一种面向微小型AI训练的管理系统和管理方法技术方案

本申请公开了一种面向微小型AI训练的管理系统和管理方法。一种面向微小型AI训练的管理系统，包括：数据集收集模块，用于收集训练样本；预测模块，内置有预测模型，预测模块接收训练样本，以对预测模型进行训练；权重信息监测模块，用于获取用于训练预测模型的每个训练样本，以及训练完成之后预测模型的权重更新信息。本申请所提供的技术方案中，在对神经网络模型进行训练时，并不是一次性向预测模型输入一个训练样本，而是将不同种类的样本输入至预测模块中，对预测模型进行并行训练，所以增加了神经网络模型的训练效率。

【技术实现步骤摘要】

本申请涉及人工智能，具体而言，涉及一种面向微小型ai训练的管理系统和管理方法。

技术介绍

1、神经网络模型在运用之前，需要采用训练样本训练，以更新神经网络模型内置的权重参数。训练样本包括数据项和标签项，训练样本输入至神经网络模型进行训练，神经网络模型根据输入的训练样本找到数据项与标签项之间的关系，该关系反映在神经网络模型中，就是神经网络模型内置权重参数的改变。

2、为了获取准确的神经网络模型，会收集大量的训练样本用于神经网络模型的交叉训练。目前的神经网络模型在进行大批量训练样本的训练时，因为不清楚各训练样本对预测模型中的相关权重参数会造成什么影响，所以每次训练时，都是向预测模型内输入一个训练样本训练完成之后，再输入下一个训练样本，所以导致了神经网络模型的训练效率低。

技术实现思路

1、本申请的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本申请的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本文档来自技高网...

【技术保护点】

1.一种面向微小型AI训练的管理系统，包括，数据集收集模块，用于收集训练样本；

2.根据权利要求1所述的一种面向微小型AI训练的管理系统，其特征在于：数据集收集模块包括数据项信息收集单元、标签信息收集单元以及训练样本制作单元；

3.根据权利要求1所述的一种面向微小型AI训练的管理系统，其特征在于：管理模块包括训练样本分类单元、权重参数分类单元、映射单元以及控制单元；

4.根据权利要求3所述的一种面向微小型AI训练的管理系统，其特征在于：还包括如下步骤：权重参数分类单元用于获取各预测模型中权重参数的取值范围，将权重参数的取值范围归一化为权重变化系数。...

【技术特征摘要】

1.一种面向微小型ai训练的管理系统，包括，数据集收集模块，用于收集训练样本；

2.根据权利要求1所述的一种面向微小型ai训练的管理系统，其特征在于：数据集收集模块包括数据项信息收集单元、标签信息收集单元以及训练样本制作单元；

3.根据权利要求1所述的一种面向微小型ai训练的管理系统，其特征在于：管理模块包括训练样本分类单元、权重参数分类单元、映射单元以及控制单元；

4.根据权利要求3所述的一种面向微小型ai训练的管理系统，其特征在于：还包括如下步骤：权重参数分类单元用于获取各预测模型中权重参数的取值范围，将权重参数的取值范围归一化为权重变化系数。

5.根据...

【专利技术属性】
技术研发人员：钱海龙，张帆，何德伟，
申请(专利权)人：杭州拓麦科技有限公司，
类型：发明
国别省市：