分类模型的训练方法、装置、电子设备及存储介质制造方法及图纸

本公开是关于一种分类模型的训练方法、装置、电子设备及存储介质。该训练方法中，预先将各个样本数据的分类标签，按照语义划分为具有上下位关系的至少两个层级；确定待训练的分类模型所需训练阶段的目标数量；在每一训练阶段，确定该训练阶段对应的目标层级，利用样本数据集中，目标层级的分类标签对应的样本数据，对分类模型进行训练，在满足预定收敛条件时，结束该训练阶段的训练过程；其中，目标数量个训练阶段中，至少有两个训练阶段所对应的目标层级不相同；在最后一个训练阶段结束后，完成对分类模型的训练。本公开提供的分类模型的训练方法，可以在将样本数据的分类标签之间的上下位关系考虑在内的前提下，实现对分类模型的有效训练。

Training Method, Device, Electronic Equipment and Storage Media of Classification Model

The present disclosure relates to a training method, device, electronic device and storage medium of a classification model. In this training method, the classification labels of each sample data are divided into at least two levels according to their semantics; the number of targets in the training stage of the classification model to be trained is determined; at each training stage, the corresponding target level of the training stage is determined. Using the sample data corresponding to the classification labels of the target level in the sample data set, the corresponding sample data of the target level are obtained. Classification model is trained, and the training process of the training stage is completed when the predefined convergence conditions are satisfied. Among the training stages of the number of targets, at least two training stages have different target levels. At the end of the last training stage, the training of classification model is completed. The training method of the classification model provided in the present disclosure can realize effective training of the classification model on the premise that the upper and lower relations between the classification labels of sample data are taken into account.

【技术实现步骤摘要】
分类模型的训练方法、装置、电子设备及存储介质
本公开涉及分类模型
，尤其涉及一种分类模型的训练方法、装置、电子设备及存储介质。
技术介绍
相关技术中，分类模型的训练方式是，从样本数据集中随机选取样本数据输入至模型中，进而，利用所选取的样本数据对模型加以训练，得到训练完毕的分类模型。尽管上述的分类模型的训练方式可以实现模型的训练，但是，专利技术人在实现本专利技术的过程中，发现相关技术至少存在如下问题：样本数据集中，有些样本数据的分类标签为上位形式的分类标签，有些样本数据的分类标签为下位形式的分类标签，例如，在训练图片分类模型时，有的样本图片的分类标签是狗，而有的样本图片的分类标签则是狗的品种，例如哈士奇等。然而，相关技术在训练分类模型时，并未将这种情况考虑在内，这无疑影响模型的准确度。因此，在将样本数据的分类标签之间的上下位关系考虑在内的前提下，如何实现对分类模型的有效训练，从而得到准确度较高的分类模型，是一个亟待解决的技术问题。
技术实现思路
为克服相关技术中存在的问题，本公开提供一种分类模型的训练方法、装置、电子设备及存储介质。根据本公开实施例的第一方面，提供一种分类模型的训练方本文档来自技高网...

【技术保护点】
1.一种分类模型的训练方法，其特征在于，所述分类模型训练时所利用的样本数据集中，每个样本数据具有一分类标签，且预先将各个样本数据的分类标签，按照语义划分为具有上下位关系的至少两个层级，每一分类标签属于一个层级；所述方法包括：确定待训练的分类模型所需训练阶段的目标数量；针对所述目标数量个训练阶段中的每一训练阶段，确定该训练阶段对应的目标层级，利用所述样本数据集中，所述目标层级的分类标签对应的样本数据，对所述分类模型进行训练，在所述分类模型满足预定收敛条件时，结束该训练阶段的训练过程；其中，所述目标数量个训练阶段中，至少有两个训练阶段对应的目标层级不同；在最后一个训练阶段结束后，将当前训练得到的分...

【技术特征摘要】
1.一种分类模型的训练方法，其特征在于，所述分类模型训练时所利用的样本数据集中，每个样本数据具有一分类标签，且预先将各个样本数据的分类标签，按照语义划分为具有上下位关系的至少两个层级，每一分类标签属于一个层级；所述方法包括：确定待训练的分类模型所需训练阶段的目标数量；针对所述目标数量个训练阶段中的每一训练阶段，确定该训练阶段对应的目标层级，利用所述样本数据集中，所述目标层级的分类标签对应的样本数据，对所述分类模型进行训练，在所述分类模型满足预定收敛条件时，结束该训练阶段的训练过程；其中，所述目标数量个训练阶段中，至少有两个训练阶段对应的目标层级不同；在最后一个训练阶段结束后，将当前训练得到的分类模型作为训练完成的分类模型。2.根据权利要求1所述的方法，其特征在于，针对所述目标数量个训练阶段中的第一个训练阶段，所述确定该训练阶段对应的目标层级的步骤，包括：将所述至少两个层级中的顶层，作为该第一个训练阶段对应的目标层级；针对所述目标数量个训练阶段中的最后一个训练阶段，所述确定该训练阶段对应的目标层级的步骤，包括：将所述至少两个层级中的所有层级，作为该最后一个训练阶段对应的目标层级。3.根据权利要求2所述的方法，其特征在于，所述目标数量为大于2时，针对所述目标数量个训练阶段中，除第一个训练阶段和最后一个训练阶段以外的每一中间训练阶段，所述确定该训练阶段对应的目标层级的步骤，包括：将所述顶层以及该中间训练阶段对应的预定中间层，作为该中间训练阶段对应的目标层级；其中，每一中间训练阶段对应的预定中间层包括：除所述顶层和底层以外的一个或多个层级。4.根据权利要求3所述的方法，其特征在于，所述目标数量与所述至少两个层级的层级数量相同；所述每一中间训练阶段对应的预定中间层包括：第一中间层和所述第一中间层以上的层级，所述第一中间层的层级数等于该中间训练阶段的阶段数。5.根据权利要求2所述的方法，其特征在于，针对所述目标数量个训练阶段中的第一个训练阶段，所述在所述分类模型满足预定收敛条件时，结束该训练阶段的训练过程，包括：当利用第一损失函数计算得到的、所述分类模型对应的损失值，小于第一阈值时，结束所述第一训练阶段的训练过程；针对所述目标数量个训练阶段中的最后一个训练阶段，所述在所述分类模型满足预定收敛条件时，结束该训练阶段的训练过程，包括：当利用第二损失函数计算得到的、所述分类模型对应的损失值，小于第二阈值时，结束所述最后一个训练阶段的训练过程。6.根据权利要求3所述的方...

【专利技术属性】
技术研发人员：张志伟，吴丽军，李焱，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：北京,11