[发明专利]数据处理方法及装置、计算设备

说明书

本申请实施例提供一种数据处理方法及装置、计算设备，该方法包括：检测目标用户发起的参数优化请求；响应于参数优化请求，确定多个子参数构成的第一参数空间；从多个子参数中选择N个子参数构成第二参数空间；基于第二参数空间中采样获得的多个采样参数，确定满足参数使用条件的目标参数；为目标用户输出目标参数。本申请实施例提高了参数采样效率。

技术领域

本申请涉及计算机技术领域，尤其涉及一种数据处理方法及装置、计算设备。

背景技术

在机器学习模型、神经网络模型等模型使用过程中会涉及到很多参数，参数的选择往往对模型的计算结构产生较为重要的影响。因此，采用参数优化算法为模型选择可以使用的参数。其中，贝叶斯优化算法是较为常见的调参算法。

现有技术中，采用贝叶斯优化算法调参时，首先，建立代理模型的目标函数。其中，代理模型的计算量较小，用以近似模拟机器学习模型、神经网络模型等较为复杂的数学模型。目标函数为黑盒的计算模型，输入一个参数，输出一个目标值，其中，参数可以为由多个子参数构成的多维度参数，每个子参数各自取值时以形成一个完整的参数。之后，可以初始化获取数据集，数据集中包括多个参数以及每个参数对应的目标值。然后利用数据集进行高斯建模，获得高斯模型。之后在迭代次数的约束下，在采样函数的影响下不断利用高斯模型采集新的参数。采集到新参数之后，将新参数输入到目标函数，计算获得该新参数的目标值。利用新参数以及新参数的目标值更新数据集，并返回到利用数据集进行高斯建模，获得高斯模型的步骤继续执行，直至达到迭代次数，获得目标值最高的目标参数。

但是，在选参次数的约束下，利用高斯模型在采样函数的影响下采集新的参数时，每产生一个新的参数需要采用目标函数进行目标值的计算，对于高维参数而言计算复杂度较高，计算效率较低。

发明内容

有鉴于此，本申请实施例提供一种数据处理方法及装置、计算设备，用以解决现有技术中参数采样过程计算效率较低，导致参数采样效率较低的技术问题。

第一方面，本申请实施例提供一种数据处理方法，该方法包括：

检测目标用户发起的参数优化请求；

响应于参数优化请求，确定多个子参数构成的第一参数空间；

从所述多个子参数中选择N个子参数构成第二参数空间；

基于所述第二参数空间中采样获得的多个采样参数，确定满足参数使用条件的目标参数；

为所述目标用户输出所述目标参数。

第二方面，本申请实施例提供一种数据处理方法，该方法包括：

响应于调用数据处理接口的请求，确定所述数据处理接口对应的处理资源；

利用所述数据处理接口对应的处理资源执行如下步骤：

检测目标用户发起的参数优化请求；

响应于参数优化请求，确定多个子参数构成的第一参数空间；

从所述多个子参数中选择N个子参数构成第二参数空间；

基于所述第二参数空间中采样获得的多个采样参数，确定满足参数使用条件的目标参数；

为所述目标用户输出所述目标参数。

第三方面，本申请实施例提供一种数据处理装置，该装置包括：

请求检测模块，用于检测目标用户发起的参数优化请求；

请求响应模块，用于响应于参数优化请求，确定多个子参数构成的第一参数空间；

空间选择模块，用于从所述多个子参数中选择N个子参数构成第二参数空间；