[发明专利]模型训练方法及装置

说明书

本申请公开了一种模型训练方法及装置，涉及通信技术领域，应用于包括第一服务器和第二服务器的系统中，第一服务器位于私有云中，用于模型推理，第二服务器位于公有云中，用于模型训练，根据推理结果及模型评估指标来评估训练模型，以监控训练模型的推理效果，及时对训练模型进行重训练，提高推理结果的准确性，保证业务系统的性能。该方法包括：第一服务器从第二服务器获取第一训练模型，将输入数据输入第一训练模型进行推理得到推理结果；然后根据推理结果，按照模型评估指标对第一训练模型进行评估，得到模型评估指标的评估结果；若至少一项模型评估指标的评估结果未超过其对应的预设阈值，则向第二服务器发送针对第一训练模型的重训练指令。

技术领域

本申请涉及通信技术领域，尤其涉及一种模型训练方法及装置。

背景技术

数据、算法和算力是实现人工智能(artificial intelligence，AI)的三要素。数据采集手段的日渐丰富，使得AI芯片可以以较低的成本获取到越来越多的数据，且AI算法的持续突破，使得AI芯片的计算速度越来越快。因此AI芯片的算力越来越强，AI也越来越多的被应用在实际生活中。现有技术中，通常采用混合云来进行AI的模型训练和推理，即采用“线上训练、线下推理”的模式，先将训练数据上传到公有云的线上训练平台，进行模型训练，确定满足需求的训练模型，然后将该训练模型下推至私有云的线下推理平台中，由线下推理平台将其发布为服务，进行推理。这种实现方式可以在利用私有云保障用户数据安全的前提下，最大限度的利用公有云的算力，进行模型训练和推理。

在实际生产环境中，利用混合云进行模型训练，并确定训练模型后，由于训练模型的输入数据的变化，可能会导致利用该训练模型进行推理所得到的推理结果的准确度较低。现有的混合云场景下的AI模型训练方式无法及时感知训练模型推理准确度的下降，可能会出现业务系统(例如人脸识别系统)频繁误报或不可用的情况。例如，在用于安防的视频监控场景中，卡口摄像头(例如小区门口的摄像头)老化、更换或安装位置调整，可能会导致卡口摄像头拍摄视频的清晰度、角度等发生变化，也就是训练模型的输入数据发生变化。利用发生变化的输入数据和该训练模型进行推理，可能会导致后续的训练模型推理结果的准确度大大降低，影响用于安防的视频监控系统的正常使用。

发明内容

本申请提供一种模型训练方法及装置，在混合云场景下，根据训练模型的推理结果，进行该训练模型的评估，确定该训练模型的模型评估指标的评估结果，以达到监控训练模型的推理效果的目的，从而根据训练模型的推理效果，及时对训练模型进行重训练，确定推理效果更好的训练模型，提高推理结果的正确性，保证业务系统的性能。

为达到上述目的，本申请采用如下技术方案：

第一方面，本申请实施例提供一种模型训练方法，应用于包括第一服务器和第二服务器的系统中，第一服务器位于私有云中，用于模型推理；第二服务器位于公有云中，用于模型训练。该方法包括：第一服务器从第二服务器获取第一训练模型，第一服务器将输入数据输入所述第一训练模型中进行模型推理，得到推理结果。随后，第一服务器根据推理结果，按照模型评估指标对该第一训练模型进行评估，得到模型评估指标的评估结果。最后，若至少一项模型评估指标的评估结果未超过其对应的预设阈值，则第一服务器向第二服务器发送针对第一训练模型的重训练指令。其中，重训练指令用于指示第二服务器对第一训练模型进行重训练。

综上，第一服务器可以通过对第一训练模型的模型评估指标进行评估，来确定该第一训练模型的推理效果，实现对第一训练模型的推理效果的监控，从而在第一训练模型的推理效果较差时，向第二服务器发送用于模型重训练的重训练指令，使得第二服务器可以根据训练模型的推理效果，及时对训练模型进行重训练，以确定推理效果更好的训练模型，提高推理结果的准确度，保证业务系统的性能。