【技术实现步骤摘要】
本专利技术涉及人工智能，特别涉及一种机器学习模型的训练方法、装置、电子设备及介质。
技术介绍
1、通常，神经网络模型的性能精度和神经网络中参数的数量、以及训练数据的精细程度呈现正相关的关系。提升神经网络中参数的数量和提高训练数据的精密程度都可以对神经网络精度带来正向的效果。
2、在相关技术中，通常采用人工标注的方法对模型的样本进行标注。这种方法的成本较高，特别是在需要标注数据的量较大的情况下。
技术实现思路
1、本申请提供了一种机器学习模型的训练方法、装置、电子设备及介质，可以降低机器学习模型的标注成本。
2、本申请的第一方面公开了一种机器学习模型的训练方法，用于电子设备，获取第一样本和与所述第一样本进行标注得到的第一标注集合；利用所述第一样本和所述第一标注集合训练第一模型以得到训练好的第一模型；获取第二样本；将所述第二样本输入至所述训练好的第一模型，得到所述第二样本的第二标注集合；根据所述第一样本、所述第一标注集合、所述第二样本和所述第二标注集合训练第二模型；其中...
【技术保护点】
1.一种机器学习模型的训练方法，应用于电子设备，其特征在于，所述方法包括，
2.根据权利要求1所述的机器学习模型的训练方法，其特征在于，利用所述第一样本和所述第一标注集合训练第一模型以得到训练好的第一模型还包括得到第一特征集合,
3.根据权利要求2所述的机器学习模型的训练方法，其特征在于，将所述第二样本输入至所述训练好的第一模型得到第二标注集合和第二特征集合包括，
4.根据权利要求2所述的机器学习模型的训练方法，其特征在于，所述第一特征集合或第二特征集合对应于所述第一模型的总深度上的1/4、2/4，3/4层特征的并集。
...
【技术特征摘要】
1.一种机器学习模型的训练方法，应用于电子设备，其特征在于，所述方法包括，
2.根据权利要求1所述的机器学习模型的训练方法，其特征在于，利用所述第一样本和所述第一标注集合训练第一模型以得到训练好的第一模型还包括得到第一特征集合,
3.根据权利要求2所述的机器学习模型的训练方法，其特征在于，将所述第二样本输入至所述训练好的第一模型得到第二标注集合和第二特征集合包括，
4.根据权利要求2所述的机器学习模型的训练方法，其特征在于，所述第一特征集合或第二特征集合对应于所述第一模型的总深度上的1/4、2/4，3/4层特征的并集。
5.根据权利要求1所述的机器学习模型的训练方法，其特征在于，所述第一标注集合对应于所述第一样本中特定区域。
【专利技术属性】
技术研发人员：王奇勋，
申请(专利权)人：行吟信息科技武汉有限公司，
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。