[發明專利]一種數據處理方法、裝置及計算機可讀存儲介質

在審

• 申請號: 201811615971.1
• 申請日: 2018-12-27
• 公開（公告）號: CN109615023A
• 公開（公告）日: 2019-04-12
• 發明（設計）人: 趙璐;劉佑達;馬杰;李琳
• 申請（專利權）人: 咪咕文化科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 姚文嫻;張穎玲

本發明公開了一種數據處理方法，包括：利用預設識別模型輸出的預測數據，以及樣本數據對應的標簽數據，得到梯度數據；所述梯度數據表征所述預設數據與所述標簽數據的差異的變化；所述預測數據是利用訓練集中的樣本數據，并基于所述預設識別模型得到的；所述標簽數據用于表征所述樣本數據的類別；基于所述梯度數據，確定比例積分微分(PID，Proportion Integral Differential)控制參數；利用確定的PID控制參數，以及所述梯度數據，對所述預設識別模型的學習速率進行更新，以調整所述預設識別模型的收斂速度。本發明還同時公開了一種數據處理裝置以及計算機可讀存儲介質。

技術領域

本發明涉及機器學習領域，尤其涉及一種數據處理方法、裝置及計算機可讀存儲介質。

背景技術

目前，隨著人工智能技術的快速發展，機器學習有了廣泛應用。深度學習是一種實現機器學習的技術，它是一種監督學習，即需要通過設置一些參數，比如學習速率，對識別模型進行訓練。通常，深度學習算法工程師會根據自身經驗，對學習速率的值動態調整，以對識別模型進行訓練。

但上述方式需要深度學習算法工程師反復嘗試，以調整學習速率，這樣，對識別模型進行訓練的迭代次數較多，訓練周期較長，識別模型達到收斂的速度較慢。

發明內容

有鑒于此，本發明實施例期望提供一種數據處理方法、裝置及計算機可讀存儲介質，能夠自適應調整學習速率以加快識別模型的收斂速度。

本發明實施例的技術方案是這樣實現的：

本發明實施例提供一種數據處理方法，所述方法包括：

利用預設識別模型輸出的預測數據，以及樣本數據對應的標簽數據，得到梯度數據；所述梯度數據表征所述預設數據與所述標簽數據的差異的變化；所述預測數據是利用訓練集中的樣本數據，并基于所述預設識別模型得到的；所述標簽數據用于表征所述樣本數據的類別；

基于所述梯度數據，確定PID控制參數；

利用確定的PID控制參數，以及所述梯度數據，對所述預設識別模型的學習速率進行更新，以調整所述預設識別模型的收斂速度。

上述方案中，所述基于所述梯度數據，確定PID控制參數，包括：

利用所述梯度數據，基于梯度的平方運算，確定PID控制參數中的積分控制參數；

利用所述梯度數據，基于梯度的差值運算，確定PID控制參數中的微分控制參數。

上述方案中，所述利用確定的PID控制參數，以及所述梯度數據，對所述預設識別模型的學習速率進行更新，包括：

利用所述PID控制參數中比例放大控制參數、積分控制參數、微分控制參數，得到第四參數；

利用所述第四參數，對訓練步長進行更新；

基于更新后的訓練步長，以及所述梯度數據，對所述預設識別模型的學習速率進行更新。

上述方案中，所述利用所述PID控制參數中比例放大控制參數、積分控制參數、微分控制參數，得到第四參數，包括：

確定第一系數、第二系數；

計算所述第一系數與所述積分控制參數的數值的乘積，得到第一數值；

計算所述第二系數與所述微分控制參數的數值的乘積，得到第二數值；

計算所述第一數值、第二數值、比例放大控制參數的第三數值的數值之和，得到第四參數。

上述方案中，所述方法還包括：

判斷所述梯度數據的數值是否等于預設閾值；