[发明专利]深度学习分类算法中动态调节训练样本的方法及终端设备

说明书

本发明提供了一种深度学习分类算法中动态调节训练样本的方法及终端设备：获取第一训练集、验证集和测试集；通过第一训练集对模型进行训练，每完成一次迭代，通过验证集获取模型的精度，若完成第一预设次数的迭代且模型的精度大于等于第一预设精度，或若完成第二预设次数的迭代，则将验证集中的语料添加至第一训练集，得到第二训练集；通过第二训练集对模型进行训练，每完成一次迭代，通过训练集获取模型的精度，若模型的精度在连续第三预设次数的迭代过程中都高于第二预设精度，或若通过第二训练集完成第四预设次数的迭代，则通过测试集获得模型所对应的评价指数。本发明通过将测试集参与到建立模型的过程中，实现了语料的全覆盖。

技术领域

本发明属于计算机技术领域，尤其涉及一种深度学习分类算法中动态调节训练样本的方法及终端设备。

背景技术

随着机器学习、深度学习技术的成熟与计算机运算能力的提升，深度学习技术在工程界用的越来越广泛。以往，学术界为了保证模型的泛化能力，往往将训练的语料分为训练集、验证集、测试集，测试集是不会用于训练的，用于评估模型的效果，这样就会有很多在测试集中的语料特征没有被提取到。

然而，在实际工程运用时，对于已有的语料，往往都是人为整理出来的且在工程和产品中必不可少的，因此，现有深度学习分类算法存在语料覆盖不全面的问题。

发明内容

有鉴于此，本发明实施例提供了一种深度学习分类算法中动态调节训练样本的方法及终端设备，以解决现有技术深度学习分类算法中语料覆盖不全面的问题。

本发明实施例的第一方面提供了一种深度学习分类算法中动态调节训练样本的方法，包括：

获取预设语料集，并通过所述预设语料集获取第一训练集、验证集和测试集；

通过所述第一训练集对深度学习分类模型进行训练，每完成一次迭代，通过所述验证集获取所述深度学习分类模型的精度，若通过所述第一训练集完成第一预设次数的迭代且所述深度学习分类模型的精度大于等于第一预设精度，或若通过所述第一训练集完成第二预设次数的迭代，则将所述验证集中的语料添加至所述第一训练集，得到第二训练集；

通过所述第二训练集对所述深度学习分类模型进行训练，每完成一次迭代，通过所述训练集获取所述深度学习分类模型的精度，若所述深度学习分类模型的精度在连续第三预设次数的迭代过程中都高于第二预设精度，或若通过所述第二训练集完成第四预设次数的迭代，则通过所述测试集获得所述深度学习分类模型所对应的第一评价指数。

本发明实施例的第二方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如下步骤：

获取预设语料集，并通过所述预设语料集获取第一训练集、验证集和测试集；

通过所述第一训练集对深度学习分类模型进行训练，每完成一次迭代，通过所述验证集获取所述深度学习分类模型的精度，若通过所述第一训练集完成第一预设次数的迭代且所述深度学习分类模型的精度大于等于第一预设精度，或若通过所述第一训练集完成第二预设次数的迭代，则将所述验证集中的语料添加至所述第一训练集，得到第二训练集；

通过所述第二训练集对所述深度学习分类模型进行训练，每完成一次迭代，通过所述训练集获取所述深度学习分类模型的精度，若所述深度学习分类模型的精度在连续第三预设次数的迭代过程中都高于第二预设精度，或若通过所述第二训练集完成第四预设次数的迭代，则通过所述测试集获得所述深度学习分类模型所对应的第一评价指数。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如下步骤：

获取预设语料集，并通过所述预设语料集获取第一训练集、验证集和测试集；