[发明专利]机器学习模型的训练方法、训练装置和训练系统

权利要求书

1.一种机器学习模型的训练方法，其特征在于，所述机器学习模型运行在执行机，所述方法包括以下步骤：

建议器获取所述机器学习模型各参数的取值范围；

所述建议器在各参数的取值范围内，确定相应参数的初始值；

所述建议器控制所述执行机将各参数调整为所述初始值，并从所述执行机获取模型评估值；其中，所述模型评估值，用于指示参数调整后的机器学习模型的性能；

所述建议器循环执行参数调整过程，直至所述机器学习模型训练结束；其中，所述参数调整过程包括根据从所述执行机获取的模型评估值，在各参数的取值范围内重新确定各参数的取值，并控制所述执行机相应进行参数调整，重新获取所述模型评估值。

2.根据权利要求1所述的训练方法，其特征在于，所述方法还包括：

在循环执行所述参数调整过程中，若重新获取到的所述模型评估值大于阈值上限，或者小于阈值下限，所述建议器确定所述机器学习模型训练结束。

3.根据权利要求2所述的训练方法，其特征在于，所述模型评估值为损失函数的取值，若重新获取到的所述模型评估值大于阈值上限之后，还包括：

所述建议器发出训练失败的提示信息；

所述建议器根据运行日志，输出循环执行所述参数调整过程中，历次调整的各参数的取值和历次获取到的模型评估值，以用于进行失败原因分析。

4.根据权利要求1所述的训练方法，其特征在于，所述根据从所述执行机获取的模型评估值，在各参数的取值范围内重新确定各参数的取值，包括：

所述建议器采用用户选定的参数调整算法，对所述模型评估值进行计算，以在取值范围内重新确定各参数的取值；

所述建议器在运行日志中存储所述模型评估值和重新确定的各参数的取值。

5.根据权利要求4所述的训练方法，其特征在于，所述建议器循环执行训练过程，直至所述机器学习模型训练结束之后，还包括：

读取所述运行日志；

根据所述运行日志中存储的各参数的取值，控制所述执行机进行参数调整，以继续循环执行所述参数调整过程。

6.根据权利要求1-5任一项所述的训练方法，其特征在于，所述建议器获取所述机器学习模型中各参数的取值范围，包括：

所述建议器根据所述机器学习模型的类别，确定各参数的取值范围；

或者，所述建议器获取用户输入的各参数的取值范围。

7.一种机器学习模型的训练装置，其特征在于，所述机器学习模型运行在执行机，所述装置包括：

获取模块，用于获取所述机器学习模型各参数的取值范围；

确定模块，用于在各参数的取值范围内，确定相应参数的初始值；

控制模块，用于控制所述执行机将各参数调整为所述初始值，并从所述执行机获取模型评估值；其中，所述模型评估值，用于指示参数调整后的机器学习模型的性能；

执行模块，用于循环执行参数调整过程，直至所述机器学习模型训练结束；其中，所述参数调整过程包括根据从所述执行机获取的模型评估值，在各参数的取值范围内重新确定各参数的取值，并控制所述执行机相应进行参数调整，重新获取所述模型评估值。

8.根据权利要求7所述的训练装置，其特征在于，所述确定模块，还用于：

在循环执行所述参数调整过程中，若重新获取到的所述模型评估值大于阈值上限，或者小于阈值下限，确定所述机器学习模型训练结束。

9.根据权利要求8所述的训练装置，其特征在于，所述模型评估值为损失函数的取值，所述装置还包括：

发出模块，用于在若重新获取到的所述模型评估值大于阈值上限之后，发出训练失败的提示信息；

输出模块，用于根据运行日志，输出循环执行所述参数调整过程中，历次调整的各参数的取值和历次获取到的模型评估值，以用于进行失败原因分析。