[发明专利]一种深度学习方法及装置

权利要求书

1.一种深度学习方法，其特征在于，包括：

获取访问日志数据集，其中，所述访问日志数据集包括第一深度学习模型推理服务中的至少一条访问日志的访问日志数据；

训练所述访问日志数据集，生成第二深度学习模型。

2.根据权利要求1所述的方法，其特征在于，所述训练所述访问日志数据集，生成第二深度学习模型之后，包括：

对所述第一深度学习模型和所述第二深度学习模型进行评估，得到所述第一深度学习模型的第一评估结果以及所述第二深度学习模型的第二评估结果；

在所述第二评估结果与所述第一评估结果满足预设条件的情况下，将所述第一深度学习模型更换为所述第二深度学习模型。

3.根据权利要求2所述的方法，其特征在于，所述第一评估结果和所述第二评估结果均包括预测精度；

所述在所述第二评估结果与所述第一评估结果满足预设条件的情况下，将所述第一深度学习模型更换为所述第二深度学习模型，包括：

在所述第二评估结果大于或者等于所述第一评估结果的情况下，将所述第一深度学习模型更换为所述第二深度学习模型。

4.根据权利要求1所述的方法，其特征在于，所述获取访问日志数据集，包括：

采集所述第一深度学习模型推理服务中的至少一条访问日志；

根据预先定义的访问日志与访问日志数据的映射关系，映射得到所述至少一条访问日志中每一条访问日志的访问日志数据；

生成包括所述至少一条访问日志的访问日志数据的所述访问日志数据集。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述训练所述访问日志数据集，生成第二深度学习模型之前，还包括：

接收对所述访问日志数据集进行的标注操作，其中，所述标注操作为标注人员基于所述访问日志数据集中至少一条访问日志数据的输入参数，对所述至少一条访问日志数据的预测结果进行修正的操作；

响应于所述标注操作，生成所述访问日志数据集对应的第一增量数据集；

所述训练所述访问日志数据集，生成第二深度学习模型，包括：

训练所述第一增量数据集，生成所述第二深度学习模型。

6.根据权利要求1至4中任一项所述的方法，其特征在于，所述训练所述访问日志数据集，生成第二深度学习模型之前，还包括：

将所述访问日志数据集发送至外部设备；

接收所述外部设备反馈的第二增量数据集，其中，所述第二增量数据集为所述外部设备基于接收到的第二标注操作生成的数据集，且所述第二标注操作为标注人员基于所述访问日志数据集中至少一条访问日志数据的输入参数，对所述至少一条访问日志数据的预测结果进行修正的操作；

所述训练所述访问日志数据集，生成第二深度学习模型，包括：

训练所述第二增量数据集，生成所述第二深度学习模型。

7.根据权利要求1至4中任一项所述的方法，其特征在于，所述获取访问日志数据集之前，还包括：

确定所述第一深度学习模型的访问日志数据的收集过程是否满足预设条件；

所述获取访问日志数据集，包括：

在确定所述收集过程满足预设条件的情况下，执行所述获取访问日志数据集；

其中，所述访问日志数据集包括在所述收集过程中收集到的访问日志数据。

8.根据权利要求7所述的方法，其特征在于，所述确定所述第一深度学习模型的访问日志数据的收集过程是否满足预设条件，包括：

确定在所述第一深度学习模型的访问日志数据的收集过程中收集到的访问日志数据是否达到预设数量，若是，则确定所述收集过程满足预设条件；或者，

确定所述收集过程中收集访问日志数据的时长是否达到预设时长，若是，则确定所述收集过程满足预设条件。