用于深度神经网络的经预算和经简化的训练的方法和系统

摘要

公开了一种用于深度神经网络（DNN）的经预算和经简化的训练的方法和系统。在一个示例中，训练器用于使用从经向下采样的训练图像导出的多个训练子图像来训练DNN。测试器用于使用从经向下采样的测试图像导出的多个测试子图像来测试经训练的DNN。在另一示例中，在具有位于卷积神经网络（CNN）与长‑短时间存储器（LSTM）之间的局部注意力机制的递归深度Q网络（RDQN）中，由CNN从输入图像生成多个特征映射。由局部注意力机制通过选择所生成的特征映射的子集来将硬注意力应用到所生成的多个特征映射。由局部注意力机制通过向所生成的特征映射的所选子集提供权重以获得加权的特征映射，来将软注意力应用到所生成的特征映射的所选子集。将加权的特征映射存储在LSTM中。基于存储在LSTM中的加权的特征映射来针对不同动作计算Q值。