[发明专利]模型训练方法、装置和电子设备

说明书

本公开公开了模型训练方法、装置和电子设备，涉及人工智能技术领域，尤其涉及计算机视觉、深度学习技术领域。具体实现方案为：获取训练样本；利用所述训练样本训练模型，对所述模型的模型参数进行更新；在每次训练的过程中，响应于所述模型参数更新结束，对所述模型参数进行归一化处理。由此，利用训练样本训练模型，对模型的模型参数进行更新，在每次训练的过程中，响应于模型参数更新结束，对模型参数进行归一化处理，从而训练过程中模型参数的值的波动程度较小，不会发生极端变化，可以加快模型训练，节省模型的训练时间，提高模型的训练效率。

技术领域

本公开涉及计算机技术领域，尤其涉及一种模型训练方法、装置、电子设备、存储介质和计算机程序产品。

背景技术

目前，随着人工智能技术的发展，模型在图像识别、语音识别、文本翻译等领域得到了广泛应用，方便了人们的生活。比如，可通过人脸识别模型识别图片中的人脸，以便可根据识别的人脸获取用户身份，可应用于智慧城市等应用场景下。然而目前的模型训练方法，模型训练需要耗费较长时间，模型训练效率较低。

发明内容

提供了一种模型训练方法、装置、电子设备、存储介质和计算机程序产品。

根据第一方面，提供了一种模型训练方法，包括：获取训练样本；利用所述训练样本训练模型，对所述模型的模型参数进行更新；在每次训练的过程中，响应于所述模型参数更新结束，对所述模型参数进行归一化处理。

根据第二方面，提供了一种模型训练装置，包括：获取模块，用于获取训练样本；更新模块，用于利用所述训练样本训练模型，对所述模型的模型参数进行更新；归一化模块，用于在每次训练的过程中，响应于所述模型参数更新结束，对所述模型参数进行归一化处理。

根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开第一方面所述的模型训练方法。

根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开第一方面所述的模型训练方法。

根据第五方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序被处理器执行时实现本公开第一方面所述的模型训练方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开第一实施例的模型训练方法的流程示意图；

图2根据本公开第二实施例的模型训练方法中利用训练样本训练模型，对模型的模型参数进行更新的流程示意图；

图3根据本公开第三实施例的模型训练方法中对模型参数进行归一化处理的流程示意图；

图4根据本公开第四实施例的模型训练方法中对模型参数进行归一化处理的流程示意图；

图5是根据本公开第一实施例的模型训练装置的框图；

图6是用来实现本公开实施例的模型训练方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。