[发明专利]模型训练方法、装置、电子设备和存储介质

说明书

本申请公开了模型训练方法、装置、电子设备和存储介质，涉及深度学习技术领域。具体方案为：通过获取第一训练样本库和第二训练样本库，根据第一训练样本库和第二训练样本库分别生成第一至第N训练样本集合，利用第一至第N训练样本集合对模型进行训练，根据标注分布和模型生成的预测分布判断是否满足训练条件。由此，通过利用从两个不同的训练样本库获得训练样本集合，对模型进行混合训练，如对非成熟语音产品，可以通过两种不同训练样本库中的语音数据对模型进行混合训练，又如对非成熟图像产品，通过两种不同训练样本库中的图像数据对模型进行混合训练等，不仅解决了非成熟产品训练数据量少的问题，获得满足训练要求的模型，而且应用场景广泛。

技术领域

本申请涉及计算机技术领域，具体涉及深度学习技术领域，尤其涉及一种模型训练方法、装置、电子设备和存储介质。

背景技术

随着科技的发展，模型训练越来越重要，因为它可以为复杂问题提供解决方案。在相对于传统人工程序设计，这些解决方案更快、更准确、更具可扩展性。在进行模型训练时，需要利用大量的训练数据，训练得到想要的模型。

对一个非成熟产品来说，短时间内标注大量的训练数据用于模型训练是较难办到的。可见，如何利用现有的数据对非成熟产品进行模型训练是非常重要的。

发明内容

本申请提供一种模型训练方法、装置、电子设备和存储介质，以实现利用两个训练样本库中的样本进行混合训练，解决非成熟产品训练数据量少的问题。

根据第一方面，提供了一种模型训练方法，包括：

获取第一训练样本库和第二训练样本库；

根据所述第一训练样本库和所述第二训练样本库分别生成第一至第N训练样本集合，其中，N为大于1的正整数；

获取所述第一至第N训练样本集合之中的第i训练样本集合，其中，i为小于或等于N的正整数；

通过所述第i训练样本集合对所述待训练模型进行训练，以生成预测分布；

根据所述预测分布和标注分布判断是否满足训练要求；

如果满足所述训练要求，则结束训练；以及

如果未满足所述训练要求，则通过第i+1训练样本集合继续对所述待训练模型继续训练，直至满足所述训练要求。

本申请实施例的模型训练方法，通过获取第一训练样本库和第二训练样本库，根据第一训练样本库和第二训练样本库分别生成第一至第N训练样本集合，利用第一至第N训练样本集合对模型进行训练，根据标注分布和模型生成的预测分布判断是否满足训练条件。由此，利用从两个不同的训练样本库获得训练样本集合，对模型进行混合训练，如对非成熟语音产品，可以通过两种不同训练样本库中的语音数据对模型进行混合训练，又如对非成熟图像产品，通过两种不同训练样本库中的图像数据对模型进行混合训练等，不仅解决了非成熟产品训练数据量少的问题，获得满足训练要求的模型，而且该训练方法应用场景广泛，可应用于大量的产品。

根据第二方面，提供了一种模型训练装置，包括：

第一获取模块，用于获取第一训练样本库和第二训练样本库；

生成模块，用于根据所述第一训练样本库和所述第二训练样本库分别生成第一至第N训练样本集合，其中，N为大于1的正整数；

第二获取模块，用于获取所述第一至第N训练样本集合之中的第i训练样本集合，其中，i为小于或等于N的正整数；

训练模块，用于通过所述第i训练样本集合对所述待训练模型进行训练，以生成预测分布；

判断模块，用于根据所述预测分布和标注分布判断是否满足训练要求；如果满足所述训练要求，则结束训练；以及