型，包括：构建推理程序，在所述目标系统中加入所述推理程序，所述推理程序用于推理所述神经网络模型。
6.根据权利要求1所述的神经网络系统构建方法，...
【专利技术属性】
技术研发人员：李贵，
申请(专利权)人：旷明智能科技无锡有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。