【技术实现步骤摘要】
本公开涉及数据处理，尤其涉及一种数据生成模型的训练方法及装置、电子设备和存储介质。
技术介绍
1、模型的建立一般需要数据库中的大量的数据作为支撑，数据库的数据来源一般通过获取真实车辆数据的方式，但是该种方式获取的真实车辆数据的数据量较小。
2、为了解决数据库中真实车辆数据的数据量较小的问题，可采用将与真实车辆数据相似的数据作为数据库的数据来源，通过获取相似数据的方式能够提供为数据库提供更多的数据。
3、虽然上述方法增大数据库的数据量，但是由于相似数据与车辆真实数据存在的误差较大，使得基于相似数据训练得到的模型的准确率不佳。
技术实现思路
1、本公开提供了一种数据生成模型的训练方法及装置、电子设备和存储介质。其主要目的在于实现在保证模型训练效果的前提下实现对数据库中数据的扩充。
2、根据本公开的第一方面，提供了一种数据生成模型的训练方法，其中，包括：
3、模型对抗训练步骤：
4、将训练数据输入最新的数据生成模型，得到预测数据；其中，所述训练数据为从相关车辆获取的不同驾驶工况的数据，所述相关车辆为与目标车辆相关度高于预设相关度阈值的车辆；
5、将所述预测数据输入数据判别模型，获取所述数据判别模型对所述预测数据的第一判别结果；所述数据判别模型为通过对不同驾驶工况的真实数据进行训练得到；
6、根据所述第一判别结果对数据生成模型进行更新；
7、若最新的数据生成模型满足预设模型要求，则
9、继续执行模型对抗训练步骤。
10、可选的，所述根据所述第一判别结果对数据生成模型进行更新还包括：
11、根据所述第一判别结果确定所述数据生成模型的第一误差梯度；
12、根据所述第一误差梯度调整所述数据生成模型的模型参数，对数据生成模型进行更新。
13、可选的，所述预设模型要求具体为：所述第一误差梯度小于预设误差梯度阈值。
14、可选的，在将所述预测数据输入数据判别模型，获取所述数据判别模型对所述预测数据的第一判别结果之前，所述方法还包括：
15、将所述目标车辆的不同驾驶工况的真实数据输入所述数据判别模型后，对所述不同驾驶工况的真实数据进行判别，得到对所述真实数据的第二判别结果；
16、根据所述第二判别结果确定所述数据判别模型的第二误差梯度；
17、根据所述第二误差梯度调整所述数据判别模型的模型参数，对数据判别模型进行更新。
18、可选的，所述方法还包括：
19、接收目标车辆的目标工况对应的预测数据获取请求；
20、响应于所述获取请求，基于训练好的数据生成模型输出所述目标车辆的目标工况对应的预测数据。
21、可选的，所述目标工况包含与续驶里程相关的驾驶工况。
22、根据本公开的第二方面，提供了一种数据生成模型的训练装置，包括：
23、模型对抗训练装置：
24、输入单元，用于将训练数据输入最新的数据生成模型，得到预测数据；其中，所述训练数据为从相关车辆获取的不同驾驶工况的数据，所述相关车辆为与目标车辆相关度高于预设相关度阈值的车辆；
25、第一判别单元，用于将所述预测数据输入数据判别模型，获取所述数据判别模型对所述预测数据的第一判别结果；所述数据判别模型为通过对不同驾驶工况的真实数据进行训练得到；
26、更新单元，用于根据所述第一判别结果对数据生成模型进行更新；
27、判断单元，用于当最新的数据生成模型满足预设模型要求时，则结束模型对抗训练步骤，以最新的数据生成模型作为训练好的数据生成模型；否则继续采用模型对抗训练装置执行模型对抗训练步骤。
28、可选的，所述更新单元还包括：
29、确定模块，用于根据所述第一判别结果确定所述数据生成模型的第一误差梯度；
30、更新模块，用于根据所述第一误差梯度调整所述数据生成模型的模型参数，对数据生成模型进行更新。
31、可选的，所述预设模型要求具体为：所述第一误差梯度小于预设误差梯度阈值。
32、可选的，在第一判别单元之前，所述装置还包括：
33、第二判别单元，用于将所述目标车辆的不同驾驶工况的真实数据输入所述数据判别模型后，对所述不同驾驶工况的真实数据进行判别，得到对所述真实数据的第二判别结果；
34、确定单元，用于根据所述第二判别结果确定所述数据判别模型的第二误差梯度；
35、调整单元，用于根据所述第二误差梯度调整所述数据判别模型的模型参数，对数据判别模型进行更新。
36、可选的，所述装置还包括：
37、接收单元，用于接收目标车辆的目标工况对应的预测数据获取请求；
38、输出单元，用于响应于所述获取请求，基于训练好的数据生成模型输出所述目标车辆的目标工况对应的预测数据。
39、可选的，所述目标工况包含与续驶里程相关的驾驶工况。
40、根据本公开的第三方面，提供了一种电子设备，包括：
41、至少一个处理器；以及
42、与所述至少一个处理器通信连接的存储器；其中，
43、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前述第一方面所述的方法。
44、根据本公开的第四方面，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前述第一方面所述的方法。
45、根据本公开的第五方面，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如前述第一方面所述的方法。
46、本公开提供的数据生成模型的训练方法及装置、电子设备和存储介质，主要技术方案包括：模型对抗训练步骤：将训练数据输入最新的数据生成模型，得到预测数据；其中，所述训练数据为从相关车辆获取的不同驾驶工况的数据，所述相关车辆为与目标车辆相关度高于预设相关度阈值的车辆；将所述预测数据输入数据判别模型，获取所述数据判别模型对所述预测数据的第一判别结果；所述数据判别模型为通过对不同驾驶工况的真实数据进行训练得到；根据所述第一判别结果对数据生成模型进行更新；若最新的数据生成模型满足预设模型要求，则结束模型对抗训练步骤，以最新的数据生成模型作为训练好的数据生成模型；否则继续执行模型对抗训练步骤。与相关技术相比，本申请实施例通过数据生成模型与数据判别模型的对抗训练，数据生成模型受制于基于不同驾驶工况的真实数据训练得到的数据判别模型的约束，并根据第一判别结果对数据生成模型进行更新，提升其生成的数据与真实数据间的相似度，提高了数据生成模型的生成能力，消除了生成的数据与真实数据之间的误差，进而保证了基于生成的数据训练本文档来自技高网...
【技术保护点】
1.一种数据生成模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一判别结果对数据生成模型进行更新还包括：
3.根据权利要求2所述的方法，其特征在于，所述预设模型要求具体为：所述第一误差梯度小于预设误差梯度阈值。
4.根据权利要求1所述的方法，其特征在于，在将所述预测数据输入数据判别模型，获取所述数据判别模型对所述预测数据的第一判别结果之前，所述方法还包括：
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述目标工况包含与续驶里程相关的驾驶工况。
7.一种数据生成模型的训练装置，其特征在于，包括：
8.一种电子设备，其特征在于，包括：
9.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
10.一种计算机程序产品，其特征在于，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
...【技术特征摘要】
1.一种数据生成模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一判别结果对数据生成模型进行更新还包括：
3.根据权利要求2所述的方法，其特征在于，所述预设模型要求具体为：所述第一误差梯度小于预设误差梯度阈值。
4.根据权利要求1所述的方法，其特征在于，在将所述预测数据输入数据判别模型，获取所述数据判别模型对所述预测数据的第一判别结果之前，所述方法还包括：
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述方...
【专利技术属性】
技术研发人员：方绍伟，杨静，仇彬，蒙越，
申请(专利权)人：北京罗克维尔斯科技有限公司，
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。