用于更新深度学习模型的方法、装置及系统制造方法及图纸
【技术实现步骤摘要】
用于更新深度学习模型的方法、装置及系统
本申请涉及计算机
，具体涉及互联网
，尤其涉及用于更新深度学习模型的方法、装置及系统。
技术介绍
目前，深度学习模型需要根据训练数据集的更新不断地进行训练，得出更精确的预测模型，通过使用该预测模型对该深度学习模型进行更新，以使该预测模型用于在线执行数据预测操作。然而，现有的对深度学习模型进行训练所使用的训练数据集通常不是用户提供的训练数据集，无法对接用户的训练数据集。并且对深度学习模型进行更新的流程通常是用户手动触发的，深度学习模型的更新效率通常较低。
技术实现思路
本申请的目的在于提出一种改进的用于更新深度学习模型的方法、装置及系统，来解决以上
技术介绍
部分提到的技术问题。第一方面，本申请实施例提供了一种用于更新深度学习模型的方法，该方法包括：接收用户端发送的新训练数据集，其中，上述新训练数据集是上述用户端在预设路径下检测到的；利用深度学习方法，基于上述新训练数据集对预置深度学习模型进行训练得到经训练后的预测模型；将上述预置深度学习模型更新为上述预测模型，以使上述预测模型用于在线执行数据预测操作。在一些实施例中，上述...
【技术保护点】
一种用于更新深度学习模型的方法，其特征在于，所述方法包括：接收用户端发送的新训练数据集，其中，所述新训练数据集是所述用户端在预设路径下检测到的；利用深度学习方法，基于所述新训练数据集对预置深度学习模型进行训练得到经训练后的预测模型；将所述预置深度学习模型更新为所述预测模型，以使所述预测模型用于在线执行数据预测操作。
【技术特征摘要】
1.一种用于更新深度学习模型的方法，其特征在于，所述方法包括：接收用户端发送的新训练数据集，其中，所述新训练数据集是所述用户端在预设路径下检测到的；利用深度学习方法，基于所述新训练数据集对预置深度学习模型进行训练得到经训练后的预测模型；将所述预置深度学习模型更新为所述预测模型，以使所述预测模型用于在线执行数据预测操作。2.根据权利要求1所述的方法，其特征在于，所述利用深度学习方法，基于所述新训练数据集对预置深度学习模型进行训练，包括：从所述新训练数据集中选取出满足预设条件的训练数据，生成第一训练数据集；基于所述第一训练数据集中的各个第一训练数据对所述预置深度学习模型进行训练。3.根据权利要求2所述的方法，其特征在于，在所述生成第一训练数据集之后，所述方法还包括：将所述第一训练数据集中的各个第一训练数据存放至目标训练数据集中，其中，所述目标训练数据集是预设的训练数据集，每次对所述预置深度学习模型进行训练时是从所述目标训练数据集中获取相应的训练数据。4.根据权利要求2所述的方法，其特征在于，所述从所述新训练数据集中选取出满足预设条件的训练数据，生成第一训练数据集，包括：执行预置MapReduce作业或预置Spark作业从所述新训练数据集中选取出满足所述预设条件的训练数据并生成所述第一训练数据集。5.根据权利要求2所述的方法，其特征在于，所述基于所述第一训练数据集中的各个第一训练数据对所述预置深度学习模型进行训练，包括：从所述第一训练数据集中的每个第一训练数据中提取出特征信息和预估结果；基于提取出的特征信息和与所述提取出的特征信息对应的预估结果对所述预置深度学习模型进行训练。6.根据权利要求1-5之一所述的方法，其特征在于，所述用户端上预先安装有数据监控工具，所述新训练数据集是所述用户端利用所述数据监控工具对所述预设路径下的训练数据集进行周期性地检测所检测出的，所述数据监控工具是所述用户端所归属的用户安装到所述用户端上的，所述用户端在所安装的所述数据监控工具被启动且所述用户发出训练数据同步指令后，周期性地检测所述预设路径下是否有新训练数据集。7.一种用于更新深度学习模型的装置，其特征在于，所述装置包括：接收单元，配置用于接收用户端发送的新训练数据集，其中，所述新训练数据集是所述用户端在预设路径下检测到的；训练单元，配置用于基于所述新训练数据集对预置深度学习模型进行训练得到经训练后的预测模型；更新单元，配置用于将所述预置深度学习模型更新为所述预测模型，以...
【专利技术属性】
技术研发人员：肖远昊，张发恩，周恺，王倩，刘昆，徐东泽，许天涵，孙家元，刘岚，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。