[发明专利]模型训练结果优化方法、装置、存储介质及设备

权利要求书

1.一种模型训练结果优化方法，其特征在于，所述方法包括：

获取待优化模型针对待处理数据集的第一输出准确率；其中，所述待优化模型是根据历史样本数据集训练得到的；

若所述第一输出准确率小于预设准确率阈值，则将所述待处理数据集添加至所述历史样本数据集，得到更新后的历史样本数据集，以及根据所述更新后的历史样本数据集训练所述待优化模型，得到更新后的待优化模型；

获取所述更新后的待优化模型针对检测数据集的第二输出准确率；

若所述第二输出准确率大于所述第一输出准确率，则将所述更新后的待优化模型作为优化后的模型。

2.根据权利要求1所述的方法，其特征在于，所述待处理数据集包括多个待处理数据；所述获取待优化模型针对待处理数据集的第一输出准确率，包括：

将所述待处理数据输入所述待优化模型，得到所述待处理数据的输出值；

获取所述待处理数据的目标输出值，根据所述待处理数据集中每个待处理数据的输出值以及目标输出值，获取所述待优化模型的第一输出准确率。

3.根据权利要求1所述的方法，其特征在于，所述待处理数据集包括多个待处理数据；所述将所述待处理数据集添加至所述历史样本数据集，得到所述更新后的历史样本数据集，包括：

对所述待处理数据进行预处理，得到预处理后的待处理数据；其中，所述预处理包括去重处理、去噪处理中的至少一项；

根据所述预处理后的待处理数据对应的目标输出值，对所述预处理后的待处理数据添加样本标签，得到添加标签后的待处理数据；

将所述添加标签后的待处理数据添加至所述历史样本数据集，得到所述更新后的历史样本数据集。

4.根据权利要求1所述的方法，其特征在于，所述更新后的历史样本数据集包含多个样本数据，每个样本数据标记有所述样本数据对应的目标输出值，所述根据所述更新后的历史样本数据集训练所述待优化模型，得到更新后的待优化模型，包括：

将所述样本数据输入所述待优化模型，得到所述样本数据的输出值；

根据所述样本数据的输出值和所述样本数据的目标输出值对所述待优化模型的参数进行调整，得到所述更新后的待优化模型。

5.根据权利要求4所述的方法，其特征在于，所述根据所述样本数据的输出值和所述样本数据的目标输出值对所述待优化模型的参数进行调整，得到所述更新后的待优化模型，包括：

根据所述样本数据的输出值和所述样本数据对应的目标输出值计算得到损失函数值；

根据所述损失函数值调整所述待优化模型的参数，直至所述待优化模型收敛，得到所述更新后的待优化模型。

6.根据权利要求1所述的方法，其特征在于，所述检测数据集包括多个检测数据，每个检测数据标记有所述检测数据对应的目标输出值；所述获取所述更新后的待优化模型针对检测数据集的第二输出准确率，包括：

将所述检测数据输入所述更新后的待优化模型，得到所述检测数据的输出值；

根据所述检测数据集中每个检测数据的输出值以及目标输出值，获取所述更新后的待优化模型的第二输出准确率。

7.根据权利要求6所述的方法，其特征在于，所述根据所述检测数据集中每个检测数据的输出值以及目标输出值，获取所述更新后的待优化模型的第二输出准确率，包括：

根据所述检测数据的输出值以及所述检测数据的目标输出值，得到所述检测数据的单数据输出准确率；

根据所述检测数据集中每个检测数据的单数据输出准确率，计算所述更新后的待优化模型的第二输出准确率。