【技术实现步骤摘要】
一种数据的处理方法、神经网络的训练方法以及相关设备
[0001]技术领数据域
[0002]本申请涉及人工智能领数据域,尤其涉及一种数据的处理方法、神经网络的训练方法以及相关设备。
技术介绍
[0003]人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
[0004]利用神经网络进行数据处理是人工智能常见的一个应用方式,但由于用户端的数据具有多样性,训练好的神经网络不能很好的对用户端的数据进行个性化适应。
[0005]为了解决上述问题,目前,在将训练好的神经网络配置于用户端后,可以收集用户端的数据,并利用用户端的数据对神经网络进行再次训练,但由于需要在用户端执行训练操作,导致该方案需要占用用户端大量的计算资源。
技术实现思路
[0006]本申请实施例提供了一种数据的处理方法、神经网络的训练方法以及相关设备,用于配置有与R个数据域一一对应的R组第一参数值,从而R组第一参数值分别能够适应R个不同的数据域的数据特性,以提高神经网络输出的预测结果的精度;此外,由于该R组第一参数值是预先训练好的,也即不需要在用户端进行再次训练,避免了对用户端的计算资源的占 ...
【技术保护点】
【技术特征摘要】
1.一种数据的处理方法,其特征在于,所述方法应用于执行设备,所述执行设备中配置有R组第一参数值,所述R组第一参数值和R个数据域一一对应,R个数据域中不同的数据域中的数据所对应的数据分布特性不同,R为大于1的整数,所述方法包括:获取与待处理样本对应的目标指示信息,所述目标指示信息用于指示所述待处理样本在所述R个不同的数据域中的至少一个归属数据域;从所述R组第一参数值中获取与所述至少一个归属数据域对应的至少一组第一参数值;根据所述至少一组第一参数值确定至少一个第一神经网络,每个第一神经网络采用的为所述R组中的一组第一参数值,不同的第一神经网络的功能相同;通过所述至少一个第一神经网络,对所述待处理样本进行处理,以生成与所述待处理样本对应的第一预测结果。2.根据权利要求1所述的方法,其特征在于,所述执行设备还配置有第二参数值,所述第一参数值为所述第一神经网络中的第一神经网络层采用的参数值,所述第二参数值为所述第一神经网络中的第二神经网络层采用的参数值,所述第一神经网络层为所述第一神经网络中用于执行归一化操作的神经网络层,所述第二神经网络层为所述第一神经网络中除所述第一神经网络层之外的神经网络层,所述至少一个第一神经网络中不同的第一神经网络采用的为相同的第二参数值。3.根据权利要求2所述的方法,其特征在于,所述获取与待处理样本对应的目标指示信息,包括:将所述待处理样本输入至第二神经网络,得到所述第二神经网络输出的所述目标指示信息;其中,所述第一神经网络的功能与所述第二神经网络的功能不同,所述第二神经网络包括第一特征提取网络,所述第一神经网络包括第二特征提取网络,所述第一特征提取网络和所述第二特征提取网络的网络架构相同,所述第一特征提取网络和所述第二特征提取网络采用为相同的第二参数值。4.根据权利要求1至3中任一项所述的方法,其特征在于,所述通过所述至少一个第一神经网络,对所述待处理样本进行处理,以生成与所述待处理样本对应的第一预测结果,包括:通过所述至少一个第一神经网络中不同的第一神经网络,分别对所述待处理样本进行处理,以生成与所述待处理样本对应的至少一个第二预测结果;根据所述至少一个第二预测结果,确定所述第一预测结果。5.根据权利要求1至3中任一项所述的方法,其特征在于,所述待处理样本包括N组支撑样本和查询样本,N为大于或等于1的整数,所述N组支撑样本和所述查询样本与元任务对应。6.根据权利要求1所述的方法,其特征在于,所述第一神经网络用于执行分类操作或回归操作。7.一种神经网络的训练方法,其特征在于,所述方法包括:获取目标训练样本,并获取与所述目标训练样本对应的目标指示信息,所述目标指示信息用于指示所述目标训练样本在R个不同的数据域中归属数据域;
根据所述目标指示信息,从所述R组第一参数值中获取至少一组第一参数值;根据所述至少一组第一参数值确定至少一个第一神经网络,所述至少一个第一神经网络中每个第一神经网络采用的为所述R组中的一组第一参数值,不同的所述第一神经网络的功能相同;通过所述至少一个第一神经网络,对所述目标训练样本进行处理,以生成与所述目标训练样本对应的第一预测结果;根据与所述目标训练样本对应的第一期望结果和所述第一预测结果,生成第一损失函数的函数值,并根据所述第一损失函数的函数值,对所述至少一个第一神经网络进行训练,以对所述至少一组第一参数值进行更新,直至满足预设条件,其中,所述第一损失函数指示所述期望结果和所述第一预测结果之间的相似度。8.根据权利要求7所述的方法,其特征在于,所述获取与所述目标训练样本对应的目标指示信息,包括:将所述目标训练样本输入至第二神经网络,以通过所述第二神经网络输出所述目标指示信息,所述第一神经网络的功能与所述第二神经网络的功能不同;所述方法还包括:根据与所述目标训练样本对应的第二期望结果和所述目标指示信息,生成第二损失函数的函数值,其中,所述第二期望结果指示所述目标训练样本在所述R个不同的数据域中正确的归属数据域,所述第二损失函数指示所述第二期望结果和所述目标指示信息之间的相似度;所述根据所述第一损失函数的函数值,对所述至少一个第一神经网络进行训练,包括:根据所述第一损失函数的函数值和所述第二损失函数的函数值,对所述第二神经网络和所述至少一个第一神经网络进行训练。9.根据权利要求7所述的方法,其特征在于,所述根据所述第一损失函数的函数值,对所述至少一个第一神经网络进行训练,以对所述至少一组第一参数值进行更新,包括:根据所述第一损失函数的函数值,对所述至少一个第一神经网络进行训练,以对所述至少一组第一参数值和第二参数值进行更新;其中,所述第一参数值为所述第一神经网络中的第一神经网络层采用的参数值,所述第二参数值为所述第一神经网络中的第二神经网络层采用的参数值,所述第一神经网络层为所述第一神经网络中用于执行归一化操作的神经网络层,所述第二神经网络层为所述第一神经网络中除所述第一神经网络层之外的神经网络层,所述至少一个第一神经网络中不同的第一神经网络采用的为相同的第二参数值。10.根据权利要求9所述的方法,其特征在于,所述方法还包括:根据与所述目标训练样本对应的第二期望结果和所述目标指示信息,生成第二损失函数的函数值,其中,所述第二期望结果指示所述目标训练样本在所述R个不同的数据域中正确的归属数据域,所述第二损失函数指示所述第二期望结果和所述目标指示信息之间的相似度;所述根据所述第一损失函数的函数值,对所述至少一个第一神经网络进行训练,以对所述至少一组第一参数值和第二参数值进行更新,包括:根据所述第一损失函数的函数值和所述第二损失函数的函数值,对所述第二神经网络
和所述至少一个第一神经网络进行训练,以对所述至少一组第一参数值、所述第二参数值和第三参数值进行更新;其中,所述第二神经网络包括第一特征提取网络,所述第一神经网络包括第二特征提取网络,所述第一特征提取网络和所述第二特征提取网络的网络架构相同,所述第一特征提取网络和所述第二特征提取网络采用为相同的第二参数值,所述第二神经网络中用于进行归一化处理的神经网络层采用的为所述第三参数值。11.根据权利要求7至10任一项所述的方法,其特征在于,所述通过所述至少一个第一神经网络,对所述待处理样本进行处理,以生成与所述待处理样本对应的第一预测结果,包括:通过所述至少一个第一神经网络中不同的第一神经网络,分别对所述待处理样本进行处理,以生成与所述待处理样本对应的至少一个第二预测结果;根据所述至少一个第二预测结果,确定所述第一预测结果。12.根据权利要求7至10任一项所述的方法,其特征在于,所述目标训练样本包括N组支撑样本和查询样本,N为大于或等于1的整数,所述N组支撑样本和所述查询样本与元任务对应。13.一种数据的处理装置,其特征在于,所述数据的处理装置中配置有R组第一参数值,所述R组第一参数值和R个数据域一一对应,R个数据域中不同的数据域中的数据所对应的数据分布特性不同,R为大于1的整数,所述装置包括:获取模块,用于获取与待处理样本对应的目标指示信息...
【专利技术属性】
技术研发人员:黎嘉伟,洪蓝青,鞠园,杨扩,李震国,叶翰嘉,
申请(专利权)人:华为技术有限公司,
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。