[发明专利]人工智能AI模型的训练方法、调用方法、服务器及可读存储介质

权利要求书

1.一种人工智能AI模型的训练方法，其特征在于，包括：

获取第一样本数据集，其中，所述第一样本数据集包括第一类图像特征、第一向量特征和标注的角色竞选标签，所述第一类图像特征用于表征字符持有信息和未出现字符的信息，横轴为字符的种类，纵轴为每种字符的个数，所述第一向量特征用于表征角色竞选信息；

获取第二样本数据集，其中，所述第二样本数据集包括第二类图像特征、第二向量特征和标注的策略标签，所述第二类图像特征包括多个通道，所述第二类图像特征用于表征字符信息的空间分布，横轴为字符的种类，纵轴为每种字符的个数，所述第二向量特征用于表征角色信息、字符持有个数、角色竞选倍数、字符输出信息和字符持有信息与字符输出信息的比较结果；

加载待训练的AI模型，其中，所述AI模型包括角色竞选模型和策略预测模型，所述角色竞选模型包括向量拼接层，所述向量拼接层用于对处理后的所述第一向量特征和处理后的所述第一类图像特征进行拼接，所述策略预测模型包括第一向量拼接层，所述第一向量拼接层用于对处理后的所述第二向量特征和处理后的所述第二类图像特征进行拼接；

根据所述第一样本数据集对所述角色竞选模型进行迭代训练，直至所述角色竞选模型收敛，以及根据所述第二样本数据集对所述策略预测模型进行迭代训练，直至所述策略预测模型收敛。

2.如权利要求1所述的AI模型的训练方法，其特征在于，所述角色竞选模型包括两层全连接层、两层卷积层、向量拼接层和角色竞选层，所述角色竞选层为一个全连接层；所述根据所述第一样本数据集对所述角色竞选模型进行迭代训练，直至所述角色竞选模型收敛，包括：

每次从所述第一样本数据集中获取一组样本数据，其中，所述样本数据包括第一类图像特征、第一向量特征和角色竞选标签；

通过所述两层全连接层对所述第一向量特征进行处理，得到第一目标向量，并通过所述两层卷积层对所述第一类图像特征进行卷积处理，得到第二目标向量；

通过所述向量拼接层对所述第一目标向量和第二目标向量进行拼接，得到拼接向量，并通过所述角色竞选层对所述拼接向量进行处理，得到所述角色竞选标签的输出概率；

根据所述角色竞选标签以及输出概率计算当前损失值，并根据所述当前损失值确定所述角色竞选模型是否收敛；

若所述角色竞选模型收敛，则停止模型训练，若所述角色竞选模型未收敛，则更新所述角色竞选模型的参数，并继续训练更新后的角色竞选模型。