模型训练方法、装置、电子设备和计算机可读存储介质制造方法及图纸

本申请提供一种模型训练方法、装置、电子设备和计算机可读存储介质，涉及人工智能的机器学习领域。该模型训练方法应用于电子设备，该模型训练方法包括：根据训练数据集和超参数搜索空间，获取多个比对模型；超参数搜索空间包括多种训练参数以及每种训练参数的多个训练方式，比对模型为依据训练参数组合获取的；根据多个比对模型，获取超参数搜索空间中与训练目标匹配的待选参数组合；根据训练数据集，获取与待选参数组合对应的目标模型。使用本申请提供的模型训练方法，先获取多个比对模型，由电子设备取代开发人员来选择与训练目标匹配的待选参数组合，进而获取目标模型，有效的减少了对专业人士的依赖。

Model training methods, devices, electronic devices and computer readable storage media

【技术实现步骤摘要】
模型训练方法、装置、电子设备和计算机可读存储介质
本申请涉及人工智能的机器学习领域，具体而言，涉及模型训练方法、装置、电子设备和计算机可读存储介质。
技术介绍
目前人工智能正处于赋能百业的阶段在各行各业中落地开花，促进行业飞速发展。机器学习作为人工智能领域内的一个重要分支，在推进人工智能发展和技术落地的起着极其重要的作用。深度学习在视觉、自然语言等诸多领域内有实际的落地和发展。但是在实际的算法模型的开发过程中需要经验的丰富的算法工程师对模型结构进行精心的设计和调优。此外，经由算法工程师设计的模型一般只能合适有某些特定的平台部署落地。在实际的应用过程中，由于实际的平台差异导致会存在算法性能变差。同一个任务针对不同平台在算法模型设计过程需要工程师对实际部署平台有一定的理解，这无疑提高了算法落地的门槛，以及模型训练部署的便捷性。因此，如何在减少专业人士的依赖的情况下，快速的获取模型是目前亟待解决的问题。
技术实现思路
为了至少克服现有技术中的上述不足，本申请的目的之一在于提供一种模型训练方法、装置、电子设备和计算机可读存储介质。第一方面，实施例提供一种模型训练方法，应用于电子设备，所述方法包括：根据训练数据集和超参数搜索空间，获取多个比对模型；所述超参数搜索空间包括多种训练参数以及每种所述训练参数的多个训练方式，所述比对模型为依据训练参数组合获取的，所述训练参数组合包括多种所述训练参数以及每种所述训练参数中的任一所述训练方式。根据多个所述比对模型，获取所述超参数搜索空间中与训练目标匹配的待选参数组合。根据所述训练数据集，获取与所述待选参数组合对应的目标模型。在可选的实施方式中，所述训练数据集包括训练集和验证集，所述根据所述训练数据集，获取与所述待选参数组合对应的目标模型，包括：根据所述训练集和待选参数组合，获取待确认模型。根据所述验证集，判断所述待确认模型与所述训练目标是否匹配。若匹配，则将所述待确认模型作为所述目标模型。在可选的实施方式中，所述方法还包括：当所述待确认模型与所述训练目标不匹配时，则返回执行所述根据多个所述比对模型，获取所述超参数搜索空间中与训练目标匹配的待选参数组合的步骤。在可选的实施方式中，所述根据多个所述比对模型，获取所述超参数搜索空间中与训练目标匹配的待选参数组合，包括：获取用户输入的所述训练目标。确定所述比对模型对应的所述训练参数组合。对多个所述训练参数组合进行回归分析，获取与所述训练目标匹配的待选参数组合。第二方面，实施例提供一种模型训练装置，包括：训练模块和处理模块。所述训练模块用于根据训练数据集和超参数搜索空间，获取多个比对模型；所述超参数搜索空间包括多种训练参数以及每种所述训练参数的多个训练方式，所述比对模型为依据训练参数组合获取的，所述训练参数组合包括多种所述训练参数以及每种所述训练参数中的任一所述训练方式。所述处理模块，用于根据多个所述比对模型，获取所述超参数搜索空间中与训练目标匹配的待选参数组合。所述训练模块还用于根据所述训练数据集，获取与所述待选参数组合对应的目标模型。在可选的实施方式中，所述训练数据集包括训练集和验证集，所述模型训练装置还包括：判断模块。所述训练模块还用于根据所述训练集，获取待确认模型。所述判断模块，用于根据所述验证集，判断所述待确认模型与所述待选参数组合是否匹配。所述训练模块还用于当所述待确认模型与所述待选参数组合匹配时，将所述待确认模型作为所述目标模型。在可选的实施方式中，所述处理模块还用于当所述待确认模型与所述待选参数组合不匹配时，返回执行所述根据多个所述比对模型，获取所述超参数搜索空间中与训练目标匹配的待选参数组合。在可选的实施方式中，所述处理模块还用于：获取用户输入的所述训练目标；确定所述比对模型对应的所述训练参数组合；对多个所述训练参数组合进行回归分析，获取与所述训练目标匹配的待选参数组合。第三方面，实施例提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现前述实施方式任一项所述的模型训练方法。第四方面，实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述实施方式中任一项所述的模型训练方法。相对于现有技术而言，本申请提供一种模型训练方法、装置、电子设备和计算机可读存储介质，涉及人工智能的机器学习领域。该模型训练方法应用于电子设备，该模型训练方法包括：根据训练数据集和超参数搜索空间，获取多个比对模型；超参数搜索空间包括多种训练参数以及每种训练参数的多个训练方式，比对模型为依据训练参数组合获取的，训练参数组合包括多种训练参数以及每种训练参数中的任一训练方式；根据多个比对模型，获取超参数搜索空间中与训练目标匹配的待选参数组合；根据训练数据集，获取与待选参数组合对应的目标模型。使用本申请提供的模型训练方法，先获取多个比对模型，由电子设备取代开发人员来选择与训练目标匹配的待选参数组合，进而获取目标模型，有效的减少了对专业人士的依赖。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本申请实施例提供的一种电子设备的方框示意图；图2为本申请实施例提供的一种模型训练方法的流程示意图；图3为本申请实施例提供的另一种模型训练方法的流程示意图；图4为本申请实施例提供的另一种模型训练方法的流程示意图；图5为本申请实施例提供的另一种模型训练方法的流程示意图；图6为本申请实施例提供的另一种模型训练方法的流程示意图；图7为本申请实施例提供的一种模型训练装置的方框示意图；图8为本申请实施例提供的另一种模型训练装置的方框示意图。图标：40-模型训练装置，41-训练模块，42-处理模块，43-判断模块，60-电子设备，61-存储器，62-处理器，63-通信接口。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。在本申请的描述中，还需要说明的本文档来自技高网...

【技术保护点】
1.一种模型训练方法，其特征在于，应用于电子设备，所述方法包括：/n根据训练数据集和超参数搜索空间，获取多个比对模型；所述超参数搜索空间包括多种训练参数以及每种所述训练参数的多个训练方式，所述比对模型为依据训练参数组合获取的，所述训练参数组合包括多种所述训练参数以及每种所述训练参数中的任一所述训练方式；/n根据多个所述比对模型，获取所述超参数搜索空间中与训练目标匹配的待选参数组合；/n根据所述训练数据集，获取与所述待选参数组合对应的目标模型。/n

【技术特征摘要】
1.一种模型训练方法，其特征在于，应用于电子设备，所述方法包括：
根据训练数据集和超参数搜索空间，获取多个比对模型；所述超参数搜索空间包括多种训练参数以及每种所述训练参数的多个训练方式，所述比对模型为依据训练参数组合获取的，所述训练参数组合包括多种所述训练参数以及每种所述训练参数中的任一所述训练方式；
根据多个所述比对模型，获取所述超参数搜索空间中与训练目标匹配的待选参数组合；
根据所述训练数据集，获取与所述待选参数组合对应的目标模型。


2.根据权利要求1所述的方法，其特征在于，所述训练数据集包括训练集和验证集，所述根据所述训练数据集，获取与所述待选参数组合对应的目标模型，包括：
根据所述训练集和所述待选参数，获取待确认模型；
根据所述验证集，判断所述待确认模型与所述训练目标是否匹配；
若匹配，则将所述待确认模型作为所述目标模型。


3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
当所述待确认模型与所述训练目标不匹配时，则返回执行所述根据多个所述比对模型，获取所述超参数搜索空间中与训练目标匹配的待选参数组合的步骤。


4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据多个所述比对模型，获取所述超参数搜索空间中与训练目标匹配的待选参数组合，包括：
获取用户输入的所述训练目标；
确定所述比对模型对应的所述训练参数组合；
对多个所述训练参数组合进行回归分析，获取与所述训练目标匹配的待选参数组合。


5.一种模型训练装置，其特征在于，包括：训练模块和处理模块；
所述训练模块，用于根据训练数据集和超参数搜索空间，获取多个比对模型；所述超参数搜索空间包括多种训练参数以及每种所述训练...

【专利技术属性】
技术研发人员：黄殿，
申请(专利权)人：重庆紫光华山智安科技有限公司，
类型：发明
国别省市：重庆;50