[發明專利]模型的訓練方法、裝置、電子設備及存儲介質

有效

• 申請號: 202011107097.8
• 申請日: 2020-10-16
• 公開（公告）號: CN112405521B
• 公開（公告）日: 2022-02-25
• 發明（設計）人: 王凡;田浩;方曉敏;何徑舟
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 張大威

1.一種模型的訓練方法，所述方法包括：

獲取元模型集合；

根據所述元模型集合，生成衍生模型，并將所述衍生模型作為元模型添加至所述元模型集合中；

對所述元模型集合進行元訓練，以確定所述元模型集合中經過訓練的每一元模型的性能參數；

根據所述性能參數，對所述元模型集合中的元模型進行篩選，以將篩選保留的元模型進行目標任務的適配訓練，得到用以執行所述目標任務的適配模型；

所述根據所述元模型集合，生成衍生模型，包括：

對所述元模型集合內的元模型，更新模型參數的初始值，以生成所述衍生模型。

2.根據權利要求1所述的訓練方法，其中，所述對所述元模型集合內的元模型，更新所述模型參數的初始值，以生成所述衍生模型，包括：

從所述元模型集合中，選取兩個元模型；

交換所述兩個元模型中部分所述模型參數的初始值，以得到至少兩個衍生模型。

3.根據權利要求1所述的訓練方法，其中，所述對所述元模型集合內的元模型，更新所述模型參數的初始值，以生成所述衍生模型，包括：

針對每一個所述元模型，將所述模型參數的初始值多次疊加噪聲，以根據每一次疊加噪聲得到的模型參數，生成對應的一個所述衍生模型。

4.根據權利要求3所述的訓練方法，其中，所述針對每一個所述元模型，將所述模型參數的初始值多次疊加噪聲，包括：

針對每一次疊加噪聲，根據本次疊加噪聲的元模型中各模型參數的設定噪聲方差，確定各所述模型參數的隨機高斯噪聲值；

將每一所述模型參數的隨機高斯噪聲值與對應的所述初始值疊加，以得到疊加噪聲的各所述模型參數；

根據疊加噪聲的各所述模型參數，生成對應的所述衍生模型。

5.根據權利要求1-4任一項所述的訓練方法，其中，所述對所述元模型集合進行元訓練，包括：

從多個任務的訓練樣本中隨機選定各輪迭代訓練過程的目標訓練樣本；

對所述元模型集合中的一個元模型執行多輪迭代訓練過程。

6.根據權利要求5所述的訓練方法，其中，所述對所述元模型集合中的每一個元模型執行多輪迭代訓練過程，包括：

獲取所述元模型對應的代理，其中，所述代理包括推理器和適配器；

采用所述代理，根據各輪的所述目標訓練樣本，對所述元模型執行多輪迭代訓練過程，其中，每一輪迭代訓練過程包括：所述推理器根據本輪的所述目標訓練樣本指示的狀態參數和本輪采用的元模型，生成本輪的動作參數；所述適配器獲取根據本輪的動作參數，控制被控對象執行對應的動作所得到的反饋參數，以及根據所述反饋參數、本輪的狀態參數和本輪的動作參數，更新本輪采用的元模型的模型參數，以得到下一輪采用的元模型。

7.根據權利要求6所述的訓練方法，其中，所述確定所述元模型集合中經過訓練的每一元模型的性能參數，包括：

根據每一元模型在執行各輪所述迭代訓練過程中的所述反饋參數，生成每一元模型的性能參數。

8.根據權利要求1-4任一項所述的訓練方法，其中，所述將篩選保留的元模型進行目標任務的適配訓練，包括：

獲取目標任務的多個訓練樣本；

對所述篩選保留的元模型，獲取對應的代理，其中，所述代理包括推理器和適配器；

采用所述代理，對所述篩選保留的元模型根據所述目標任務的訓練樣本，執行多輪迭代訓練過程；

其中，每一輪迭代訓練過程包括：所述推理器根據本輪的訓練樣本指示的狀態參數和本輪采用的元模型，生成本輪的動作參數；所述適配器獲取根據本輪的動作參數，控制被控對象執行對應的動作所得到的反饋參數，以及根據所述反饋參數、本輪的狀態參數和本輪的動作參數，更新本輪采用的元模型的模型參數，以得到下一輪采用的元模型。