【技术实现步骤摘要】
基于多个源模型修正新模型的方法、装置以及计算机设备
本专利技术涉及人工智能领域，特别涉及一种基于多个源模型修正新模型的方法、装置以及计算机设备。
技术介绍
目前已经训练好的模型在某个场景下效果比较好，在其他场景下效果比较差，并且在外场训练的模型，其得到的数据不能直接利用，只能回流模型，但是后续继续优化新模型的时候缺少数据。设计新的模型需要清洗数据，给不同的数据添加相应的标签，若标签添加的不准确，则会导致输出的结果达不到精度要求，而直接使用融合模型，特别是使用多个模型时，融合后的模型过大，速度过慢。因此，亟需一种基于多个源模型修正新模型的方法。
技术实现思路
本专利技术的主要目的为提供一种基于多个源模型修正新模型的方法、装置以及计算机设备，旨在解决现有技术直接对多个模型直接进行融合时，导致融合后的模型过大的技术问题。一种基于多个源模型修正新模型的方法，包括：将第一训练数据输入至所述新模型中进行计算，得到第一当前向量；以及，将第一训练数据和翻转所述第一训练数据后得到的第二训练数据分别输...
【技术保护点】
1.一种基于多个源模型修正新模型的方法，其特征在于，包括：/n将第一训练数据输入至所述新模型中进行计算，得到第一当前向量；以及，/n将第一训练数据和翻转所述第一训练数据后得到的第二训练数据分别输入至多个预设的源模型中进行计算，得到对应各所述源模型的特征向量，其中，对应每一个所述源模型的特征向量包括多个；/n分别计算每个所述源模型对应的所述特征向量的平均值；/n将各所述源模型对应的平均值融合计算得到指标向量；/n计算所述第一当前向量与所述指标向量的第一相似度值；/n判断所述第一相似度值是否小于预设相似度值；/n若所述第一相似度值小于预设相似度值，则计算所述第一当前向量与所述指...
【技术特征摘要】
1.一种基于多个源模型修正新模型的方法，其特征在于，包括：
将第一训练数据输入至所述新模型中进行计算，得到第一当前向量；以及，
将第一训练数据和翻转所述第一训练数据后得到的第二训练数据分别输入至多个预设的源模型中进行计算，得到对应各所述源模型的特征向量，其中，对应每一个所述源模型的特征向量包括多个；
分别计算每个所述源模型对应的所述特征向量的平均值；
将各所述源模型对应的平均值融合计算得到指标向量；
计算所述第一当前向量与所述指标向量的第一相似度值；
判断所述第一相似度值是否小于预设相似度值；
若所述第一相似度值小于预设相似度值，则计算所述第一当前向量与所述指标向量之间的梯度值；
根据所述梯度值校正所述新模型中的参数。
2.如权利要求1所述的基于多个源模型修正新模型的方法，其特征在于，所述根据所述梯度值校正所述新模型中的参数的步骤之后，还包括：
将所述第一训练数据输入到校正参数后的新模型中进行计算，得到第二当前向量，并计算所述第二当前向量与所述指标向量的第二相似度值；
判断所述第二相似度值是否大于所述预设相似度值；
若第二相似度值大于所述预设相似度值，则认定所述新模型基于所述第一训练数据的训练完成。
3.如权利要求1所述的基于多个源模型修正新模型的方法，其特征在于，所述将各所述源模型对应的平均值融合计算得到指标向量的步骤，包括：
获取所述新模型在不同应用场景的相关因子；
根据选取的所述源模型的应用场景，依照公式融合计算得到指标向量，其中，V为目标向量，wi为第i个应用场景的相关因子，f(wi)为应用场景为第i个场景的源模型的平均值。
4.如权利要求1所述的基于多个源模型修正新模型的方法，其特征在于，所述计算所述第一当前向量与所述指标向量的第一相似度值的步骤，包括：
获取所述指标向量和所述第一当前向量的参数值，其中所述参数值至少包括所述指标向量和所述当前向量的特征向量维度数量，以及在各维度中指标向量数值和当前向量数值；
根据公式计算第一相似度值，其中acc表示第一相似度值，zvi表示在第i特征向量维度中对应的第一当前向量数值，vi表示在第i特征向量维度中对应的指标向量数值，n为特征向量维度数量。
5.如权利要求1所述的基于多个源模型修正新模型的方法，其特征在于，所述将第一训练数据和翻转所述第一训练数据后得到的第二训练数据分别输入至多个预设的源模型中进行计算，得到对应各所述源模型的特征向量的步骤之前，包括：
当所述第一训练数据为图片时，获取所述图片中的每个像素点，将每个...
【专利技术属性】
技术研发人员：徐玲玲，雷晨雨，张国辉，宋晨，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44
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。