[發明專利]模型訓練方案生成的方法、裝置、電子設備及存儲介質

在審

• 申請號: 202110875336.2
• 申請日: 2021-07-30
• 公開（公告）號: CN113516200A
• 公開（公告）日: 2021-10-19
• 發明（設計）人: 馬昕宇
• 申請（專利權）人: 盛景智能科技（嘉興）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王宇楊

1.一種模型訓練方案生成的方法，其特征在于，包括：

獲取多次模型訓練的訓練信息；其中，每次模型訓練的訓練信息包含一組環節信息；所述一組環節信息包含多個訓練環節對應的一組組件名稱序列；所述訓練環節與所述組件名稱一一對應；

根據所述多次模型訓練的訓練信息對應的多組環節信息確定新生成的多組環節信息；所述新生成的多組環節信息包含新生成的多組組件名稱序列；

選擇所述多組組件名稱序列中一組或多組作為模型訓練方案。

2.根據權利要求1所述的模型訓練方案生成的方法，其特征在于，所述根據所述多次模型訓練的訓練信息對應的多組環節信息確定新生成的多組環節信息，包括：

根據所述多組環節信息確定每組環節信息對應的各個環節以及各個環節的組件名稱；

統計所述多組環節信息中各個環節對應的各個組件名稱的數量；

根據所述各個組件名稱的數量對各個環節對應的多個組件名稱按照預設規則進行排列得到排列結果；

根據所述排列結果以及各個環節的順序確定所述新生成的多組環節信息。

3.根據權利要求2所述的模型訓練方案生成的方法，其特征在于，所述根據所述各個組件名稱的數量對各個環節對應的多個組件名稱按照預設規則進行排列得到排列結果，包括：

對各個環節對應的多個組件名稱的數量由大到小進行排序并確定排序靠前的預設數量的組件名稱；

根據所述排序靠前的預設數量的組件名稱得到排列結果。

4.根據權利要求1所述的模型訓練方案生成的方法，其特征在于，所述多次模型訓練的訓練信息包含每次模型訓練后生成的多個路徑下的結果文件集合，在所述選擇所述多組組件名稱序列中一組或多組作為模型訓練方案之后，還包括：

根據所述新生成的多組環節信息確定每組環節信息對應的組件名稱序列；

根據所述組件名稱序列拉取所述組件名稱序列對應路徑下的結果文件。

5.根據權利要求2所述的模型訓練方案生成的方法，其特征在于，所述多次模型訓練的訓練信息包含每次模型訓練中各個組件名稱對應的超參數，所述根據所述排列結果以及各個環節的順序確定所述新生成的多組環節信息，包括：

根據所述各個組件名稱對應的超參數確定所述新生成的多組環節信息。

6.一種模型訓練方案生成的裝置，其特征在于，包括：

獲取模塊，用于獲取多次模型訓練的訓練信息；其中，每次模型訓練的訓練信息包含一組環節信息；所述一組環節信息包含多個訓練環節對應的一組組件名稱序列；所述訓練環節與所述組件名稱一一對應；

處理模塊，用于根據所述多次模型訓練的訓練信息對應的多組環節信息確定新生成的多組環節信息；所述新生成的多組環節信息包含新生成的多組組件名稱序列；選擇所述多組組件名稱序列中一組或多組作為模型訓練方案。

7.根據權利要求6所述的模型訓練方案生成的裝置，其特征在于，所述處理模塊具體用于：

根據所述多組環節信息確定每組環節信息對應的各個環節以及各個環節的組件名稱；

統計所述多組環節信息中各個環節對應的各個組件名稱的數量；

根據所述各個組件名稱的數量對各個環節對應的多個組件名稱按照預設規則進行排列得到排列結果；

根據所述排列結果以及各個環節的順序確定所述新生成的多組環節信息。

8.根據權利要求7所述的模型訓練方案生成的裝置，其特征在于，所述處理模塊具體用于：

對各個環節對應的多個組件名稱的數量由大到小進行排序并確定排序靠前的預設數量的組件名稱；

根據所述排序靠前的預設數量的組件名稱得到排列結果。

9.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至5任一項所述方法的步驟。

10.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至5任一項所述方法的步驟。