一种面向海量数据的卷积神经网络训练引擎方法及系统

摘要

本发明公开了一种面向海量数据的卷积神经网络训练引擎方法及系统，方法包括：搭建卷积神经网络并行化训练模型，统一配置训练模型的训练参数；收集训练数据形成训练数据集，并对训练数据集进行分片，得到多个训练子集；将标准误差和累积误差相结合，改进标准BP算法，训练子集采用改进后的BP算法进行迭代串行训练，每个训练子集在训练结束后都各自输出一个连接权值；根据连接权值计算算术平均值，更新卷积神经网络中的权值参数,得到一个经过并行化训练的卷积神经网络模型。本发明还提供了一种面向海量数据的卷积神经网络训练引擎系统。通过本方案可以使神经网络并行化训练模型对大规模的数据有较好的适应性,能够提高卷积神经网络的训练效率。