[发明专利]深度学习模型的优化方法及装置、服务器

权利要求书

1.一种深度学习模型的优化方法，其特征在于，包括：

基于优化指示进行数据增广，得到增广的数据结果，所述优化指示携带场景信息；

基于所述增广的数据结果对所述深度学习模型进行优化，得到优化的学习模型。

2.根据权利要求1所述的优化方法，其特征在于，基于优化指示进行数据增广，得到增广的数据结果包括：

分析所述场景信息对应的场景下存在的问题，得到分析结果；

基于所述分析结果进行数据模拟，得到模拟数据。

3.根据权利要求2所述的优化方法，其特征在于，基于所述分析结果进行数据模拟，得到模拟数据之后还包括：

基于所述模拟数据进行数据增广，得到增广的数据结果。

4.根据权利要求3所述的优化方法，其特征在于，基于所述分析结果进行数据模拟，得到模拟数据包括：

基于所述分析结果提取每一类所述存在的问题的特性；

基于所提取的特征进行对应的数据模拟，得到模拟数据。

5.根据权利要求4所述的优化方法，其特征在于，基于所述模拟数据进行数据增广，得到增广的数据结果包括：

分析所述模拟数据，得到分析结果；

根据预设的规则库及所述分析结果采用对应的增广规则进行数据增广，得到增广的数据结果。

6.根据权利要求3所述的优化方法，其特征在于，基于所述增广的数据结果对所述深度学习模型进行优化，得到优化的学习模型具体为：基于所述增广的数据结果采用迭代方式对所述深度学习模型进行优化，得到优化的学习模型。

7.根据权利要求4所述的优化方法，其特征在于，所述优化指示还包括基础数据，基于所述增广的数据结果采用迭代方式对所述深度学习模型进行优化，得到优化的学习模型包括：

基于所述基础数据进行训练，得到第一训练模型；

基于所述增广的数据结果对所述第一训练模型进行训练，得到第二训练模型；

对所述第二训练模型进行优化分析，得到优化的学习模型。

8.根据权利要求5所述的优化方法，其特征在于，基于所述基础数据进行训练，得到第一训练模型包括：

基于所述基础数据建立测试集；

基于所述测试集及所述模拟数据建立训练集；

基于所述训练集进行训练，得到第一训练模型。

9.根据权利要求8所述的优化方法，其特征在于，基于所述基础数据建立测试集包括：

判断所述基础数据的数量是否小于预设值；

当判断为是时，基于所述基础数据及所述模拟数据建立测试集；

当判断为否时，基于所述基础数据建立测试集。

10.根据权利要求7所述的优化方法，其特征在于，基于所述增广的数据结果对所述第一训练模型进行训练，得到第二训练模型包括：

基于所述训练集及增广的数据建立数据集；

基于所述数据集进行训练，得到第二训练模型。

11.根据权利要求10所述的优化方法，其特征在于，对所述第二训练模型进行优化分析，得到优化的学习模型包括：

在所述数据集上测试所述第二训练模型，得到测试结果；

分析所述测试结果，根据分析结果对所述训练集进行对应的数据扩充，得到扩充数据集；

基于所述扩充数据集对所述第二训练模型进行训练，得到优化的学习模型。

12.根据权利要求11所述的优化方法，其特征在于，基于所述扩充数据集对所述第二训练模型进行训练，得到优化的学习模型之后还包括：

对所述优化的学习模型进行测试，得到测试效果；

分析所述测试效果是否满足预设要求；

当判断为否时，转到基于所述扩充数据更新所述第二训练模型，得到优化的学习模型的步骤。