多模型融合方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种多模型融合方法、装置、计算机设备及存储介质，该方法通过获取初始权重值、主模型以及至少一个次模型；任意选择一个次模型作为待融合模型，并基于初始权重值对主模型和待融合模型进行融合处理，得到测试模型；获取验证数据集，并将验证数据集输入至测试模型中，获取测试模型的测试分值；基于测试分值和初始权重值对主模型进行更新，并重新选取一个次模型作为新的待融合模型；所述新的待融合模型为所有次模型中未被选取过的次模型；继续通过新的待融合模型对更新后的主模型进行更新，直至所有次模型均选取完毕之后，得到目标融合模型。本发明专利技术提高了多模型融合的效率，使得目标融合模型能够在验证数据集上的表现达到最优。

【技术实现步骤摘要】

本专利技术涉及深度学习，尤其涉及一种多模型融合方法、装置、计算机设备及存储介质。

技术介绍

1、在深度学习任务中往往需要多次训练同样网络结构的模型，并从中挑选最优的模型作为最终应用的模型。然而在训练过程中会产生多个不同的模型，单一挑选某一个模型的方式会造成资源浪费。

2、现有技术中，针对上述情况会对多个不同的模型进行融合。比如依赖贪婪原则选择部分模型进行融合，这样的方法存在片面性，导致融合得到的模型容易被极端的模型(如在验证数据集上表现最优或者最差的模型)带偏，从而使得融合得到的模型在应用时准确率较低。

技术实现思路

1、本专利技术实施例提供一种多模型融合方法、装置、计算机设备及存储介质，以解决现有技术中多模型融合方法的片面性导致融合模型应用阶段准确率较低的问题。

2、一种多模型融合方法，包括：

3、获取初始权重值、主模型以及至少一个次模型；

4、任意选择一个次模型作为待融合模型，并基于所述初始权重值对所述主模型和待融合模型进行融合处理，得到测试模型；

<本文档来自技高网...

【技术保护点】

1.一种多模型融合方法，其特征在于，包括：

2.如权利要求1所述的多模型融合方法，其特征在于，所述获取主模型以及至少一个次模型，包括：

3.如权利要求1所述的多模型融合方法，其特征在于，所述基于所述初始权重值对所述主模型和待融合模型进行融合处理，得到测试模型，包括：

4.如权利要求1所述的多模型融合方法，其特征在于，所述验证数据集中包括多个验证数据；一个所述验证数据对应一个数据标签；

5.如权利要求1所述的多模型融合方法，其特征在于，所述基于所述测试分值和所述初始权重值对所述主模型进行更新，包括：

6.如权利要求5所述的多模型融...

【技术特征摘要】

1.一种多模型融合方法，其特征在于，包括：

2.如权利要求1所述的多模型融合方法，其特征在于，所述获取主模型以及至少一个次模型，包括：

3.如权利要求1所述的多模型融合方法，其特征在于，所述基于所述初始权重值对所述主模型和待融合模型进行融合处理，得到测试模型，包括：

4.如权利要求1所述的多模型融合方法，其特征在于，所述验证数据集中包括多个验证数据；一个所述验证数据对应一个数据标签；

5.如权利要求1所述的多模型融合方法，其特征在于，所述基于所述测试分值和所述初始权重值对所述主模型进行更新，包括：

6.如权利要求5所述的多模型融合方法，其...

【专利技术属性】
技术研发人员：庄镇州，魏新明，肖嵘，王孝宇，
申请(专利权)人：深圳云天励飞技术股份有限公司，
类型：发明
国别省市：