人工智能模型训练方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供了一种人工智能模型训练方法、装置、电子设备及存储介质，其中方法包括：人工智能模型包括多个训练单元，每一个训练单元的逻辑存储区可被处于固化区或遗忘区；在每一次训练过程中，针对人工智能模型的每一个训练单元，均执行如下处理：确定该训练单元的逻辑存储区是否处于遗忘区，若是，则进一步确定是否针对该训练单元触发遗忘机制，若确定该训练单元触发遗忘机制，则基于触发的遗忘机制对该训练单元进行遗忘处理，并对进行遗忘处理的训练单元进行记忆重建；将重建后得到的人工智能模型投入下一次训练过程中，直至训练结束。本方案，能够使得经过遗忘处理过的人工智能模型突破固有框架，得到出乎意料的训练结果。得到出乎意料的训练结果。得到出乎意料的训练结果。

【技术实现步骤摘要】
人工智能模型训练方法、装置、电子设备及存储介质


[0001]本专利技术实施例涉及人工智能
，特别涉及一种人工智能模型训练方法、装置、电子设备及存储介质。

技术介绍

[0002]人工智能模型的训练过程中，通常会引入遗忘机制。但是目前遗忘机制都是基于特定场景的特定应用，无法实现通用的遗忘处理。

技术实现思路

[0003]本专利技术实施例提供了一种人工智能模型训练方法、装置、电子设备及存储介质，能够在人工智能模型训练过程中引入通用的遗忘处理机制，使得引入的遗忘处理机制能够应用于不同场景。
[0004]第一方面，本专利技术实施例提供了一种人工智能模型训练方法，所述人工智能模型包括多个训练单元，每一个训练单元的逻辑存储区可被处于固化区或遗忘区；包括：
[0005]在每一次训练过程中，针对人工智能模型的每一个训练单元，均执行如下处理：确定该训练单元的逻辑存储区是否处于遗忘区，若是，则进一步确定是否针对该训练单元触发遗忘机制，若确定该训练单元触发遗忘机制，则基于触发的遗忘机制对该训练单元进行遗忘处理，并对进行遗忘处理的训练单元进行记忆重建；
[0006]将重建后得到的人工智能模型投入下一次训练过程中，直至训练结束。
[0007]在一种可能的实现方式中，所述确定该训练单元的逻辑存储区是否处于遗忘区，包括：
[0008]基于分区算法计算该训练单元的逻辑存储区是否处于遗忘区。
[0009]在一种可能的实现方式中，还包括：若上一次训练过程中该训练单元的逻辑存储区处于固化区，则确定本次训练过程中该训练单元的逻辑存储区处于固化区。
[0010]在一种可能的实现方式中，在所述基于触发的遗忘机制对该训练单元进行遗忘处理之前，还包括：
[0011]针对该训练单元的逻辑存储区生成副本；
[0012]所述基于触发的遗忘机制对该训练单元进行遗忘处理，包括：对所述副本进行遗忘处理。
[0013]在一种可能的实现方式中，所述遗忘处理包括删除训练单元、修改训练单元和部分损毁训练单元中的一种。
[0014]在一种可能的实现方式中，还包括：保留该训练单元的逻辑存储区的原本；
[0015]所述对进行遗忘处理的训练单元进行记忆重建，包括：基于所述原本和被进行遗忘处理后的副本进行记忆重建。
[0016]在一种可能的实现方式中，所述基于所述原本和被进行遗忘处理后的副本进行记忆重建，包括：
[0017]将被进行遗忘处理后的副本替代所述原本；或，
[0018]将被进行遗忘处理后的副本与所述原本进行拟合；或，
[0019]将被进行遗忘处理后的副本与所述原本进行删除。
[0020]第二方面，本专利技术实施例还提供了一种人工智能模型训练装置，所述人工智能模型包括多个训练单元，每一个训练单元的逻辑存储区可被处于固化区或遗忘区；包括：
[0021]遗忘处理单元，在每一次训练过程中，针对人工智能模型的每一个训练单元，均执行如下处理：确定该训练单元的逻辑存储区是否处于遗忘区，若是，则进一步确定是否针对该训练单元触发遗忘机制，若确定该训练单元触发遗忘机制，则基于触发的遗忘机制对该训练单元进行遗忘处理，并对进行遗忘处理的训练单元进行记忆重建；
[0022]训练单元，将重建后得到的人工智能模型投入下一次训练过程中，直至训练结束。
[0023]第三方面，本专利技术实施例还提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现本说明书任一实施例所述的方法。
[0024]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行本说明书任一实施例所述的方法。
[0025]本专利技术实施例提供了一种人工智能模型训练方法、装置、电子设备及存储介质，通过将人工智能模型中每一个训练单元的逻辑存储区可被处于固化区或遗忘区，处于固化区的训练单元不会触发遗忘机制，而处于遗忘区的训练单元可能会触发遗忘机制；在人工智能模型的每一次训练过程中，对每一个训练单元均进行遗忘机制的处理，该处理流程是确定训练单元的逻辑存储区是否处于遗忘区，如果处于遗忘区则进一步确定是否针对该训练单元触发遗忘机制，若确定针对该训练单元触发遗忘机制，则对该训练单元进行遗忘处理，并对进行遗忘处理的训练单元进行记忆重建；可见，本方案中，无论人工智能模型属于何种应用场景，均需要对训练单元进行分区判定、遗忘判定、遗忘处理和记忆重建的过程，通过引入该通用的遗忘处理机制，能够使得经过遗忘处理过的人工智能模型突破固有框架，得到出乎意料的训练结果。
附图说明
[0026]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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的附图。
[0027]图1是本专利技术一实施例提供的一种人工智能模型训练方法流程图；
[0028]图2是本专利技术一实施例提供的一种遗忘处理方法流程图；
[0029]图3是本专利技术一实施例提供的一种电子设备的硬件架构图；
[0030]图4是本专利技术一实施例提供的一种人工智能模型训练装置结构图。
具体实施方式
[0031]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例
中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例，基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0032]请参考图1，本专利技术实施例提供了一种人工智能模型训练方法，所述人工智能模型包括多个训练单元，每一个训练单元的逻辑存储区可被处于固化区或遗忘区；该方法包括：
[0033]步骤100，在每一次训练过程中，针对人工智能模型的每一个训练单元，均执行如下处理：确定该训练单元的逻辑存储区是否处于遗忘区，若是，则进一步确定是否针对该训练单元触发遗忘机制，若确定该训练单元触发遗忘机制，则基于触发的遗忘机制对该训练单元进行遗忘处理，并对进行遗忘处理的训练单元进行记忆重建。
[0034]步骤102，将重建后得到的人工智能模型投入下一次训练过程中，直至训练结束。
[0035]本专利技术实施例中，通过将人工智能模型中每一个训练单元的逻辑存储区可被处于固化区或遗忘区，处于固化区的训练单元不会触发遗忘机制，而处于遗忘区的训练单元可能会触发遗忘机制；在人工智能模型的每一次训练过程中，对每一个训练单元均进行遗忘机制的处理，该处理流程是确定训练单元的逻辑存储区是否处于遗忘区，如果处于遗忘区则进一步确定是否针对该训练单元触发遗忘机制，若确定针对该训练单元触发遗忘机制，则对该训练单元进行遗忘处理，并对进行遗忘处理的训练单元进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人工智能模型训练方法，其特征在于，所述人工智能模型包括多个训练单元，每一个训练单元的逻辑存储区可被处于固化区或遗忘区；所述方法包括：在每一次训练过程中，针对人工智能模型的每一个训练单元，均执行如下处理：确定该训练单元的逻辑存储区是否处于遗忘区，若是，则进一步确定是否针对该训练单元触发遗忘机制，若确定该训练单元触发遗忘机制，则基于触发的遗忘机制对该训练单元进行遗忘处理，并对进行遗忘处理的训练单元进行记忆重建；将重建后得到的人工智能模型投入下一次训练过程中，直至训练结束。2.根据权利要求1所述的方法，其特征在于，所述确定该训练单元的逻辑存储区是否处于遗忘区，包括：基于分区算法计算该训练单元的逻辑存储区是否处于遗忘区。3.根据权利要求2所述的方法，其特征在于，还包括：若上一次训练过程中该训练单元的逻辑存储区处于固化区，则确定本次训练过程中该训练单元的逻辑存储区处于固化区。4.根据权利要求1所述的方法，其特征在于，在所述基于触发的遗忘机制对该训练单元进行遗忘处理之前，还包括：针对该训练单元的逻辑存储区生成副本；所述基于触发的遗忘机制对该训练单元进行遗忘处理，包括：对所述副本进行遗忘处理。5.根据权利要求4所述的方法，其特征在于，所述遗忘处理包括删除训练单元、修改训练单元和部分损毁训练单元中的一种。6.根据权利要求4所述的方法，其特征在于，还包括：保留该训练单元的逻辑...

【专利技术属性】
技术研发人员：于志华，姜海昆，范宇，
申请(专利权)人：长扬科技北京股份有限公司，
类型：发明
国别省市：