[发明专利]一种选择融合模型权重参数的方法、装置及设备

说明书

本申请实施例公开了一种选择融合模型权重参数的方法、装置及设备，首先构建初始融合模型，初始融合模型包括N个神经网络模型，每个神经网络模型对应模型权重。从构建的融合模型中，选择第一模型权重组合以构建待验证融合模型，并获取各个待验证融合模型的验证结果，第一模型权重组合包括第1个至第N‑1个模型权重。再根据各个待验证融合模型的验证结果，获得m组满足预设条件的第二模型权重组合，第二模型权重组合包括第1个至第N个模型权重。当确定出第二模型权重组合后，根据各个待验证融合模型的验证结果，获得m组满足预设条件的第二模型权重组合以确定一组目标模型权重，利用该目标模型权重生成对应的目标融合模型，从而提高模型融合效率。

技术领域

本申请涉及自动化机器学习领域，具体涉及一种选择融合模型权重参数的方法、装置及设备。

背景技术

随着自动化机器学习技术的不断发展，其已经成为人工智能研究方向的一个重要分支。自动化机器学习的过程为不断调整模型(例如，神经网络模型等)的超参数，尝试更多超参数对应的机器学习模型，以获得更符合要求的模型。然而，自动化机器学习所选择的模型通常不是一个固定的模型，而是采取融合的方式对多个模型进行融合，以获得最后的模型组合。

而在模型融合过程中，通常可以将每个模型对应的模型权重作为超参数，采用超参搜索方式搜索所融合的每个模型对应的模型权重，进而根据每个模型的模型权重进行模型融合。然而，此种搜索方式在模型个数较少时比较便捷，当所融合的模型数量较多时，会带来较大的计算量，导致模型融合效率较低。

发明内容

有鉴于此，本申请实施例提供一种选择融合模型权重参数的方法、装置及设备，以减少计算量，提高模型融合效率。

为解决上述问题，本申请实施例提供的技术方案如下：

一种选择融合模型权重参数的方法，所述方法包括：

构建初始融合模型，所述初始融合模型包括N个神经网络模型，每个所述神经网络模型对应有模型权重，N为正整数；

选择第一模型权重组合以构建待验证融合模型，并获取各个所述待验证融合模型的验证结果，所述第一模型权重组合包括第1个至第N-1个模型权重；

根据各个所述待验证融合模型的验证结果，获得m组满足预设条件的第二模型权重组合，所述第二模型权重组合包括第1个至第N个模型权重；

根据所述m组满足预设条件的第二模型权重组合，确定一组目标模型权重，所述目标模型权重包括第1个至第N个模型权重；

利用所述目标模型权重生成对应的目标融合模型。

在一种可能的实现方式中，所述选择第一模型权重组合以构建待验证融合模型，并获取各个所述待验证融合模型的验证结果，包括：

选择一组第一模型权重组合；

根据所述第一模型权重组合包括的第1个至第N-1个模型权重之和，计算对应的第N个模型权重，将第1个至第N个模型权重组成第二模型权重组合；

利用所述第二模型权重组合生成待验证融合模型，利用验证数据集对所述待验证融合模型进行验证，得到所述待验证融合模型的验证结果；

重新执行所述选择一组第一模型权重组合以及后续步骤，直到达到停止条件。

在一种可能的实现方式中，所述根据各个所述待验证融合模型的验证结果，获得m组满足预设条件的第二模型权重组合，包括：

选择所述验证结果满足预设条件的m个待验证融合模型，得到所述m个待验证融合模型分别对应的第二模型权重组合，获得m组满足预设条件的第二模型权重组合。

在一种可能的实现方式中，所述选择所述验证结果满足预设条件的m个待验证融合模型，包括：