【技术实现步骤摘要】
本申请涉及多任务学习，尤其涉及一种多任务模型训练方法、车辆驾驶方法和装置、设备及介质。
技术介绍
1、多任务学习模型通过共享通用特征表示，同时产生多个任务的预测结果。在车载自动驾驶系统、机器人视觉处理系统、无人机视觉处理系统等计算资源有限的系统中，能同时预测多个任务的模型变得尤为重要。由于不同类型任务的损失函数类型不同，使得多任务学习模型在梯度更新时，不同任务对应的损失函数对模型参数的贡献不同，导致模型在优化过程中偏向损失值较大的任务，忽略了其他任务。这种损失函数不平衡问题增加了多任务学习模型的训练难度，影响了多任务学习模型对于不同任务的预测准确性。因此，如何提高多任务学习模型对不同任务的预测准确性，成为了亟待解决的问题。
技术实现思路
1、本申请实施例的主要目的在于提出一种多任务模型训练方法、车辆驾驶方法和装置、设备及介质，旨在提高多任务学习模型对不同任务的预测准确性。
2、为实现上述目的，本申请实施例的第一方面提出了一种多任务模型训练方法，所述方法包括：
3、获...
【技术保护点】
1.多任务模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的多任务模型训练方法，其特征在于，所述根据所述模型参数、每个所述任务的所述任务权重、所述第一目标损失和每个所述任务的所述第二子损失确定目标更新梯度，包括：
3.根据权利要求2所述的多任务模型训练方法，其特征在于，所述根据所述第一目标损失对所述模型参数进行梯度下降，得到所述初始多任务模型的伪参数，包括：
4.根据权利要求3所述的多任务模型训练方法，其特征在于，所述根据所述第一模型参数梯度、所述第一权重参数梯度、每个所述任务的所述任务权重和所述伪参数，确定所述第一
【技术特征摘要】
1.多任务模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的多任务模型训练方法，其特征在于，所述根据所述模型参数、每个所述任务的所述任务权重、所述第一目标损失和每个所述任务的所述第二子损失确定目标更新梯度，包括：
3.根据权利要求2所述的多任务模型训练方法，其特征在于，所述根据所述第一目标损失对所述模型参数进行梯度下降，得到所述初始多任务模型的伪参数，包括：
4.根据权利要求3所述的多任务模型训练方法，其特征在于，所述根据所述第一模型参数梯度、所述第一权重参数梯度、每个所述任务的所述任务权重和所述伪参数，确定所述第一更新梯度，包括：
5.根据权利要求2所述的多任务模型训练方法，其特征在于，所述根据所述第一更新梯度和每个所述任务的所述第二更新...
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。