[發明專利]數據處理方法及裝置、電子設備和存儲介質

在審

• 申請號: 202010698834.X
• 申請日: 2020-07-17
• 公開（公告）號: CN111882059A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 林成龍;崔磊
• 申請（專利權）人: 北京市商湯科技開發有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04;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: 劉鶴;張穎玲

本公開實施例提出了一種數據處理方法及裝置、電子設備和計算機存儲介質，所述數據處理方法包括：基于第一選取指令選取工作流模板，基于用戶第二選取指令從數據集中選取神經網絡的訓練集；根據所述工作流模板確定所述神經網絡的訓練框架，其中，所述訓練框架具有所述實例對應的神經網絡的網絡結構；根據所述訓練集和所述神經網絡的網絡結構訓練神經網絡，得到訓練完成的神經網絡模型。如此，可以針對用戶需求實現神經網絡模型的自動訓練，不需要算法研究員針對不同的用戶需求定制不同的神經網絡模型，降低了時間成本和人力成本。

技術領域

本公開涉及計算機視覺技術，尤其涉及一種數據處理方法及裝置、電子設備和計算機存儲介質。

背景技術

隨著人工智能的發展，越來越多行業開始利用人工智能技術來提升企業和組織運營的效率，降低運營的成本，但是現有的人工智能技術是針對不同的用戶需求，由算法研究員定制不同的神經網絡模型，神經網絡模型的開發周期較長，成本較高。

發明內容

本公開實施例期望提供數據處理的技術方案。

本公開實施例提供了一種數據處理方法，所述方法包括：

基于第一選取指令選取工作流模板，基于第二選取指令從數據集中選取神經網絡的訓練集；所述工作流模板表示神經網絡的訓練框架的實例；

根據所述工作流模板確定所述神經網絡的訓練框架，其中，所述訓練框架具有所述實例對應的神經網絡的網絡結構；

根據所述訓練集和所述神經網絡的網絡結構訓練神經網絡，得到訓練完成的神經網絡模型。

可選地，所述根據所述工作流模板確定神經網絡的訓練框架，包括：

根據所述工作流模板確定神經網絡的訓練框架的網絡參數；

基于所述網絡參數，確定神經網絡的訓練框架。

可以看出，由于工作流模板中包括神經網絡的訓練框架的網絡參數，因此，可以直接從根據用戶所選擇的工作流模板確定神經網路的訓練框架的網絡參數，然后可以基于網絡參數，自動確定與工作流模板對應的神經網絡訓練框架。

可選地，所述基于所述網絡參數，確定神經網絡的訓練框架，包括：

獲取神經網絡的初始模型；

確定所述初始模型對應的多個神經網絡的訓練框架；

在所述初始模型對應的多個神經網絡的訓練框架中，確定所述網絡參數對應的神經網絡的訓練框架。

可以看出，根據網絡參數，確定神經網絡的訓練框架的方法，可以基于神經網絡的初始模型和網絡參數，從多個神經網絡框架中，自動確定出與網絡參數對應的神經網絡的訓練框架，不需要用戶建立神經網絡的訓練框架，降低了時間成本和人力成本。

可選地，所述獲取神經網絡的初始模型，包括：基于第三選取指令從多個神經網絡的模型中選取出神經網絡的初始模型；或者，建立神經網絡的初始模型。

可以看出，通過該獲取的神經網絡初始模型的方法，可以從無到有建立神經網絡的初始模型或從模型倉庫中選取初始訓練模型，如此，便于實現。

可選地，所述基于所述網絡參數，確定神經網絡的訓練框架，包括：

獲取已有的神經網絡模型；

確定用于優化所述已有的神經網絡模型的多個神經網絡的訓練框架；

在所述已有的神經網絡模型的多個神經網絡的訓練框架中，確定所述網絡參數對應的神經網絡的訓練框架。