[發(fā)明專利]模型參數(shù)調(diào)整方法、裝置、電子設(shè)備及可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201911409865.2
• 申請日: 2019-12-31
• 公開（公告）號: CN111860560A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計）人: 江湘舟;張洪霖
• 申請（專利權(quán)）人: 北京騎勝科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京超成律師事務(wù)所 11646
• 代理人: 劉靜

本申請?zhí)峁┝艘环N模型參數(shù)調(diào)整方法、裝置、電子設(shè)備及可讀存儲介質(zhì)，該方法通過向服務(wù)器發(fā)送模型獲取請求，并接收服務(wù)器反饋的目標(biāo)應(yīng)用模型，當(dāng)目標(biāo)應(yīng)用模型的準(zhǔn)確率小于預(yù)設(shè)定的準(zhǔn)確率閾值時，控制目標(biāo)應(yīng)用模型在不同的模型參數(shù)下運(yùn)行，并獲取目標(biāo)應(yīng)用模型在不同的模型參數(shù)下的運(yùn)行結(jié)果，然后根據(jù)多個運(yùn)行結(jié)果確定智能終端的最優(yōu)模型參數(shù)，并根據(jù)最優(yōu)模型參數(shù)重新配置目標(biāo)應(yīng)用模型。由于在得到的目標(biāo)應(yīng)用模型的準(zhǔn)確率較低時，再重新調(diào)整模型參數(shù)以獲得智能終端的最優(yōu)模型參數(shù)，同樣可使得該應(yīng)用模型在智能終端上運(yùn)行時可以得到較為理想的運(yùn)行結(jié)果。

技術(shù)領(lǐng)域

本申請涉及模型訓(xùn)練技術(shù)領(lǐng)域，具體而言，涉及一種模型參數(shù)調(diào)整方法、裝置、電子設(shè)備及可讀存儲介質(zhì)。

背景技術(shù)

傳統(tǒng)技術(shù)中，模型的訓(xùn)練是需要先收集大量的樣本數(shù)據(jù)，而后將樣本數(shù)據(jù)分為訓(xùn)練集(包含正樣本、負(fù)樣本)、驗證集，而后使用正樣本和負(fù)樣本分別訓(xùn)練模型。在訓(xùn)練完成之后還需要使用驗證集中的樣本來驗證，而后再輸出訓(xùn)練完成的模型。

通常地，智能設(shè)備會直接利用訓(xùn)練完成的模型去實現(xiàn)相應(yīng)的功能，但并未考慮到訓(xùn)練完成的模型在不同型號的智能設(shè)備上運(yùn)行的結(jié)果有很大的偏差，從而導(dǎo)致輸出結(jié)果達(dá)不到預(yù)想的結(jié)果。

發(fā)明內(nèi)容

有鑒于此，本申請的目的在于提供一種模型參數(shù)調(diào)整方法、裝置、電子設(shè)備及可讀存儲介質(zhì)，使得同一應(yīng)用模型在不同的智能終端上均可以得到較為理想的運(yùn)行結(jié)果。

第一方面，本申請?zhí)峁┝艘环N模型參數(shù)調(diào)整方法，應(yīng)用于智能終端，所述智能終端與服務(wù)器通信連接，所述方法包括：

向所述服務(wù)器發(fā)送模型獲取請求，所述模型獲取請求包括所述智能終端的設(shè)備信息及目標(biāo)應(yīng)用模型的類型信息；

接收所述服務(wù)器反饋的目標(biāo)應(yīng)用模型，其中，所述目標(biāo)應(yīng)用模型為所述服務(wù)器通過初始模型參數(shù)配置初始應(yīng)用模型得到的，所述初始應(yīng)用模型及所述初始模型參數(shù)為所述服務(wù)器根據(jù)所述設(shè)備信息及所述類型信息確定的；

若所述目標(biāo)應(yīng)用模型的準(zhǔn)確率小于預(yù)設(shè)定的準(zhǔn)確率閾值，控制所述目標(biāo)應(yīng)用模型在不同的模型參數(shù)下運(yùn)行，并獲取所述目標(biāo)應(yīng)用模型在不同的模型參數(shù)下的運(yùn)行結(jié)果；

根據(jù)多個所述運(yùn)行結(jié)果確定所述智能終端的最優(yōu)模型參數(shù)；

根據(jù)所述最優(yōu)模型參數(shù)重新配置所述目標(biāo)應(yīng)用模型。

在一些實施例中，所述運(yùn)行結(jié)果包括準(zhǔn)確率及效率，所述根據(jù)多個所述運(yùn)行結(jié)果確定所述智能終端的最優(yōu)模型參數(shù)的步驟包括：

若存在一個準(zhǔn)確率最高的所述目標(biāo)應(yīng)用模型，將準(zhǔn)確率最高的所述目標(biāo)應(yīng)用模型對應(yīng)的模型參數(shù)確定為最優(yōu)模型參數(shù)；

若存在至少兩個準(zhǔn)確率最高的所述目標(biāo)應(yīng)用模型，則將至少兩個準(zhǔn)確率最高的所述目標(biāo)應(yīng)用模型中效率較高的所述目標(biāo)應(yīng)用模型對應(yīng)的模型參數(shù)確定為最優(yōu)模型參數(shù)。

在一些實施例中，在所述控制所述目標(biāo)應(yīng)用模型在不同的模型參數(shù)下運(yùn)行，并獲取所述目標(biāo)應(yīng)用模型在不同的模型參數(shù)下的運(yùn)行結(jié)果的步驟之前，所述方法還包括：

接收所述服務(wù)器發(fā)送的模型參數(shù)范圍；

所述控制所述目標(biāo)應(yīng)用模型在不同的模型參數(shù)下運(yùn)行，并獲取所述目標(biāo)應(yīng)用模型在不同的模型參數(shù)下的運(yùn)行結(jié)果的步驟包括：

根據(jù)所述模型參數(shù)范圍調(diào)整所述目標(biāo)應(yīng)用模型的模型參數(shù)，控制所述目標(biāo)應(yīng)用模型在不同的模型參數(shù)下運(yùn)行，并獲取所述目標(biāo)應(yīng)用模型在不同的模型參數(shù)下的運(yùn)行結(jié)果。

在一些實施例中，在所述根據(jù)多個所述運(yùn)行結(jié)果確定所述智能終端的最優(yōu)模型參數(shù)的步驟之后，所述方法還包括：

向所述服務(wù)器發(fā)送所述智能終端的設(shè)備信息、所述最優(yōu)模型參數(shù)及所述運(yùn)行結(jié)果，所述設(shè)備信息、所述運(yùn)行結(jié)果及所述最優(yōu)模型參數(shù)一一對應(yīng)。