[發明專利]算法模型的訓練方法、裝置、電子設備及存儲介質

在審

• 申請號: 202110772104.4
• 申請日: 2021-07-08
• 公開（公告）號: CN113448988A
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 趙喆子健;李福毅;丁平船;王安
• 申請（專利權）人: 京東科技控股股份有限公司
• 主分類號: G06F16/245
• 分類號: G06F16/245;G06F16/28;G06F16/23;G06F9/54
• 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: 張夢瑤

1.一種算法模型的訓練方法，其特征在于，應用于算法平臺，所述方法包括：

獲取初始算法模型和目標算法類型；

確定與所述目標算法類型對應的樣本數據和與所述樣本數據對應的標注數據；

根據所述樣本數據和與所述樣本數據對應的標注數據訓練所述初始算法模型，以得到目標算法模型。

2.如權利要求1所述的方法，其特征在于，所述初始算法模型具有對應的初始模型參數，在所述獲取初始算法模型和目標算法類型之后，還包括：

確定與所述目標算法類型對應的目標模型參數和訓練模型文件；

根據所述目標模型參數配置所述初始模型參數，以得到待配置算法模型；

根據所述訓練模型文件配置所述待配置算法模型，以得到待訓練算法模型；

其中，所述根據所述樣本數據和與所述樣本數據對應的標注數據訓練所述初始算法模型，以得到目標算法模型，包括：

根據所述樣本數據和與所述樣本數據對應的標注數據訓練所述待訓練算法模型，以得到所述目標算法模型。

3.如權利要求1所述的方法，其特征在于，在所述根據所述樣本數據和與所述樣本數據對應的標注數據訓練所述初始算法模型，以得到目標算法模型之后，還包括：

獲取與所述目標算法模型對應的目標模型文件；

根據所述目標模型文件，對所述目標算法模型執行線上部署操作。

4.如權利要求1所述的方法，其特征在于，所述確定與所述目標算法類型對應的樣本數據和與所述樣本數據對應的標注數據，包括：

確定與所述目標算法類型對應的目標數據庫鍵；

確定所述目標數據庫鍵對應的目標值，所述目標值指示：目標網絡協議地址；

根據所述目標網絡協議地址確定目標服務器；

從所述目標數據庫鍵所屬數據庫之中讀取與所述目標算法類型對應的樣本數據和與所述樣本數據對應的標注數據；

將所述樣本數據和與所述樣本數據對應的標注數據發送至所述目標服務器之中；

其中，所述訓練所述初始算法模型，包括：

在所述目標服務器之中訓練所述初始算法模型。

5.如權利要求4所述的方法，其特征在于，在所述獲取初始算法模型和目標算法類型之前，還包括：

針對所述目標算法類型配置對應的樣本數據和與所述樣本數據對應的標注數據；

將所述對應的樣本數據和與所述樣本數據對應的標注數據，存儲至所述目標數據庫鍵所屬數據庫之中；

確定與訓練任務對應的目標服務器，并將所述目標服務器的目標網絡協議地址配置在所述目標值之中；

將所述所屬數據庫的數據庫標識配置在所述目標數據庫鍵之中。

6.如權利要求3所述的方法，其特征在于，所述根據所述目標模型文件，對所述目標算法模型執行線上部署操作，包括：

響應于線上部署請求，以根據所述目標模型文件生成算法模型服務；

根據所述算法模型服務生成目標調用接口，并將所述目標調用接口提供至線上平臺中，所述線上平臺用于提供線上的算法模型服務。

7.如權利要求6所述的方法，其特征在于，所述目標調用接口，是遠程過程調用接口。

8.一種算法模型的訓練裝置，其特征在于，應用于算法平臺，包括：

第一獲取模塊，用于獲取初始算法模型和目標算法類型；

第一確定模塊，用于確定與所述目標算法類型對應的樣本數據和與所述樣本數據對應的標注數據；

訓練模塊，用于根據所述樣本數據和與所述樣本數據對應的標注數據訓練所述初始算法模型，以得到目標算法模型。

9.一種電子設備，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行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行權利要求1-7中任一項所述的方法。

10.一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其中，所述計算機指令用于使所述計算機執行權利要求1-7中任一項所述的方法。