[发明专利]一种模型训练的方法、数据生成的方法以及装置

权利要求书

1.一种模型训练的方法，其特征在于，包括：

根据未携带标签的源域数据、目标域有标签数据对目标模型进行迭代训练，所述目标模型包括第一生成模型和第一判别模型，其中，每次迭代训练，包括：

将未携带标签的源域数据输入至第一生成模型，以输出第一生成结果；

将所述源域数据未携带的标签和所述第一生成结果进行组合，以获取第一组合数据；

将所述第一组合数据以及所述目标域有标签数据输入至所述第一判别模型中，以输出第一判别结果；

根据所述第一判别结果获取第一损失值；

固定所述第一生成模型的参数，根据所述第一损失值更新所述第一判别模型，或者固定所述第一判别模型的参数，根据所述第一损失值更新所述第一生成模型。

2.根据权利要求1所述的方法，其特征在于，所述目标模型还包括第二生成模型，所述方法还包括：

将所述第一生成结果输入至第二生成模型，以输出第二生成结果；

根据所述第二生成结果和所述未携带标签的源域数据之间的差异获取第二损失值；

所述根据所述第一损失值更新所述第一生成模型，包括：

根据所述第一损失值和所述第二损失值更新所述第一生成模型，所述第二损失值还用于更新所述第二生成模型。

3.根据权利要求1或2所述的方法，其特征在于，所述根据未携带标签的源域数据、目标域有标签数据对目标模型进行迭代训练，包括：

根据所述未携带标签的源域数据、目标域有标签数据以及目标域无标签数据对目标模型进行迭代训练。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述目标模型还包括第二判别模型，所述每次迭代训练还包括：

将所述第一生成结果和预设标签进行组合，以获取第二组合数据；

将目标域无标签数据和所述预设标签进行组合，以获取第三组合数据；

将所述第二组合数据以及所述第三组合数据输入至第二判别模型中，以输出第二判别结果；

根据所述第二判别结果获取第三损失值；

所述根据所述第一损失值更新所述第一判别模型，包括：

根据所述第一损失值和所述第三损失值更新所述第一判别模型；

所述根据所述第一损失值更新所述第一生成模型，包括：

根据所述第一损失值和所述第三损失值更新所述第一生成模型。

5.根据权利要求2至4任一项所述的方法，其特征在于，所述目标模型还包括第一分类模型，所述每次迭代训练还包括：

将所述目标域无标签数据输入至第一分类模型中，以输出第一预测标签；

将所述目标域无标签数据和所述第一预测标签进行组合，以获取第四组合数据；

将所述第四组合数据输入至所述第一判别模型中，以输出第三判别结果；

根据所述第三判别结果获取第四损失值；

所述根据所述第一损失值更新所述第一判别模型，包括：

固定所述第一生成模型的参数和所述第一分类模型的参数，根据所述第一损失值和所述第四损失值更新所述第一判别模型；

所述每次迭代训练还包括：

固定所述第一判别模型的参数，根据所述第四损失值更新所述第一分类模型。

6.根据权利要求5所述的方法，其特征在于，所述目标模型还包括第二分类模型，所述每次迭代训练还包括：

将所述第一生成结果和所述目标域有标签数据输入至第二分类模型中，以输出第二预测标签；

根据所述第二预测标签获取第五损失值；

所述根据所述第四损失值更新所述第一分类模型，包括：

根据所述第四损失值和所述第五损失值更新所述第一分类模型，所述第四损失值和所述第五损失值还用于更新所述第二分类模型。