深度学习模型的训练方法、确定数据类别的方法和装置制造方法及图纸

本公开提供了一种深度学习模型的训练方法，涉及人工智能技术领域，尤其涉及深度学习技术。具体实现方案为：根据参数集合，训练分类模型，得到目标参数集合；根据参数集合和目标参数集合，得到第一损失值；以及根据第一损失值，训练用于确定参数集合的深度学习模型。本公开还提供了一种目标分类模型的训练方法、确定数据类别的方法、装置、电子设备和存储介质。电子设备和存储介质。电子设备和存储介质。

【技术实现步骤摘要】
深度学习模型的训练方法、确定数据类别的方法和装置


[0001]本公开涉及人工智能
，尤其涉及深度学习技术。更具体地，本公开提供了一种深度学习模型的训练方法、目标分类模型的训练方法、确定数据类别的方法、装置、电子设备和存储介质。

技术介绍

[0002]在利用深度学习模型完成一个训练任务之后，基于迁移学习技术，可以将经训练的深度学习模型用于执行另一个训练任务。

技术实现思路

[0003]本公开提供了一种深度学习模型的训练方法、目标分类模型的训练方法、确定数据类别的方法、装置、设备以及存储介质。
[0004]根据第一方面，提供了一种深度学习模型的训练方法，该方法包括：根据参数集合，训练分类模型，得到目标参数集合；根据所述参数集合和所述目标参数集合，得到第一损失值；以及根据所述第一损失值，训练用于确定所述参数集合的深度学习模型。
[0005]根据第二方面，提供了一种目标分类模型的训练方法，该方法包括：将具有人工标签的第二样本数据输入所述目标分类模型，得到第二输出结果；根据所述人工标签和所述第二输出结果，得到第二损失本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种深度学习模型的训练方法，包括：根据参数集合，训练分类模型，得到目标参数集合；根据所述参数集合和所述目标参数集合，得到第一损失值；以及根据所述第一损失值，训练用于确定所述参数集合的深度学习模型。2.根据权利要求1所述的方法，其中，所述根据所述参数集合，训练所述分类模型，得到目标参数集合包括：根据所述参数集合，调整所述分类模型的参数，得到调参后的分类模型；将第一样本数据输入所述调参后的分类模型，得到第一输出结果，其中，所述第一样本数据具有样本标签；根据所述第一输出结果和所述样本标签，得到第二损失值；以及根据所述第二损失值，调整所述调参后的分类模型的参数，得到目标参数集合。3.根据权利要求2所述的方法，其中，所述第一样本数据是根据无标签的原始样本数据得到的。4.根据权利要求2或3所述的方法，其中，所述原始样本数据包括原始图像样本数据，所述第一样本数据是根据所述原始图像样本数据执行以下操作得到的：对所述原始图像样本数据进行图像增强，得到所述第一样本数据和所述第一样本数据的样本标签，其中，所述样本标签用于表征所述图像增强的方式。5.根据权利要求4所述的方法，其中，所述原始图像样本数据包括医疗图像样本数据。6.根据权利要求1所述的方法，其中，所述根据所述第一损失值，训练用于确定所述参数集合的深度学习模型包括：针对当前训练周期，根据所述第一损失值，调整所述深度学习模型的参数，得到调整后的深度学习模型；针对下一训练周期，将对应所述下一训练周期的分类模型的计算图输入所述调整后的深度学习模型，得到对应所述下一训练周期的分类模型的参数集合，以训练所述调整后的深度学习模型。7.根据权利要求1所述的方法，其中，所述深度学习模型是根据所述分类模型的计算图确定所述参数集合的。8.一种目标分类模型的训练方法，包括：将具有人工标签的第二样本数据输入所述目标分类模型，得到第二输出结果；根据所述人工标签和所述第二输出结果，得到第三损失值；以及根据所述第三损失值，训练所述目标分类模型；其中，所述目标分类模型的初始化参数是通过深度学习模型确定的，所述深度学习模型是根据权利要求1至6任一项所述的方法训练的。9.一种确定数据类别的方法，包括：将目标数据输入目标分类模型，得到所述目标数据的类别；其中，所述目标分类模型是根据权利要求7所述的方法训练的。10.一种深度学习模型的训练装置，包括：第一训练模块，用于根据参数集合，训练分类模型，得到目标参数集合；
第一获得模块，用于根据所述参数集合和所述目标参数集合，得到第一损失值；以及第二训练模块，用于根据所述第一损失值，训练用于确定所述参数集合的深度学习模型。11.根据权利要求10所述的装置，其中，所述第一训练模块包括：调整单元，用于根据所述参数集合，调...

【专利技术属性】
技术研发人员：尚方信，杨叶辉，王晓荣，黄海峰，王磊，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：