[發(fā)明專利]模型同步更新方法、裝置及電子設(shè)備

有效

• 申請?zhí)枺?/td>: 202010551706.2
• 申請日: 2020-06-17
• 公開（公告）號: CN111738416B
• 公開（公告）日: 2023-07-18
• 發(fā)明（設(shè)計）人: 白戈;袁澤寰
• 申請（專利權(quán)）人: 北京字節(jié)跳動網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號: G06N3/0464
• 分類號: G06N3/0464;G06N3/08;G06N5/01;G06F18/2431
• 代理公司: 北京風(fēng)雅頌專利代理有限公司 11403
• 代理人: 鮑勝如

1.一種模型同步更新方法，其特征在于，包括：

在利用第一卷積神經(jīng)網(wǎng)絡(luò)模型的輸出數(shù)據(jù)訓(xùn)練第一梯度提升決策樹模型的同時，設(shè)置第二卷積神經(jīng)網(wǎng)絡(luò)模型和第二梯度提升決策樹模型，其中，所述第二卷積神經(jīng)網(wǎng)絡(luò)模型與所述第一卷積神經(jīng)網(wǎng)絡(luò)模型不同，所述第二梯度提升決策樹模型與所述第一梯度提升決策樹模型相同；所述第二卷積神經(jīng)網(wǎng)絡(luò)模型為獲取的新上線的與所述第一卷積神經(jīng)網(wǎng)絡(luò)模型不同的卷積神經(jīng)網(wǎng)絡(luò)模型；所述第二梯度提升決策樹模型是對所述第一梯度提升決策樹模型復(fù)制后得到的；

分別利用所述第一卷積神經(jīng)網(wǎng)絡(luò)模型和所述第二卷積神經(jīng)網(wǎng)絡(luò)模型的輸出數(shù)據(jù)來訓(xùn)練所述第一梯度提升決策樹模型和所述第二梯度提升決策樹模型；

基于所述第一梯度提升決策樹模型和所述第二梯度提升決策樹模型訓(xùn)練的結(jié)果，分別對所述第一梯度提升決策樹模型和所述第二梯度提升決策樹模型的性能指標(biāo)進(jìn)行評估，得到第一性能指標(biāo)和第二性能指標(biāo)；所述第一性能指標(biāo)和所述第二性能指標(biāo)是利用第一預(yù)測結(jié)果和第二預(yù)測結(jié)果分別與標(biāo)識數(shù)據(jù)進(jìn)行比對得到的；所述第一預(yù)測結(jié)果和所述第二預(yù)測結(jié)果是利用評估樣本分別對所述第一梯度提升決策樹模型和第二梯度提升決策樹模型進(jìn)行數(shù)據(jù)預(yù)測得到的；所述性能指標(biāo)和所述評估樣本是預(yù)先設(shè)定的，用于對所述第一梯度提升決策樹模型和所述第二梯度提升決策樹模型進(jìn)行評估；所述評估樣本中包括針對評估結(jié)果的所述標(biāo)識數(shù)據(jù)；

基于所述第一性能指標(biāo)與所述第二性能指標(biāo)的比較結(jié)果，對所述第一卷積神經(jīng)網(wǎng)絡(luò)模型或所述第二卷積神經(jīng)網(wǎng)絡(luò)模型中的一個執(zhí)行下線操作；其中，所述第一卷積神經(jīng)網(wǎng)絡(luò)模型和所述第二卷積神經(jīng)網(wǎng)絡(luò)模型的輸出數(shù)據(jù)，包括：視覺特征。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述分別利用所述第一卷積神經(jīng)網(wǎng)絡(luò)模型和所述第二卷積神經(jīng)網(wǎng)絡(luò)模型的輸出數(shù)據(jù)來訓(xùn)練所述第一梯度提升決策樹模型和所述第二梯度提升決策樹模型，包括：

獲取所述第一卷積神經(jīng)網(wǎng)絡(luò)模型全連接層生成的第一特征向量；

將所述第一特征向量和模型訓(xùn)練相關(guān)的線上數(shù)據(jù)一起輸入到所述第一梯度提升決策樹模型中，用以訓(xùn)練所述第一梯度提升決策樹模型。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述分別利用所述第一卷積神經(jīng)網(wǎng)絡(luò)模型和所述第二卷積神經(jīng)網(wǎng)絡(luò)模型的輸出數(shù)據(jù)來訓(xùn)練所述第一梯度提升決策樹模型和所述第二梯度提升決策樹模型，包括：

獲取所述第二卷積神經(jīng)網(wǎng)絡(luò)模型全連接層生成的第二特征向量；

將所述第二特征向量和模型訓(xùn)練相關(guān)的線上數(shù)據(jù)一起輸入到所述第二梯度提升決策樹模型中，用以訓(xùn)練所述第二梯度提升決策樹模型。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述性能指標(biāo)包括預(yù)測準(zhǔn)確度。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述第一性能指標(biāo)與所述第二性能指標(biāo)的比較結(jié)果，對所述第一卷積神經(jīng)網(wǎng)絡(luò)模型或所述第二卷積神經(jīng)網(wǎng)絡(luò)模型中的一個執(zhí)行下線操作，包括：

當(dāng)所述第一性能指標(biāo)優(yōu)于所述第二性能指標(biāo)時，下線所述第二卷積神經(jīng)網(wǎng)絡(luò)模型；

當(dāng)所述第二性能指標(biāo)優(yōu)于所述第一性能指標(biāo)時，下線所述第一卷積神經(jīng)網(wǎng)絡(luò)模型。