模型训练方法、着色器语言翻译方法及相关装置制造方法及图纸

本发明专利技术涉及计算机技术领域，提供了一种模型训练方法、着色器语言翻译方法及相关装置，模型训练方法包括：获取预训练样本，预训练样本的语法与着色器语言的语法的相似度大于预设值；利用预训练样本对预先构建的着色器语言翻译模型进行预训练，得到预训练后的中间模型；获取互为双语预料的源语料和目标语料，源语料和目标语料分别为源着色器语言和目标着色器语言；将源语料和目标语料输入至中间模型进行训练，得到训练后的着色器语言翻译模型。本发明专利技术避免了开发者针对不同的开发平台采用对应的着色器语言进行重复开发，极大地提高了开发效率。开发效率。开发效率。

【技术实现步骤摘要】
模型训练方法、着色器语言翻译方法及相关装置


[0001]本专利技术涉及计算机
，具体而言，涉及一种模型训练方法、着色器语言翻译方法及相关装置。

技术介绍

[0002]着色器(shader)是3D图形渲染流程中的一个重要阶段，着色器接受原始场景数据，对这些数据进行处理并绘制在屏幕上。在3D应用程序开发过程中，着色器的开发是非常重要的一个步骤。现代的大型3D应用程序(如3D游戏)，往往使用GPU进行图像渲染，这时着色器就运行在GPU上。开发者为了开发出能够在GPU上运行效率更高的shader，通常会使用着色器语言(shader language)。
[0003]不同的着色器语言有各自适配的平台，给跨平台软件的开发者造成极大地开发难度，降低了开发效率。

技术实现思路

[0004]本专利技术的目的在于提供了一种模型训练方法、着色器语言翻译方法及相关装置，其能够提升跨平台软件的开发者使用着色器语言进行着色器代码开发的开发效率。
[0005]本专利技术的实施例可以这样实现：
[0006]第一方面，本专利技术提供一种模型训练方法，所述方法包括：
[0007]获取预训练样本，所述预训练样本的语法与着色器语言的语法的相似度大于预设值；
[0008]利用所述预训练样本对预先构建的着色器语言翻译模型进行预训练，得到预训练后的中间模型；
[0009]获取互为双语预料的源语料和目标语料，所述源语料和所述目标语料分别为源着色器语言和目标着色器语言；
[0010]将所述源语料和目标语料输入至所述中间模型进行训练，得到训练后的着色器语言翻译模型。
[0011]在可选的实施方式中，所述获取预训练样本的步骤包括：
[0012]获取原始样本句子；
[0013]将所述原始样本句子进行分词处理，得到多个样本分词；
[0014]从所述多个样本分词中确定锚点分词，所述锚点分词为与所述预训练样本的语法无关的分词；
[0015]根据所述锚点分词生成每一所述样本分词的分词向量，最终得到所述预训练样本，所述预训练样本包括所有样本分词的分词向量。
[0016]在可选的实施方式中，所述根据所述锚点分词生成每一所述样本分词的分词向量的步骤包括：
[0017]生成每一所述样本分词的分词特征；
[0018]根据所述锚点分词确定每一所述样本分词的位置特征，所述位置特征用于表征对应样本分词出现在所述原始样本句子中的位置；
[0019]根据每一所述样本分词的分词特征和位置特征，生成每一所述样本分词的分词向量。
[0020]在可选的实施方式中，所述将所述原始样本句子进行分词处理，得到多个样本分词的步骤包括：
[0021]将所述原始样本句子进行分词处理，得到多个原始分词；
[0022]对所述多个原始分词进行增噪处理，得到所述样本分词。
[0023]在可选的实施方式中，所述对所述多个原始分词进行增噪处理，得到所述样本分词的步骤包括：
[0024]将所述多个原始分词中的第一预设分词用预设掩码替换，得到所述样本分词，所述样本分词包括替换后的第一预设分词和所述原始分词中除所述第一预设分词之外的分词。
[0025]在可选的实施方式中，所述对所述多个原始分词进行增噪处理，得到所述样本分词的步骤还包括：
[0026]从所述多个原始分词中确定至少一个第二预设分词；
[0027]为每一所述第二预设分词随机生成对应的预设替换分词；
[0028]用所述预设替换分词替换对应的所述第二预设分词，得到所述样本分词，所述样本分词包括替换后的第二预设分词和所述原始分词中除所述第二预设分词之外的分词。
[0029]第二方面，本专利技术提供一种着色器语言翻译方法，所述方法包括：
[0030]获取语言为源着色器语言的待翻译文本；
[0031]将所述待翻译文本输入如前述实施方式任一项方法训练得到的着色器语言翻译模型，将所述待翻译文本翻译成语言为目标着色器语言的目标文本。
[0032]第三方面，本专利技术提供一种模型训练装置，所述装置包括：
[0033]样本获取模块，用于获取预训练样本，所述预训练样本的语法与着色器语言的语法的相似度大于预设值；
[0034]预训练模块，用于利用所述预训练样本对预先构建的着色器语言翻译模型进行预训练，得到预训练后的中间模型；
[0035]所述样本获取模块，还用于获取互为双语预料的源语料和目标语料，所述源语料和所述目标语料分别为源着色器语言和目标着色器语言；
[0036]训练模块，用于将所述源语料和目标语料输入至所述中间模型进行训练，得到训练后的着色器语言翻译模型。
[0037]第四方面，本专利技术提供一种着色器语言翻译装置，所述装置包括：
[0038]语言获取模块，用于获取语言为源着色器语言的待翻译文本；
[0039]翻译模块，用于将所述待翻译文本输入如前述实施方式任一项方法训练得到的着色器语言翻译模型，将所述待翻译文本翻译成语言为目标着色器语言的目标文本。
[0040]第五方面，本专利技术提供一种电子设备，包括处理器和存储器，所述存储器用于存储程序，所述处理器用于在执行所述程序时，实现如前述实施方式中任一项所述的模型训练方法，或者实现如前述实施方式所述的着色器语言翻译方法。
[0041]第六方面，本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如前述实施方式中任一项所述的模型训练方法，或者实现如前述实施方式所述的着色器语言翻译方法。
[0042]与现有技术相比，本专利技术通过采用与着色器语言的语法的相似度大于预设值的预训练样本对着色器语言翻译模型进行预训练，再利用不同的着色器语言作为源语料和目标语料对着色器语言翻译模型进行训练，使得训练得到的着色器语言翻译模型可以自动将源语料的着色器语言翻译成目标语料的着色器语言，避免了开发者针对不同的开发平台采用对应的着色器语言进行重复开发，极大地提高了开发效率。
附图说明
[0043]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
[0044]图1为本专利技术实施例提供的模型训练方法的流程示例图一。
[0045]图2为本专利技术实施例提供的模型训练方法的流程示例图二。
[0046]图3为本专利技术实施例提供的着色器语言翻译方法的流程示例图。
[0047]图4为本专利技术实施例提供的模型训练装置的方框示意图。
[0048]图5为本专利技术实施例提供的着色器语言翻译装置的方框示意图。
[0049]图6为本专利技术实施例提供的电子设备的方框示意图。
[0050]图标：10
‑
电子设备；11
...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，所述方法包括：获取预训练样本，所述预训练样本的语法与着色器语言的语法的相似度大于预设值；利用所述预训练样本对预先构建的着色器语言翻译模型进行预训练，得到预训练后的中间模型；获取互为双语预料的源语料和目标语料，所述源语料和所述目标语料的语言分别为源着色器语言和目标着色器语言；将所述源语料和目标语料输入至所述中间模型进行训练，得到训练后的着色器语言翻译模型。2.如权利要求1所述的模型训练方法，其特征在于，所述获取预训练样本的步骤包括：获取原始样本句子；将所述原始样本句子进行分词处理，得到多个样本分词；从所述多个样本分词中确定锚点分词，所述锚点分词为与所述预训练样本的语法无关的分词；根据所述锚点分词生成每一所述样本分词的分词向量，最终得到所述预训练样本，所述预训练样本包括所有样本分词的分词向量。3.如权利要求2所述的模型训练方法，其特征在于，所述根据所述锚点分词生成每一所述样本分词的分词向量的步骤包括：生成每一所述样本分词的分词特征；根据所述锚点分词确定每一所述样本分词的位置特征，所述位置特征用于表征对应样本分词出现在所述原始样本句子中的位置；根据每一所述样本分词的分词特征和位置特征，生成每一所述样本分词的分词向量。4.如权利要求2所述的模型训练方法，其特征在于，所述将所述原始样本句子进行分词处理，得到多个样本分词的步骤包括：将所述原始样本句子进行分词处理，得到多个原始分词；对所述多个原始分词进行增噪处理，得到所述样本分词。5.如权利要求4所述的模型训练方法，其特征在于，所述对所述多个原始分词进行增噪处理，得到所述样本分词的步骤包括：将所述多个原始分词中的第一预设分词用预设掩码替换，得到所述样本分词，所述样本分词包括替换后的第一预设分词和所述原始分词中除所述第一预设分词之外的分词。6.如权利要求4或5所述的模型训练方法，其特征在于，所述对所述多个原始分词进行增噪处理，得到所述样本分词的步骤...

【专利技术属性】
技术研发人员：常子恒，
申请(专利权)人：北京像素软件科技股份有限公司，
类型：发明
国别省市：