一种深度学习模型信息评估方法

本发明涉及一种深度学习模型信息评估方法，可解决目前无法在零样本的环境下评价不同模型的信息差异的问题，并为主动学习等方法提供性能评估指标。包括下列步骤：首先准备两个图像分类模型，然后创建初始随机图像，并将图像进行归一化预处理，再将图像分别输入两个待评估模型，获取分类概率向量。然后利用分类概率向量设置损失函数，利用损失函数对图像进行优化，最后将优化完成的图像去归一化，得到训练完成的深度梦。最后将得到的深度梦输入两个待评估模型，得到两组预测的类别logits向量，利用类别logits向量可计算模型信息差异值。本发明无需真实样本参与即可准确评估两个模型的信息差异。