【技术实现步骤摘要】
本公开涉及人工智能，尤其涉及深度学习和智慧工业。
技术介绍
1、随着计算机技术的快速发展，服务器等计算设备的算力不断提升，导致运行中的计算设备的运行温度较高，需要及时地对运行中的计算设备进行散热来保障其运行稳定性。例如可以通过构建并控制制冷系统运行来实现对运行中的服务器进行快速散热，以保证服务器的运行稳定性。
技术实现思路
1、本公开提供了一种深度学习模型的训练方法、控制能量传递系统的方法、装置、电子设备以及存储介质。
2、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，包括：获取能量传递系统在历史时间段中的实际系统状态信息和实际系统操作信息，分别作为样本系统状态信息和样本系统操作信息；根据样本系统状态信息和样本系统操作信息，确定与样本系统操作信息相关联的样本附加信息；以及基于强化学习策略，利用样本系统状态信息、样本系统操作信息和样本附加信息训练初始深度学习模型，得到训练后的深度学习模型，深度学习模型用于确定控制能量传递系统的系统操作信息。
3、根据本公开的另一方面，提供了一种控制能量传递系统的方法，包括：获取能量传递系统在当前时刻已经生成的系统状态信息和系统操作信息，根据系统状态信息和系统操作信息，确定与系统操作信息相关联的附加信息；利用训练后的深度学习模型处理系统状态信息、系统操作信息和附加信息，得到新的系统操作信息，其中，深度学习模型是根据本公开实施例提供的训练方法训练得到的；以及根据新的系统操作信息控制能量传递系统。
4、根据本公开
5、根据本公开的另一方面，提供了一种控制能量传递系统的装置，包括：第二获取模块，用于获取能量传递系统在当前时刻已经生成的系统状态信息和系统操作信息，附加信息确定模块，用于根据系统状态信息和系统操作信息，确定与系统操作信息相关联的附加信息；系统操作信息获得模块，用于利用训练后的深度学习模型处理系统状态信息、系统操作信息和附加信息，得到新的系统操作信息，其中，深度学习模型是根据本公开实施例提供的训练方法训练得到的；以及控制模块，用于根据新的系统操作信息控制能量传递系统。
6、根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据本公开实施例提供的方法。
7、根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据本公开实施例提供的方法。
8、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本公开实施例提供的方法。
9、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种深度学习模型的训练方法，包括：
2.根据权利要求1所述的方法，其中，所述基于强化学习策略，利用所述样本系统状态信息、所述样本系统操作信息和所述样本附加信息训练初始深度学习模型包括针对第t次训练阶段：
3.根据权利要求2所述的方法，其中，所述能量传递系统包括多个执行设备，以及多个执行设备之间的依赖关系；
4.根据权利要求2所述的方法，其中，所述样本系统状态信息、所述样本系统操作信息和所述样本附加信息之间基于样本时刻相关联，所述样本时刻包括多个；
5.根据权利要求1所述的方法，其中，所述样本系统状态信息、所述样本系统操作信息和所述样本附加信息之间通过样本时刻相关联，所述样本时刻包括多个；
6.根据权利要求1所述的方法，其中，所述样本系统操作信息包括以下至少一项：
7.一种控制能量传递系统的方法，包括：
8.一种深度学习模型的训练装置，包括：
9.根据权利要求8所述的装置，其中，所述训练模块包括针对第t次训练阶段的如下子模块：
10.根据权利要求9所述的装置，其中，所述能
11.根据权利要求9所述的装置，其中，所述样本系统状态信息、所述样本系统操作信息和所述样本附加信息之间基于样本时刻相关联，所述样本时刻包括多个；
12.根据权利要求8所述的装置，其中，所述样本系统状态信息、所述样本系统操作信息和所述样本附加信息之间通过样本时刻相关联，所述样本时刻包括多个；
13.根据权利要求8所述的装置，其中，所述样本系统操作信息包括以下至少一项：
14.一种控制能量传递系统的装置，包括：
15.一种电子设备，包括：
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1至7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种深度学习模型的训练方法，包括：
2.根据权利要求1所述的方法，其中，所述基于强化学习策略，利用所述样本系统状态信息、所述样本系统操作信息和所述样本附加信息训练初始深度学习模型包括针对第t次训练阶段：
3.根据权利要求2所述的方法，其中，所述能量传递系统包括多个执行设备，以及多个执行设备之间的依赖关系；
4.根据权利要求2所述的方法，其中，所述样本系统状态信息、所述样本系统操作信息和所述样本附加信息之间基于样本时刻相关联，所述样本时刻包括多个；
5.根据权利要求1所述的方法，其中，所述样本系统状态信息、所述样本系统操作信息和所述样本附加信息之间通过样本时刻相关联，所述样本时刻包括多个；
6.根据权利要求1所述的方法，其中，所述样本系统操作信息包括以下至少一项：
7.一种控制能量传递系统的方法，包括：
8.一种深度学习模型的训练装置，包括：
9.根据权利要求8所述的装置，其中，所述训练模块包括针对第t次...
【专利技术属性】
技术研发人员：闻雅兰，
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：
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。