[发明专利]人工智能训练参数迭代方法

说明书

本发明涉及一种人工智能训练参数迭代方法，其包含：设定步骤，提供训练集，并设定训练参数的数值范围；初始化步骤，由训练参数的数值范围，选取三个初始设定值，并依据训练集计算出各初始设定值的准确率，准确率最高的初始设定值为第一核心值，设定出第一参数范围；参数优化步骤，在第一参数范围选取三个第一迭代值，计算各第一迭代值的准确率，比较各第一迭代值的准确率，以最高的第一迭代值为第二核心值设定出第二参数范围；及判断步骤，若第二核心值的准确率高于0.9，以第二核心值为训练参数标准值，若未高于0.9，则重复参数优化步骤直到测试核心值的准确率高于0.9，以测试核心值为训练参数标准值。

技术领域

本发明涉及人工智能领域，尤其是一种人工智能训练参数迭代方法。

背景技术

随着科技的进步，人工智能的应用面越来越大，例如，缺陷检测、人脸辨识、医疗判断等等都可以逐步看到人工智能的应用。在一般人工智能实际进入应用领域之前，通常要经过数据的训练，数据的训练方式可以是类神经网络、卷积神经网络(ConvolutionalNeural Network，CNN)等算法。

现有技术中，CNN的深度学习为最常见的影像判别学习训练方式，由于现有技术中由于训练上的参数通常为随机数设定，加上输入的数据量庞大，演算过程可能产生大量的演算数据，因而对于内存、运算资源的负担较大，而造成训练时间长、效率不佳的问题。

发明内容

在此，提供一种人工智能训练参数迭代方法。人工智能训练参数迭代方法包含设定步骤、初始化步骤、参数优化步骤、以及判断步骤。设定步骤是提供训练集，并设定至少两个训练参数的数值范围。初始化步骤是由训练参数的数值范围，随机选取至少三个初始设定值，并依据训练集计算出各三个初始设定值的准确率，至少三个初始设定值中准确率最高的初始设定值为第一核心值，并以第一核心值的参数坐标值为物理中心设定出第一参数范围。参数优化步骤是在第一参数范围中，选取至少三个第一迭代值，并依据训练集计算各第一迭代值的准确率，并比较至少三个第一迭代值的准确率，以准确率最高的第一迭代值为第二核心值，并依据第二核心值的参数坐标值为物理中心设定出第二参数范围。判断步骤是判断第二核心值的准确率是否高于0.9，若高于0.9则停止，以第二核心值为训练参数标准值。若未高于0.9，则以第二核心值及第二参数范围，取代第一核心值及第一参数范围，重复参数优化步骤，直到测试核心值的准确率高于0.9，以测试核心值的参数坐标为训练参数标准值。

在一些实施例中，至少两个参数包含批次学习数量及学习率，批次学习数量的范围是0.5至1.5，学习率的范围是0.5至1.5，第一参数范围是在批次学习数量及学习率分别为横轴、纵轴的坐标系统上，以第一核心值为圆心的圆形。更详细地，在一些实施例中，学习数量的范围是0.7至1.3，学习率的范围是0.7至1.3。

更详细地，在一些实施例中，初始化步骤中是由两个图形处理器分别进行初始设定值的批次学习数量与学习率的选取、及准确率的计算。

在一些实施例中，至少两个参数还包含动量，动量的范围为0至1，在此，第一参数范围是在批次学习数量、学习率及动量分别为x轴、y轴、z轴的坐标系统上以第一核心值为球心的球体。更详细地，动量的范围是0.3至0.8。

在一些实施例中，至少两个参数还包含正规化，正规化的范围为0.00001至0.001，其中第一参数范围是在批次学习数量、学习率、动量、正规化分别为x轴、y轴、z轴、w轴的坐标系统上以第一核心值为物理中心的物理量范围。更详细地，在一些实施例中，正规化的范围是0.0001至0.0005。

在一些实施例中，在初始化步骤中，批次学习数量、学习率、动量、正规化中的任两者由第一图形处理器进行选取、而批次学习数量、学习率、动量、正规化中的另两者由第二图形处理器进行选取，并由第三个图形处理器进行准确率的计算。