模型训练性能维护方法、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一种模型训练性能维护方法、装置、电子设备及存储介质，涉及人工智能技术领域，该方法包括：响应于目标模型的训练完成指令，获取训练后的目标模型的多个当前性能指标；针对每个当前性能指标，基于阈值数据库中当前性能指标对应的历史性能指标，确定当前性能指标对应的目标性能阈值；响应于当前性能指标满足目标性能阈值对应的预设条件，将当前性能指标更新至阈值数据库，以实现模型训练性能的主动维护。本发明专利技术可以主动维护模型训练性能，解决了可持续化维护较为困难的问题。

【技术实现步骤摘要】

本专利技术涉及人工智能，尤其涉及一种模型训练性能维护方法、装置、电子设备及存储介质。

技术介绍

1、在模型开发和适配中，适配的模型数量会越来越多，在此过程中，算子、显存、通信等性能会不断改进，以往适配好的模型在精度、训练速度、显存等方面可能因此出现性能方面的问题。因此，需要对模型的性能等进行维护。

2、目前，通过人工经验或者观察等方式来判断模型的各性能指标是否正常。然而，通过人工被动地维护模型性能状态，需要相关人员有一定经验、按照特定方式才能排查(例如分析日志、运行测试代码等)，该过程有一定门槛，可持续化维护较为困难。

技术实现思路

1、本专利技术提供一种模型训练性能维护方法、装置、电子设备及存储介质，可以主动维护模型训练性能，解决了可持续化维护较为困难的问题。

2、本专利技术提供一种模型训练性能维护方法，包括：

3、响应于目标模型的训练完成指令，获取训练后的目标模型的多个当前性能指标；

4、针对每个所述当前性能指标，基于阈值数据库中所述当前性能指标对应的历史性本文档来自技高网...

【技术保护点】

1.一种模型训练性能维护方法，其特征在于，包括：

2.根据权利要求1所述的模型训练性能维护方法，其特征在于，所述基于阈值数据库中所述当前性能指标对应的历史性能指标，确定所述当前性能指标对应的目标性能阈值，包括：

3.根据权利要求1所述的模型训练性能维护方法，其特征在于，所述基于阈值数据库中所述当前性能指标对应的历史性能指标，确定所述当前性能指标对应的目标性能阈值，包括：

4.根据权利要求1所述的模型训练性能维护方法，其特征在于，所述基于阈值数据库中所述当前性能指标对应的历史性能指标，确定所述当前性能指标对应的目标性能阈值，包括：p>

5.根据权...

【技术特征摘要】

1.一种模型训练性能维护方法，其特征在于，包括：

2.根据权利要求1所述的模型训练性能维护方法，其特征在于，所述基于阈值数据库中所述当前性能指标对应的历史性能指标，确定所述当前性能指标对应的目标性能阈值，包括：

3.根据权利要求1所述的模型训练性能维护方法，其特征在于，所述基于阈值数据库中所述当前性能指标对应的历史性能指标，确定所述当前性能指标对应的目标性能阈值，包括：

4.根据权利要求1所述的模型训练性能维护方法，其特征在于，所述基于阈值数据库中所述当前性能指标对应的历史性能指标，确定所述当前性能指标对应的目标性能阈值，包括：

5.根据权利要求1所述的模型训练性能维护方法，其特征在于，所述基于阈值数据库中所述当前性能指标对应的历史性能指标，确定所述当前性能指标对应的目标性能阈值，包括：

6.根据权利要求1所述的模型训练性能维护方法，其特征在于，所述基于阈值数据库中所述当前性能指标对应的历史性能指标，确定所述当前性能指标对应的目标性能阈值，包括：

7.根据权利要求1至6任一项所述的模型训练性能维护方法，其特征在于，在基于阈值数据库中所述当前性能指标对应的历史性能指标，确定所述当前性能指标对应的目标性能阈值之前，还包括：

8.根据权利要求1至6任一项所述的模型训练性能维护方法，其特征在于，在响应于目标模型的训练完成指令，获取训练后的目标模型的多个当前性能指标之前，还包括：

9.根...

【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，请求不公布姓名，请求不公布姓名，
申请(专利权)人：上海壁仞科技股份有限公司，
类型：发明
国别省市：