【技术实现步骤摘要】
图像处理模型训练方法及文本处理模型训练方法
[0001]本申请实施例涉及计算机
，特别涉及一种图像处理模型训练方法及文本处理模型训练方法。
技术介绍
[0002]随着计算机技术的发展和机器学习技术的广泛应用，产生了越来越多的机器学习模型。通常在生成可使用的机器学习模型时，首先需要技术人员编写机器学习模型的程序，通过运行该程序创建该机器学习模型，然后基于训练数据训练该机器学习模型，训练完成后即可使用该机器学习模型。但是，机器学习模型的创建和训练过程需要耗费较长的时间，导致生成可使用的机器学习模型的效率较低。
技术实现思路
[0003]本申请实施例提供了一种图像处理模型训练方法及文本处理模型训练方法，提高了生成可使用的机器学习模型的效率。所述技术方案如下：
[0004]一方面，提供了一种图像处理模型训练方法，所述方法包括：
[0005]获取输入的模型配置信息，所述模型配置信息包括模型结构信息和第一图像数据信息，所述模型结构信息指示待训练的图像处理模型的模型结构，所述第一图像数据信息指示用于训...
【技术保护点】
【技术特征摘要】
1.一种图像处理模型训练方法，其特征在于，所述方法包括：获取输入的模型配置信息，所述模型配置信息包括模型结构信息和第一图像数据信息，所述模型结构信息指示待训练的图像处理模型的模型结构，所述第一图像数据信息指示用于训练图像处理模型的第一图像数据；基于所述模型配置信息调用模型训练框架，执行如下步骤：基于所述模型结构信息创建满足所述模型结构的图像处理模型，基于所述第一图像数据信息获取所述第一图像数据，以及基于所述第一图像数据训练所述图像处理模型。2.根据权利要求1所述的方法，其特征在于，所述模型训练框架包括数据读取接口，所述第一图像数据信息为所述第一图像数据的存储路径，所述基于所述第一图像数据信息获取所述第一图像数据，包括：调用所述数据读取接口，读取所述存储路径下存储的所述第一图像数据。3.根据权利要求2所述的方法，其特征在于，所述模型训练框架还包括数据解析接口，所述调用所述数据读取接口，读取所述存储路径下存储的所述第一图像数据之后，所述方法还包括：调用所述数据解析接口，将所述第一图像数据包括的样本图像的图像格式转换为目标图像格式，所述目标图像格式为所述图像处理模型支持的图像格式。4.根据权利要求2所述的方法，其特征在于，所述模型配置信息还包括组合信息，所述组合信息指示所述图像处理模型的第一图像数据中的多个样本图像的组合方式，所述模型训练框架还包括数据组合接口，所述调用所述数据读取接口，读取所述存储路径下存储的所述第一图像数据之后，所述方法还包括：调用所述数据组合接口，对所述多个所述样本图像按照所述组合信息进行组合。5.根据权利要求2所述的方法，其特征在于，所述调用所述数据读取接口，读取所述存储路径下存储的所述第一图像数据之前，所述方法还包括：响应于存储所述第一图像数据的文件的文件格式不属于目标文件格式，调用格式转换接口，将所述文件格式转换为所述目标文件格式。6.根据权利要求2所述的方法，其特征在于，所述模型训练框架包括多个备选网络层，所述模型结构信息包括待训练的图像处理模型中的各个网络层的描述信息及所述各个网络层之间的连接关系信息，所述基于所述模型结构信息创建满足所述模型结构的图像处理模型，包括：从所述多个备选网络层中选取符合每个所述描述信息的目标层；将选取的多个所述目标层按照所述连接关系信息进行连接，构成所述图像处理模型。7.根据权利要求6所述的方法，其特征在于，所述多个备选网络层包括多个表示层，所述表示层用于提取输入的图像数据的特征，所述从所述多个备选网络层中选取符合每个所述描述信息的目标层，包括：基于所述模型配置信息中的表示层描述信息，从所述多个表示层中选取符合所述表示层描述信息的目标表示层。8.根据权利要求6所述的方法，其特征在于，所述多个备选网络层包括多个任务层，所述任务层用于对输入的特征进行处理，所述从所述多个备选网络层中选取符合每个所述描述信息的目标层，包括：
基于所述模型配置信息中的任务层描述信息，从所述多个任务层中选取符合所述任务层描述...
【专利技术属性】
技术研发人员：朱昱锦，袁易之，司超，刘刚，郭伟东，常郅博，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
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。