[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

说明书

本申请提供一种AI模型的训练方法、调用方法、服务器及可读存储介质，该方法包括：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；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；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；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。本申请能够提高AI模型的预测效率和准确性。

技术领域

本申请涉及人工智能的技术领域，尤其涉及一种AI模型的训练方法、调用方法、服务器及可读存储介质。

背景技术

随着人工智能(Artificial Intelligence，AI)技术的快速发展，人工智能技术被广泛的应用于各个领域，目前，在游戏娱乐领域，通过人工智能技术可以实现棋类游戏中虚拟AI与真人之间的对局，且可以战胜最顶级的职业选手。而牌类游戏，经常是多人参与，游戏参与玩家之间的牌是互不知晓的，因此，研发牌类游戏AI模型具有更大的挑战。

目前，主要基于深度神经网络(Deep Neural Network,DNN)和监督学习来实现AI模型。然而，基于DNN和监督学习实现的AI模型，对于策略预测，需要经过多次模型预测才能确定策略预测结果，效率较低，用户体验不好，此外，基于DNN和监督学习是基于每一方的数据单独进行AI模型的训练，无法充分的利用数据，AI模型的准确性较差。因此，如何提高AI模型的准确性是目前亟待解决的问题。

发明内容

本申请的主要目的在于提供一种AI模型的训练方法、调用方法、服务器及可读存储介质，旨在提高AI模型的准确性。

第一方面，本申请提供一种AI模型的训练方法，所述AI模型的训练方法包括以下步骤：

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；

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；

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；

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。

第二方面，本申请还提供一种AI模型的调用方法，所述AI模型的调用方法包括以下步骤：

确定是否触发AI模型的调用指令，其中，所述AI模型包括角色竞选模型和策略预测模型；

若监测到触发的所述调用指令，则获取当前对局数据，并根据所述当前对局数据，确定待调用的模型是角色竞选模型，还是策略预测模型；

若待调用的模型为角色竞选模型，则调用所述角色竞选模型基于所述当前对局数据，确定角色竞选标签，并生成所述角色竞选标签对应的角色竞选指令；

若待调用的模型为策略预测模型，则调用所述策略预测模型基于所述当前对局数据，确定策略预测结果，并生成所述策略预测结果对应的策略输出指令。

第三方面，本申请还提供一种服务器，所述服务器包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，所述存储器存储有AI模型，所述AI模型包括角色竞选模型和策略预测模型，其中所述计算机程序被所述处理器执行时，实现如上所述的AI模型的调用方法的步骤。

第四方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上述的AI模型的调用方法的步骤。