[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

本發明公開了模型訓練方案生成的方法、裝置、電子設備及存儲介質，方法包括：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；根據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；新生成的多組環節信息包含新生成的多組組件名稱序列；選擇多組組件名稱序列中一組或多組作為模型訓練方案。本發明通過基于用戶訓練行為的大數據進行分析并預測用戶下一次的訓練意圖，動態生成模型訓練方案，避免了用戶在訓練模型時的重復操作，提高了模型訓練的效率。

技術領域

本發明涉及計算機技術領域，具體涉及模型訓練方案生成的方法、裝置、電子設備及存儲介質。

背景技術

隨著自動化與人工智能在工業互聯網的普及，制造業對人工智能訓練的需求也在與日俱增。模型訓練技術的引入，對提高整個生產系統的效率起到了關鍵性的作用，通過訓練產生的模型來分析不同類別的數據，能夠在節省人力成本的同時做到對生產中的特定環節進行針對性的改進。

目前，企業依托模型訓練平臺，在生產、控制、研發等領域的設備上運用人工智能技術，構建人機協同、互促共進的新型人、機、物關系，進而提高企業生產效率。然而模型訓練平臺的側重點在于給用戶提供一個集數據處理、訓練、發布為一體的多模塊管理平臺，缺少對用戶的行為預測方面的關注度，無法根據用戶的訓練行為習慣生成模型訓練方案。

綜上，目前亟需一種生成模型訓練方案的技術，用于解決上述現有技術存在的問題。

發明內容

由于現有方法存在上述問題，本發明提出模型訓練方案生成的方法、裝置、電子設備及存儲介質。

第一方面，本發明提供了一種模型訓練方案生成的方法，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。進一步地，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。

進一步地，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。

進一步地，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。

進一步地，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：