[发明专利]模型训练方法、装置、服务器及存储介质在审
| 申请号： | 202010188039.6 | 申请日： | 2020-03-17 |
| 公开（公告）号： | CN111401555A | 公开（公告）日： | 2020-07-10 |
| 发明（设计）人： | 杨鹏;唐珂;姚新 | 申请（专利权）人： | 深圳市凌雀智能科技有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 北京品源专利代理有限公司 11332 | 代理人： | 孟金喆;潘登 |
| 地址： | 518000 广东省深圳市龙华区民*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 模型 训练 方法 装置 服务器 存储 介质 | ||
1.一种模型训练方法，其特征在于，包括：
将样本集IPk输入训练模型集APk进行训练以得到第k次训练结果，所述第k次训练结果包括训练模型集APk+1和第k次样本标注，所述第k次样本标注为训练误差标注；
根据所述第k次样本标注确认所述样本集IPk中的目标样本集IPn；
根据所述目标样本集IPn生成样本集IPk+1；
将所述样本集IPk+1输入所述训练模型集APk+1进行训练以得第k+1次训练结果，所述第k+1次训练结果包括训练模型集APk+2；
其中，k＝n，且k和n均为大于或等于1的正整数。
2.根据权利要求1所述的模型训练方法，其特征在于，所述根据所述第k次样本标注确认所述样本集IPk中的目标样本集IPn包括：
根据所述第k次样本标注将所述样本集IPk中训练误差大于预设阈值的样本作为目标样本集IPn。
3.根据权利要求1所述的模型训练方法，其特征在于，所述第k+1次训练结果还包括第k+1次样本标注，所述第k+1次样本标注为训练误差标注。
4.根据权利要求1所述的模型训练方法，其特征在于，当所述k＝1时，所述样本集IPk为先验知的初始样本，所述训练模型集APk为先验知的初始训练模型。
5.根据权利要求3所述的模型训练方法，其特征在于，将所述样本集IPk+1输入所述训练模型集APk+1进行训练以得第k+1次训练结果之后，还包括：
判断所述训练模型集APk+1的性能是否达到预设指标。
6.根据权利要求5所述的模型训练方法，其特征在于，所述判断所述训练模型集APk+1的性能是否达到预设指标之后还包括：
若所述训练模型集APk+1的性能达到所述预设指标，则输出所述训练模型集APk+1作为目标训练模型集。
7.根据权利要求5所述的模型训练方法，其特征在于，所述预设指标包括：预设准确度、预设计算时间、预设功耗、和/或预设占用空间。
8.一种模型训练装置，其特征在于，包括：
训练模块，用于将样本集IPk输入训练模型集APk进行训练以得到第k次训练结果，所述第k次训练结果包括训练模型集APk+1和第k次样本标注，所述第k次样本标注为训练误差标注；
目标样本集确认模块，用于根据所述第k次样本标注确认所述样本集IPk中的目标样本集IPn；
样本集生成模块，用于根据所述目标样本集IPn生成样本集IPk+1；
所述训练模块，还用于将所述样本集IPk+1输入所述训练模型集APk+1进行训练以得第k+1次训练结果，所述第k+1次训练结果包括训练模型集APk+2；
其中，k＝n，且k和n均为大于或等于1的正整数。
9.一种服务器，其特征在于，所述服务器包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的模型训练方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的模型训练方法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳市凌雀智能科技有限公司，未经深圳市凌雀智能科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010188039.6/1.html，转载请声明来源钻瓜专利网。
