[發(fā)明專利]訓(xùn)練模型的方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010607599.0
• 申請日: 2020-06-30
• 公開（公告）號: CN111783872A
• 公開（公告）日: 2020-10-16
• 發(fā)明（設(shè)計(jì)）人: 付琰;陳亮輝;周洋杰;方軍
• 申請（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00
• 代理公司: 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205
• 代理人: 朱穎;劉芳

本申請公開了一種訓(xùn)練模型的方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲介質(zhì)，涉及人工智能領(lǐng)域，具體涉及深度學(xué)習(xí)技術(shù)領(lǐng)域。具體實(shí)現(xiàn)方案為：獲取樣本數(shù)據(jù)集，并在該樣本數(shù)據(jù)集中隨機(jī)選取若干個樣本數(shù)據(jù)作為子樣本數(shù)據(jù)集；基于該子樣本數(shù)據(jù)集對待訓(xùn)練模型進(jìn)行訓(xùn)練，得到第一訓(xùn)練參數(shù)，以及第二訓(xùn)練參數(shù)的取值區(qū)間；基于上述樣本數(shù)據(jù)集、第一訓(xùn)練參數(shù)、第二訓(xùn)練參數(shù)的取值區(qū)間，對待訓(xùn)練模型進(jìn)行訓(xùn)練，得到第二訓(xùn)練參數(shù)與第三訓(xùn)練參數(shù)；將上述第一訓(xùn)練參數(shù)、第二訓(xùn)練參數(shù)及第三訓(xùn)練參數(shù)確定為待訓(xùn)練模型的模型參數(shù)。本申請可以有效縮短自動機(jī)器學(xué)習(xí)中參數(shù)調(diào)節(jié)過程所耗費(fèi)的時長。

技術(shù)領(lǐng)域

本申請涉及人工智能領(lǐng)域，具體涉及深度學(xué)習(xí)技術(shù)領(lǐng)域。本申請?zhí)峁┝艘环N訓(xùn)練模型的方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲介質(zhì)。

背景技術(shù)

近年來，人工智能領(lǐng)域的機(jī)器學(xué)習(xí)技術(shù)已經(jīng)在互聯(lián)網(wǎng)點(diǎn)擊預(yù)估、計(jì)算機(jī)視覺、語音識別、自動駕駛等越來越多的領(lǐng)域中開始發(fā)揮重要的作用。

自動機(jī)器學(xué)習(xí)通常分為機(jī)器學(xué)習(xí)和自動調(diào)參兩部分。其中，機(jī)器學(xué)習(xí)部分用于使用樣本數(shù)據(jù)對模型進(jìn)行訓(xùn)練，自動調(diào)參部分用于在模型訓(xùn)練過程中基于一定的參數(shù)調(diào)整策略，對模型的參數(shù)進(jìn)行調(diào)節(jié)，從而得出最優(yōu)的模型結(jié)構(gòu)。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個分支，相比于其它機(jī)器學(xué)習(xí)模型，深度學(xué)習(xí)的模型復(fù)雜度比較高，且樣本數(shù)據(jù)量越充足時，深度學(xué)習(xí)的效果往往更好。但是，樣本數(shù)據(jù)量越大，自動機(jī)器學(xué)習(xí)中參數(shù)調(diào)節(jié)過程所耗費(fèi)的時間也會越久。

發(fā)明內(nèi)容

本申請?zhí)峁┝艘环N訓(xùn)練模型的方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲介質(zhì)。

根據(jù)本申請的第一方面，提供了一種訓(xùn)練模型的方法，包括：

獲取樣本數(shù)據(jù)集，并在所述樣本數(shù)據(jù)集中隨機(jī)選取若干個樣本數(shù)據(jù)作為子樣本數(shù)據(jù)集；

基于所述子樣本數(shù)據(jù)集對待訓(xùn)練模型進(jìn)行訓(xùn)練，得到第一訓(xùn)練參數(shù)，以及第二訓(xùn)練參數(shù)的取值區(qū)間；

基于所述樣本數(shù)據(jù)集、所述第一訓(xùn)練參數(shù)、所述第二訓(xùn)練參數(shù)的取值區(qū)間，對所述待訓(xùn)練模型進(jìn)行訓(xùn)練，得到第二訓(xùn)練參數(shù)與第三訓(xùn)練參數(shù)；

將所述第一訓(xùn)練參數(shù)、所述第二訓(xùn)練參數(shù)及所述第三訓(xùn)練參數(shù)確定為所述待訓(xùn)練模型的模型參數(shù)。

根據(jù)本申請的第二方面，提供了一種訓(xùn)練模型的裝置，包括：

樣本數(shù)據(jù)處理模塊，用于獲取樣本數(shù)據(jù)集，并在所述樣本數(shù)據(jù)集中隨機(jī)選取若干個樣本數(shù)據(jù)作為子樣本數(shù)據(jù)集；

訓(xùn)練模塊，用于基于所述子樣本數(shù)據(jù)集對待訓(xùn)練模型進(jìn)行訓(xùn)練，得到第一訓(xùn)練參數(shù)，以及第二訓(xùn)練參數(shù)的取值區(qū)間；

所述訓(xùn)練模塊，還用于基于所述樣本數(shù)據(jù)集、所述第一訓(xùn)練參數(shù)、所述第二訓(xùn)練參數(shù)的取值區(qū)間，對所述待訓(xùn)練模型進(jìn)行訓(xùn)練，得到第二訓(xùn)練參數(shù)與第三訓(xùn)練參數(shù)；

所述訓(xùn)練模塊，還用于將所述第一訓(xùn)練參數(shù)、所述第二訓(xùn)練參數(shù)及所述第三訓(xùn)練參數(shù)確定為所述待訓(xùn)練模型的模型參數(shù)。

根據(jù)本申請的第三方面，提供了一種電子設(shè)備，包括：

至少一個處理器；以及與所述至少一個處理器通信連接的存儲器；其中，所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行本申請的第一方面所提供的訓(xùn)練模型的方法。

根據(jù)本申請的第四方面，提供了一種存儲有計(jì)算機(jī)指令的非瞬時計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)指令用于使所述計(jì)算機(jī)執(zhí)行本申請的第一方面所提供的訓(xùn)練模型的方法。

根據(jù)本申請的技術(shù)解決了自動機(jī)器學(xué)習(xí)中參數(shù)調(diào)節(jié)過程所耗費(fèi)的時間較久的技術(shù)問題。