基于关键层回滚机制的卷积神经网络模型容错方法

摘要

本发明公开了一种基于关键层回滚机制的卷积神经网络模型容错方法，包括以下步骤：S1、寻找关键层，通过对原模型添加参数λ进行训练的方式寻找对分类影响最大的关键节点，确定网络的关键层分布；S2、输入分类图片，通过卷积神经网络对输入图片进行识别，获得关键层的输出特征，根据输出特征得到检测阈值；S3、将硬件约束进行建模，利用模拟退火算法求出在满足硬件条件约束的情况下的检测点数量。本发明通过分析实验获得卷积神经网络的关键节点分布，以此为依据获得网络的关键层和关键层的输出分布。在满足时间和空间约束的条件下，在关键层设置关键节点，当关键层输出异常的时候，利用检查点回滚机制实现卷积神经网络的容错。