【技术实现步骤摘要】
模型训练方法、材料数据处理方法、装置、设备和介质
[0001]本公开涉及人工智能
,尤其涉及深度学习
和工业大数据
更具体地,本公开提供了一种深度学习模型的训练方法、材料数据处理方法、装置、电子设备和存储介质。
技术介绍
[0002]随着人工智能技术的发展,深度学习模型的应用场景不断增加。在金属材料的生产过程中,可以对金属材料进行冷却,以降低最低产品的温度。在冷却过程中,对温度进行准确地控制,可以提高材料的性能和质量。利用深度学习模型处理冷却过程中的相关参数,可以确定出冷却后材料的温度,有助于在冷却过程中准确地控制金属材料的温度。
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、材料数据处理方法、装置、设备以及存储介质。
[0004]根据本公开的一方面,提供了一种深度学习模型的训练方法,该方法包括:根据预设冷却知识信息和初始样本数据,生成增强样本数据,其中,初始样本数据包括样本材料的至少一个候选冷却参数的初始值,增强样本数据包括至少一个候选冷却参数的增强值,预设冷却知识信息用于指示候选冷却参数与样本材料的目标冷却温度之间的关系;将增强样本数据输入深度学习模型,得到目标冷却温度的增强样本输出值;根据目标冷却温度的增强样本输出值和目标冷却温度的标签值,得到增强样本损失;根据增强样本损失,训练深度学习模型。
[0005]根据本公开的一方面,提供了一种材料数据处理方法,该方法包括:将目标材料的目标材料数据输入深度学习模型,得到目标输出冷却温度,其中,目标材 ...
【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:根据预设冷却知识信息和初始样本数据,生成增强样本数据,其中,所述初始样本数据包括样本材料的至少一个候选冷却参数的初始值,所述增强样本数据包括至少一个所述候选冷却参数的增强值,所述预设冷却知识信息用于指示所述候选冷却参数与所述样本材料的目标冷却温度之间的关系;将所述增强样本数据输入深度学习模型,得到所述目标冷却温度的增强样本输出值;根据所述目标冷却温度的增强样本输出值和所述目标冷却温度的标签值,得到增强样本损失;以及根据所述增强样本损失,训练所述深度学习模型。2.根据权利要求1所述的方法,其中,所述样本材料包括样本金属材料和样本塑料材料中的至少一种。3.根据权利要求1所述的方法,其中,所述预设冷却知识信息包括第一预设冷却知识信息,所述第一预设冷却知识信息用于指示以下关系:随着所述候选冷却参数的值减小,所述目标冷却温度的下降值增大,在所述预设冷却知识信息为所述第一预设冷却知识信息的情况下,所述增强样本数据包括第一增强样本数据和第二增强样本数据中的至少一个,所述第一增强样本数据包括所述候选冷却参数的第一增强值,所述第二增强样本数据包括所述候选冷却参数的第二增强值,所述根据预设冷却知识信息和初始样本数据,生成增强样本数据包括以下操作至少之一:响应于确定所述预设冷却知识信息为所述第一预设冷却知识信息,根据预设值与所述候选冷却参数的初始值之间的差异信息,生成所述第一增强样本数据;响应于确定所述预设冷却知识信息为所述第一预设冷却知识信息,根据所述预设值与所述候选冷却参数的初始值之间的融合结果,生成所述第二增强样本数据。4.根据权利要求3所述的方法,其中,所述将所述增强样本数据输入深度学习模型,得到所述目标冷却温度的增强样本输出值包括以下操作至少之一:将所述第一增强样本数据输入所述深度学习模型,得到所述目标冷却温度的第一增强样本输出值;将所述第二增强样本数据输入所述深度学习模型,得到所述目标冷却温度的第二增强样本输出值。5.根据权利要求4所述的方法,其中,所述增强样本损失包括第一增强样本损失和第二增强样本损失中的至少一个,所述根据所述目标冷却温度的增强样本输出值和所述目标冷却温度的标签值,得到增强样本损失包括以下操作至少之一:根据所述目标冷却温度的标签值和所述目标冷却温度的第一增强样本输出值,得到所述第一增强样本损失;根据所述目标冷却温度的标签值和所述目标冷却温度的第二增强样本输出值,得到所述第二增强样本损失。6.根据权利要求5所述的方法,其中,所述根据所述目标冷却温度的标签值和所述目标
冷却温度的第一增强样本输出值,得到所述第一增强样本损失包括:利用所述目标冷却温度的标签值减去所述目标冷却温度的第一增强样本输出值,得到第一差异值;根据所述第一预设冷却知识信息,确定第一权重;以及利用所述第一权重处理所述第一差异值,得到所述第一增强样本损失。7.根据权利要求5所述的方法,其中,所述根据所述目标冷却温度的标签值和所述目标冷却温度的第二增强样本输出值,得到所述第二增强样本损失包括:利用所述目标冷却温度的第二增强样本输出值减去所述目标冷却温度的标签值,得到所述第二差异值;根据所述第一预设冷却知识信息,确定第二权重;以及利用所述第二权重处理所述第二差异值,得到所述第二增强样本损失。8.根据权利要求1所述的方法,其中,所述预设冷却知识信息包括第二预设冷却知识信息,所述第二预设冷却知识信息用于指示以下关系:随着所述候选冷却参数的值增大,所述目标冷却温度的下降值增大,在所述预设冷却知识信息为所述第二预设冷却知识信息的情况下,所述增强样本数据包括第三增强样本数据和第四增强样本数据中的至少一个,所述第三增强样本数据包括所述候选冷却参数的第三增强值,所述第四增强样本数据包括所述候选冷却参数的第四增强值,所述根据预设冷却知识信息和初始样本数据,生成增强样本数据包括以下操作至少之一:响应于确定所述预设冷却知识信息为所述第二预设冷却知识信息,根据预设值与所述候选冷却参数的初始值之间的融合结果,生成所述第三增强样本数据;响应于确定所述预设冷却知识信息为所述第二预设冷却知识信息,根据所述预设值与所述候选冷却参数的初始值之间的差异信息,生成所述第四增强样本数据。9.根据权利要求8所述的方法,其中,所述将增强样本数据输入深度学习模型,得到所述目标冷却温度的输出值包括以下操作至少之一:将所述第三增强样本数据输入所述深度学习模型,得到所述目标冷却温度的第三增强样本输出...
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。