[發(fā)明專利]一種數(shù)據(jù)模型的訓練方法及裝置

有效

• 申請?zhí)枺?/td>: 201811641326.7
• 申請日: 2018-12-29
• 公開（公告）號: CN111444255B
• 公開（公告）日: 2023-09-22
• 發(fā)明（設(shè)計）人: 戚世葛;孫承華
• 申請（專利權(quán)）人: 杭州海康存儲科技有限公司
• 主分類號: G06F16/26
• 分類號: G06F16/26;G06V10/774;G06V10/82;G06N3/0464
• 代理公司: 北京德琦知識產(chǎn)權(quán)代理有限公司 11018
• 代理人: 謝安昆;宋志強

1.一種數(shù)據(jù)模型的訓練方法，其特征在于，該方法包括，在網(wǎng)絡(luò)側(cè)，

統(tǒng)計來自各用戶側(cè)網(wǎng)絡(luò)設(shè)備上報的差異信息，該差異信息為用戶側(cè)網(wǎng)絡(luò)設(shè)備部署的第一數(shù)據(jù)模型輸出結(jié)果與期望結(jié)果的差異；

將統(tǒng)計的差異信息作為訓練依據(jù)，調(diào)整第一數(shù)據(jù)模型的模型參數(shù)；

將調(diào)整后的模型參數(shù)分發(fā)至各用戶側(cè)網(wǎng)絡(luò)設(shè)備，使得用戶側(cè)網(wǎng)絡(luò)設(shè)備部署的第一數(shù)據(jù)模型按照分發(fā)的模型參數(shù)更新；

其中，

所述第一數(shù)據(jù)模型包括：用于識別圖片中的文字信息的模型、或用于識別語音中的文字信息的模型、或用于人臉識別的模型、或用于圖片分類識別的模型、或用于視頻中物體識別的模型；

所述將統(tǒng)計的差異信息作為訓練依據(jù)，調(diào)整第一數(shù)據(jù)模型的模型參數(shù)包括：

將統(tǒng)計的樣本特征值作為訓練依據(jù)，統(tǒng)計各所述樣本特征值與預設(shè)第一閾值的誤差，所述樣本特征值由各用戶側(cè)網(wǎng)絡(luò)設(shè)備中具有第p代子孫模型參數(shù)的第一數(shù)據(jù)模型輸出，

按照所述誤差最小的原則，選擇出m對第一數(shù)據(jù)模型的模型參數(shù)，

將m對第一數(shù)據(jù)模型的模型參數(shù)按照遺傳算法分別進行雜交，得到第p+1代子孫模型參數(shù)，

將所述第p+1代子孫模型參數(shù)作為所述調(diào)整后的模型參數(shù)，并執(zhí)行所述將調(diào)整后的模型參數(shù)分發(fā)至各用戶側(cè)網(wǎng)絡(luò)設(shè)備的步驟；

p、m為自然數(shù)。

2.如權(quán)利要求1所述的方法，其特征在于，所述差異信息通過用戶側(cè)設(shè)備捕獲對于所述輸出結(jié)果的糾錯操作而獲得。

3.如權(quán)利要求2所述的方法，其特征在于，所述通過用戶側(cè)設(shè)備捕獲對于所述輸出結(jié)果的糾錯操作包括：捕獲用戶側(cè)設(shè)備應用程序?qū)τ谳敵鼋Y(jié)果的糾錯操作，基于糾錯操作生成上報的差異信息。

4.如權(quán)利要求3所述的方法，其特征在于，所述統(tǒng)計來自各用戶側(cè)網(wǎng)絡(luò)設(shè)備上報的差異信息包括，

根據(jù)所述差異信息，統(tǒng)計來自各用戶側(cè)網(wǎng)絡(luò)設(shè)備中具有第p代子孫模型參數(shù)的第一數(shù)據(jù)模型所輸出樣本特征值。

5.如權(quán)利要求4所述的方法，其特征在于，當所述第一數(shù)據(jù)模型的模型參數(shù)為初始模型參數(shù)時，所述將統(tǒng)計的樣本特征值作為訓練依據(jù)，統(tǒng)計各所述樣本特征值與預設(shè)的第一閾值的誤差還包括，

根據(jù)統(tǒng)計的誤差，計算所有誤差的方差，以方差為變化區(qū)間為參考，對所述初始模型參數(shù)進行隨機計算，得到N個第一代子孫模型參數(shù)；

所述第p+1代子孫模型參數(shù)為N個，

其中，N為自然數(shù)。

6.如權(quán)利要求1所述的方法，其特征在于，所述統(tǒng)計來自各用戶側(cè)網(wǎng)絡(luò)設(shè)備上報的差異信息按照定期進行統(tǒng)計。

7.如權(quán)利要求4所述的方法，其特征在于，所述選擇出m對第一數(shù)據(jù)模型的模型參數(shù)按照定期進行選擇。

8.如權(quán)利要求4所述的方法，其特征在于，所述統(tǒng)計來自各用戶側(cè)網(wǎng)絡(luò)設(shè)備中具有第p代子孫模型參數(shù)的第一數(shù)據(jù)模型所輸出樣本特征值按照定期進行統(tǒng)計。

9.如權(quán)利要求4所述的方法，其特征在于，所述將所述第p+1代子孫模型參數(shù)作為所述調(diào)整后的模型參數(shù)、并執(zhí)行所述將調(diào)整后的模型參數(shù)分發(fā)至各用戶側(cè)網(wǎng)絡(luò)設(shè)備的步驟之后進一步包括：

判斷遺傳算法當前迭代次數(shù)是否到達預設(shè)的迭代閾值，或者統(tǒng)計的誤差值是否達到預期并穩(wěn)定，如果是，則結(jié)束遺傳算法的迭代，并結(jié)束模型參數(shù)更新；否則，返回執(zhí)行所述將統(tǒng)計的樣本特征值作為訓練依據(jù)，統(tǒng)計各所述樣本特征值與預設(shè)第一閾值的誤差的步驟。

10.如權(quán)利要求5所述的方法，其特征在于，所述N個第p+1代子孫模型參數(shù)分發(fā)至各用戶側(cè)網(wǎng)絡(luò)設(shè)備。