一种深度学习的模型确定方法及装置制造方法及图纸

本发明专利技术实施例公开了一种深度学习的模型确定方法及装置，方法包括：选择单一模型对当前数据进行深度学习，并计算得到单一模型的置信率；若判断获知置信率大于阈值，则确定采用单一模型对当前数据进行深度学习，以降低深度学习的执行时间；若判断获知置信率小于等于所述阈值，则确定采用复杂模型对当前数据进行深度学习，以提高深度学习的准确率。通过判断单一模型的置信率大于阈值时采用单一模型进行深度学习，来降低深度学习的执行时间，当置信率小于等于阈值时采用复杂模型进行深度学习，来提高深度学习的准确率，从而保证简单模型能够处理大部分的数据，复杂模型处理少部分数据，以平衡执行时间和准确率，提升深度学习的整体性能。

【技术实现步骤摘要】
一种深度学习的模型确定方法及装置
本专利技术实施例涉及计算机
，具体涉及一种深度学习的模型确定方法及装置。
技术介绍
随着深度学习的应用越来越广泛，用户对深度学习的学习结果越来越关注。深度学习包括三个步骤：第一个步骤,神经网络模型是一个有简单函数组成的复杂的函数，通常设计一个神经网络模型(结构)，然后用计算机从给定的训练数据中训练得到一些参数，这些参数保证我们的模型能够在测试集中达到设计预期的效果，并且具有泛化能力；第二个步骤，根据训练数据定义一个代价函数，通过代价函数可以评估什么参数是有效的什么参数不是很有效的，模型中什么样的函数是好的什么样的函数是不好的，怎样定义一个代价函数则是根据你的具体任务和实际的训练数据来设计；第三个步骤，根据前面两步骤的结果找出最佳的函数，例如用梯度下降的方法找出这个最佳的函数。目前在深度或者机器学习领域，采用单一模型和混合模型来做结果预测。在混合模型预测中，一般采用联合判断方式来提高模型的准确率，这些混合模型准确率会有所提升，但是预测时间会变长，导致在产品化中出现很多问题；而使用单一模型时预测结果往往偏差较大。
技术实现思路
由于现有方法存在上述问题本文档来自技高网...

【技术保护点】
1.一种深度学习的模型确定方法，其特征在于，包括：在深度学习过程中，选择单一模型对当前数据进行深度学习，并计算得到单一模型的置信率；若判断获知所述置信率大于阈值，则确定采用所述单一模型对当前数据进行深度学习，以降低深度学习的执行时间；若判断获知所述置信率小于等于所述阈值，则确定采用复杂模型对当前数据进行深度学习，以提高深度学习的准确率。

【技术特征摘要】
1.一种深度学习的模型确定方法，其特征在于，包括：在深度学习过程中，选择单一模型对当前数据进行深度学习，并计算得到单一模型的置信率；若判断获知所述置信率大于阈值，则确定采用所述单一模型对当前数据进行深度学习，以降低深度学习的执行时间；若判断获知所述置信率小于等于所述阈值，则确定采用复杂模型对当前数据进行深度学习，以提高深度学习的准确率。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：若判断获知深度学习的执行时间或准确率不符合预设要求，则根据深度学习当前的执行时间和准确率调整所述阈值。3.根据权利要求1所述的方法，其特征在于，所述单一模型采用简单网络构建，所述复杂模型采用复杂网络构建。4.根据权利要求1所述的方法，其特征在于，所述在深度学习过程中，选择单一模型对当前数据进行深度学习，并计算得到单一模型的置信率之前，还包括：根据数据类型或数值范围将待处理数据划分为若干份数据，并依次对每一份数据进行处理。5.一种深度学习的模型确定装置，其特征在于，包括：置信率计算模块，用于在深度学习过程中，选择单一模型对当前数据进行深度学习，并计算得到单一模型的置信率；单一模型确定模块，用于若判断获知所述置信...

【专利技术属性】
技术研发人员：汤良，史润东，张卓，黄传明，张登峰，
申请(专利权)人：北京奇安信科技有限公司，
类型：发明
国别省市：北京,11