[发明专利]一种继承具体应用模型的深度学习模型的训练方法和系统

说明书

一种继承具体应用模型的深度学习模型的训练方法和系统；所述训练方法包括以下步骤：步骤S1、找出与深度学习模型的待训练应用相关的具体应用模型；步骤S2、自动采用具体应用模型中与其具体应用有关的深度学习模型参数值对深度学习模型进行初始化；步骤S3、自动采用与待训练应用相关的训练数据训练初始化后的深度学习模型。本发明的继承具体应用模型的深度学习模型的训练方法和系统设计巧妙，实用性强。

技术领域

本发明涉及人工智能领域，尤其涉及一种继承具体应用模型的深度学习模型的训练方法和系统。

背景技术

以往，一个深度学习模型的训练，需要从零开始进行，耗时较长；例如，一个深度学习模型在进行具体应用中已经训练了30天，那么，如果训练数据集有优化或者参数有调整时，那么就都得从零开始重新训练。

发明内容

本发明针对上述技术问题，提出一种继承具体应用模型的深度学习模型的训练方法和系统。

本发明所提出的技术方案如下：

本发明提出了一种继承具体应用模型的深度学习模型的训练方法，包括以下步骤：

步骤S1、找出与深度学习模型的待训练应用相关的具体应用模型；

步骤S2、自动采用具体应用模型中与其具体应用有关的深度学习模型参数值对深度学习模型进行初始化；

步骤S3、自动采用与待训练应用相关的训练数据训练初始化后的深度学习模型。

本发明上述的训练方法中，深度学习模型采用卷积神经网络模型、深度信念网络模型、深度玻尔兹曼机模型或堆叠自动编码器模型。

本发明上述的训练方法中，具体应用模型为采用该具体应用模型中与具体应用有关的特征值赋值于深度学习模型参数的深度学习模型。

本发明上述的训练方法中，对深度学习模型进行初始化的过程表示将具体应用模型中与其具体应用有关的深度学习模型参数值对深度学习模型中的深度学习模型参数赋值的过程。

本发明还提出了一种继承具体应用模型的深度学习模型的训练系统，包括以下步骤：

继承模块，用于找出与深度学习模型的待训练应用相关的具体应用模型；

初始化模块，用于自动采用具体应用模型中与其具体应用有关的深度学习模型参数值对深度学习模型进行初始化；

训练模块，用于自动采用与待训练应用相关的训练数据训练初始化后的深度学习模型。

本发明上述的训练系统中，深度学习模型采用卷积神经网络模型、深度信念网络模型、深度玻尔兹曼机模型或堆叠自动编码器模型。

本发明上述的训练系统中，具体应用模型为采用该具体应用模型中与具体应用有关的特征值赋值于深度学习模型参数的深度学习模型。

本发明上述的训练系统中，对深度学习模型进行初始化的过程表示将具体应用模型中与其具体应用有关的深度学习模型参数值对深度学习模型中的深度学习模型参数赋值的过程。

本发明的继承具体应用模型的深度学习模型的训练方法和系统，能够继承现有已经训练完成或者训练过程中的具体应用模型，通过训练系统去管理，并自动处理继承训练的相关工作，基本无需人工参与，从而加快训练速度，降低训练时间，例如图像分类，原有模型支持两种分类，在同样数据量的情况下，当需要新加一个分类进行识别，则最少可降低60％训练时间。本发明的继承具体应用模型的深度学习模型的训练方法和系统设计巧妙，实用性强。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1示出了本发明优选实施例的继承具体应用模型的深度学习模型的训练系统的功能模块方框图；