[发明专利]一种模型训练方法、装置、服务器及存储介质

权利要求书

1.一种模型训练方法，其特征在于，所述方法包括：

确定初始图像识别模型，以及用于模型训练的初始样本数量；

将所述初始图像识别模型作为当前图像识别模型，将所述初始样本数量作为当前样本数量，执行模型参数调整步骤，所述模型参数调整步骤包括：基于所述当前样本数量的样本图像，对所述当前图像识别模型进行N轮训练，得到与每轮训练对应的梯度矩阵；基于所述每轮训练对应的梯度矩阵，对模型参数进行调整，其中N为大于1的正整数；

基于N轮训练得到的N个梯度矩阵，确定是否需要对所述当前样本数量进行调整；若是，增加所述当前样本数量，将增加后的样本数量作为所述当前样本数量，再次执行所述模型参数调整步骤，直至完成所述初始图像识别模型的训练为止。

2.如权利要求1所述的模型训练方法，其特征在于，所述N轮训练得到的N个梯度矩阵，确定是否需要对所述当前样本数量进行调整，包括：

在所述N个梯度矩阵中确定出两个目标梯度矩阵；

基于所述两个目标梯度矩阵，确定是否需要对所述当前样本数量进行调整。

3.如权利要求2所述的模型训练方法，其特征在于，所述基于所述两个目标梯度矩阵，确定是否需要对所述当前样本数量进行调整，包括：

从所述两个目标梯度矩阵中抽取M组梯度向量组，其中，每组梯度向量组包含两个梯度向量，所述两个梯度向量分别位于所述两个目标梯度矩阵的相同位置，M为正整数；

计算所述每组梯度向量组中两个梯度向量的余弦值，并基于所述每组梯度向量组对应的余弦值，确定是否需要对所述当前样本数量进行调整。

4.如权利要求3所述的模型训练方法，其特征在于，所述基于所述每组梯度向量组对应的余弦值，确定是否需要对所述当前样本数量进行调整，包括：

若所述每组梯度向量组对应的余弦值均大于阈值，确定需要对所述当前样本数量进行调整；

若所述每组梯度向量组对应的余弦值均小于所述阈值，保持所述当前样本数量不变。

5.如权利要求1所述的模型训练方法，其特征在于，所述增加所述当前样本数量，将增加后的样本数量作为所述当前样本数量，包括：

将所述当前样本数量增加一倍，将增加一倍后的样本数量作为所述当前样本数量。

6.根据权利要求1所述的模型训练方法，其特征在于，所述基于N轮训练得到的N个梯度矩阵，确定是否需要对所述当前样本数量进行调整之前，所述方法还包括：

判断模型训练次数是否达到预设次数；

若否，执行所述基于N轮训练得到的N个梯度矩阵，确定是否需要对所述当前样本数量进行调整的步骤；

若是，确定以完成对所述初始图像识别模型的训练。

7.一种模型训练装置，其特征在于，所述装置包括：

第一处理模块，用于确定初始图像识别模型，以及用于模型训练的初始样本数量；

第二处理模块，用于将所述初始图像识别模型作为当前图像识别模型，将所述初始样本数量作为当前样本数量，执行模型参数调整步骤，所述模型参数调整步骤包括：基于所述当前样本数量的样本图像，对所述当前图像识别模型进行N轮训练，得到与每轮训练对应的梯度矩阵；基于所述每轮训练对应的梯度矩阵，对模型参数进行调整，其中N为大于1的正整数；

第三处理模块，基于N轮训练得到的N个梯度矩阵，确定是否需要对所述当前样本数量进行调整；若是，增加所述当前样本数量，将增加后的样本数量作为所述当前样本数量，再次执行所述模型参数调整步骤，直至完成所述初始图像识别模型的训练为止。

8.如权利要求7所述的模型训练装置，其特征在于，所述基于N轮训练得到的N个梯度矩阵，确定是否需要对所述当前样本数量进行调整之前，所述装置还包括：

判断模块，用于判断模型训练次数是否达到预设次数；

若否，执行所述基于N轮训练得到的N个梯度矩阵，确定是否需要对所述当前样本数量进行调整的步骤；

若是，确定以完成对所述初始图像识别模型的训练。