[发明专利]一种模型训练方法、装置、存储介质及电子设备

说明书

本说明书公开了一种模型训练方法、装置、存储介质及电子设备，本说明书实施例根据输入预测模型的第一样本集中的每个样本所对应的目标物的预测轨迹，对第一样本集中的样本进行筛选，得到训练样本。然后，根据训练样本对该预测模型进行训练。将第一样本集中除训练样本之外的样本重新确定为第一样本集，并不断迭代上述的训练过程，直到满足训练停止条件为止。在此方法中，在对预测模型进行训练时，只采用筛选出的训练样本训练该预测模型，而不是采用第一样本集中的所有样本训练该预测模型，这样可以减小预测模型训练过程中的计算量。

技术领域

本说明书涉及计算机技术领域，尤其涉及一种模型训练方法、装置、存储介质及电子设备。

背景技术

随着技术的发展，机器学习模型广泛应用于各个领域。以自动驾驶领域为例，通常采用预测模型对无人设备周围的各障碍物进行轨迹预测，以保证无人设备能安全行驶。而预测模型能够实现轨迹预测的功能，就需要输入与轨迹相关的样本数据对该预测模型进行训练。

现有技术中，在利用预测模型对各障碍物的轨迹进行预测之前，需要先获取大量障碍物的历史运动轨迹数据，作为样本数据。然后，将所有样本数据输入待训练的预测模型中，根据输入的样本数据对该预测模型进行训练，得到训练完成的预测模型。然后，通过训练完成的预测模型对各障碍物的轨迹进行预测。

但是，现有技术中对预测模型进行训练时输入的样本数据量过大，导致该预测模型训练时存在计算量较大的问题。

发明内容

本说明书实施例提供一种模型训练方法、装置、存储介质及电子设备，以部分解决上述现有技术存在的问题。

本说明书实施例采用下述技术方案：

本说明书提供的一种模型训练方法，包括：

获取待输入预测模型的第一样本集；其中，所述第一样本集中包含至少一个样本，并且所述样本为目标物的历史运动轨迹；

针对所述第一样本集中的每个样本，将该样本输入所述预测模型，通过所述预测模型，对该样本所对应的目标物的轨迹进行预测，得到该样本所对应的目标物的预测轨迹；

根据针对每个样本得到的预测轨迹，从所述第一样本集中筛选出符合筛选条件的样本，作为训练样本；

根据筛选出的各训练样本，对所述预测模型进行训练；

确定所述第一样本集中除所述训练样本以外的样本，作为待选样本；

将所述待选样本构成的集合重新确定为第一样本集，并从重新确定的第一样本集中重新筛选出训练样本，根据重新筛选出的训练样本，继续对所述预测模型进行训练，直至满足训练停止条件。

可选地，针对所述第一样本集中的每个样本，将该样本输入所述预测模型之前，所述方法还包括：

获取待输入预测模型的第二样本集；其中，所述第二样本集的样本数量小于所述第一样本集的样本数量；

将所述第二样本集输入所述预测模型，对所述预测模型进行训练，得到训练后的预测模型；

将该样本输入所述预测模型，具体包括：

将该样本输入训练后的预测模型。

可选地，根据针对每个样本得到的预测轨迹，从所述第一样本集中筛选出符合筛选条件的样本，具体包括：

针对每个样本，根据该样本得到的预测轨迹，确定该样本所对应的目标物的预测轨迹与该样本所对应目标物的真实运动轨迹之间的差异；

根据所述差异，从所述第一样本集中筛选出符合筛选条件的样本。

可选地，根据所述差异，从所述第一样本集中筛选出符合筛选条件的样本，具体包括：