[发明专利]分类模型的训练方法、装置、电子设备及存储介质

说明书

本公开是关于一种分类模型的训练方法、装置、电子设备及存储介质。该训练方法中，预先将各个样本数据的分类标签，按照语义划分为具有上下位关系的至少两个层级；确定待训练的分类模型所需训练阶段的目标数量；在每一训练阶段，确定该训练阶段对应的目标层级，利用样本数据集中，目标层级的分类标签对应的样本数据，对分类模型进行训练，在满足预定收敛条件时，结束该训练阶段的训练过程；其中，目标数量个训练阶段中，至少有两个训练阶段所对应的目标层级不相同；在最后一个训练阶段结束后，完成对分类模型的训练。本公开提供的分类模型的训练方法，可以在将样本数据的分类标签之间的上下位关系考虑在内的前提下，实现对分类模型的有效训练。

技术领域

本公开涉及分类模型技术领域，尤其涉及一种分类模型的训练方法、装置、电子设备及存储介质。

背景技术

相关技术中，分类模型的训练方式是，从样本数据集中随机选取样本数据输入至模型中，进而，利用所选取的样本数据对模型加以训练，得到训练完毕的分类模型。

尽管上述的分类模型的训练方式可以实现模型的训练，但是，发明人在实现本发明的过程中，发现相关技术至少存在如下问题：

样本数据集中，有些样本数据的分类标签为上位形式的分类标签，有些样本数据的分类标签为下位形式的分类标签，例如，在训练图片分类模型时，有的样本图片的分类标签是狗，而有的样本图片的分类标签则是狗的品种，例如哈士奇等。然而，相关技术在训练分类模型时，并未将这种情况考虑在内，这无疑影响模型的准确度。因此，在将样本数据的分类标签之间的上下位关系考虑在内的前提下，如何实现对分类模型的有效训练，从而得到准确度较高的分类模型，是一个亟待解决的技术问题。

发明内容

为克服相关技术中存在的问题，本公开提供一种分类模型的训练方法、装置、电子设备及存储介质。

根据本公开实施例的第一方面，提供一种分类模型的训练方法，所述分类模型训练时所利用的样本数据集中，每个样本数据具有一分类标签，且预先将各个样本数据的分类标签，按照语义划分为具有上下位关系的至少两个层级，每一分类标签属于一个层级；该方法包括：

确定待训练的分类模型所需训练阶段的目标数量；

针对所述目标数量个训练阶段中的每一训练阶段，确定该训练阶段对应的目标层级，利用所述样本数据集中，所述目标层级的分类标签对应的样本数据，对所述分类模型进行训练，在所述分类模型满足预定收敛条件时，结束该训练阶段的训练过程；其中，所述目标数量个训练阶段中，至少有两个训练阶段对应的目标层级不同；

在最后一个训练阶段结束后，将当前训练得到的分类模型作为训练完成的分类模型。

可选地，针对所述目标数量个训练阶段中的第一个训练阶段，所述确定该训练阶段对应的目标层级的步骤，包括：

将所述至少两个层级中的顶层，作为该第一个训练阶段对应的目标层级；

针对所述目标数量个训练阶段中的最后一个训练阶段，所述确定该训练阶段对应的目标层级的步骤，包括：

将所述至少两个层级中的所有层级，作为该最后一个训练阶段对应的目标层级。

可选地，所述目标数量为大于2时，针对所述目标数量个训练阶段中，除第一个训练阶段和最后一个训练阶段以外的每一中间训练阶段，所述确定该训练阶段对应的目标层级的步骤，包括：

将所述顶层以及该中间训练阶段对应的预定中间层，作为该中间训练阶段对应的目标层级；

其中，每一中间训练阶段对应的预定中间层包括：除所述顶层和底层以外的一个或多个层级。

可选地，所述目标数量与所述至少两个层级的层级数量相同；