[发明专利]获取神经网络测试报告的方法、装置、设备和存储介质

说明书

本申请涉及页面智能决策领域，提供了获取神经网络测试报告的方法、装置、设备和存储介质，方法包括：获取特征数据。将所述特征数据以及特征输入至第一神经网络，通过第一神经网络的代价函数训练所述第一神经网络模型，以得到模型参数w。根据w对所述特征数据进行降维，以获得降维后的特征数据。将所述降维后的特征数据输入至第二神经网络。获取所述第二神经网络参数的变化状态信息，以及执行状态信息。将所述变化状态信息以及所述执行状态信息汇总成日志，根据所述日志生成测试报告。产生的监控报告更好的监控到参数的变化以及检测训练错误的环节，更好的根据参数的变化调整神经网络模型的超参数，获得符合需求的神经网络模型超参数。

技术领域

本申请涉及智能决策领域，提供了获取神经网络测试报告的方法、装置、设备和存储介质

背景技术

在信保贷款领域中，不同的信保贷款平台在保存的数据会存在差异性以及记录的数据可能存在异常或者缺失。所以导致数据对模型进行训练时，导致模型输入的数据存在许多异常的数据，使得神经网络模型训练时出错的环节比较多，模型所出具的测试报告质量较低，使得研究员无法知道是哪个环节出错以及根据测试报告去调整模型的超参数，进而研究员要浪费大量的时间去调整超参数，从而导致资源的浪费。超参数是在开始学习过程之前设置值的参数，而不是通过训练得到的参数数据，例如神经网络的学习率(多种模式)，深层神经网络隐藏层数以及k均值聚类中的簇数。

发明内容

本申请提供了一种通过封装的页面开发功能的方法，能够解决现有技术中页面开发效率的过低、无法对版本做快熟迭代的问题。

第一方面，本申请提供一种获取神经网络测试报告方法，包括：

获取特征数据。

将所述特征数据输，通过第一神经网络的代价函数训练所述第一神经网络模型，以得到模型参数w。所述特征是指特征数据里的至少一项信息，所述第一神经网络的代价函数为：其中y⁽ⁱ⁾是指所述特征，w是指所述第一神经网络的模型参数，x⁽ⁱ⁾是指所述特征数据，λ为正数，||w||₁表示参数w的L1范数。

根据模型参数w对所述特征数据进行降维，以获得降维后的特征数据。

将所述降维后的特征数据输入至第二神经网络。

获取所述第二神经网络训练过程中的所述第二神经网络参数的变化状态信息，以及获取所述第二神经网络训练、入参、出参以及计算过程的执行状态信息。

将所述变化状态信息以及所述执行状态信息汇总成日志，根据所述日志生成测试报告。

相较于现有技术，本申请提供的方案中，通过预处理将与神经网络模型的无关数据剔除以及检测神经网络模型训练的出错环节，完成对神经网络模型训练过程中无关参数的检测以及减少训练的参数。由于训练参数的减少以及训练环节的检测，监控报告可以更好的监控到参数的变化以及检测训练错误的环节，可以更好的根据参数的变化调整神经网络模型的超参数，获得更符合需求的神经网络模型。

在一些可能的设计中，所述根据所述日志生成测试报告之后，所述方法还包括：

根据所述报告评估所述第二神经网络训练是否成功。

所述根据所述报告评估所述第二神经网络训练是否成功，包括：

根据所述执行状态信息判断训练过程是否出现错误，若没出现错误，则判断所述第二神经网络训练成功。

或者，根据所述第二神经网络参数的上限以及下限，确定参数的范围；所述参数至少包括学习率η、准确率以及损失函数的值；

根据所述变化状态信息以及所述第二神经网络参数范围判断第二神经网络参数是否落在所述参数范围内，若第二神经网络参数落在所述参数范围，则判断所述第二神经网络训练成功。