[发明专利]人工智能任务处理方法、装置、电子设备及可读存储介质

权利要求书

1.一种人工智能任务处理方法，其特征在于，包括：

获取待处理人工智能任务对应的AI数据集和AI任务执行模型；所述AI数据集包括AI训练集和AI验证集；所述AI训练集和所述AI验证集均包括对应一个滑窗的多个连续子集，每个子集对应所述滑窗的一个窗口；

根据所述AI任务执行模型，基于所述AI训练集在每个滑窗训练过程中的损失值，生成任务损失信息；

根据所述AI任务执行模型，基于所述AI验证集在每个滑窗训练过程中的正向性能指标的期望值，生成任务精度期望信息；

根据所述任务损失信息、所述任务精度期望信息和所述待处理人工智能任务的任务精度需求信息确定是否停止所述AI任务执行模型的训练，并基于训练好的AI任务执行模型执行所述待处理人工智能任务；

其中，所述根据所述任务损失信息、所述任务精度期望信息和所述待处理人工智能任务的任务精度需求信息确定是否停止所述AI任务执行模型的训练，包括：

根据所述任务损失信息和所述任务精度期望信息确定周期模型精度表示信息；

判断所述周期模型精度表示信息是否与所述任务精度需求信息相匹配；

若所述周期模型精度表示信息与所述任务精度需求信息相匹配，则输出停止训练所述AI任务执行模型的指令；

若所述周期模型精度表示信息与所述任务精度需求信息不匹配，则输出继续训练所述AI任务执行模型的指令；

所述判断所述周期模型精度表示信息是否与所述任务精度需求信息相匹配，包括：

若所述任务精度需求信息为至少有一次训练所述AI任务执行模型的周期结果表示不为0，则判断所述周期模型精度表示信息的各元素是否均为0；

相应的，所述若所述周期模型精度表示信息与所述任务精度需求信息相匹配，则输出停止训练所述AI任务执行模型的指令的过程包括：

若所述周期模型精度表示信息的各元素均为0，则输出停止训练所述AI任务执行模型的指令；

相应的，所述若所述周期模型精度表示信息与所述任务精度需求信息不匹配，则输出继续训练所述AI任务执行模型的指令的过程包括：

若所述周期模型精度表示信息的各元素不均为0，则输出继续训练所述AI任务执行模型的指令。

2.根据权利要求1所述的人工智能任务处理方法，其特征在于，所述根据所述任务损失信息和所述任务精度期望信息确定周期模型精度表示信息，包括：

调用周期结果表示计算关系式，计算所述周期模型精度表示信息；所述周期结果表示计算关系式为：

S=f^ε（S_(i+1)，S_(i+2) ，……，S_(i+ε)）

其中，S_(i+ε)=M_(i+ε)∧N_(i+ε)，f^ε表示映射关系： {S_i+1，S_i+2 ，……，S_i+ε}→{e₁，e₂，……，e_ε}，e_j∈{0，1}；S为所述周期模型精度表示信息，i为第i个训练周期，ε为训练容忍度；M为所述任务损失信息，N为所述任务精度期望信息，S_(i+ε)为第i+ε次训练所述AI任务执行模型的周期结果表示，M_(i+ε)为第i+ε次训练所述AI任务执行模型的任务损失信息，N_(i+ε)为第i+ε次训练所述AI任务执行模型的任务精度期望信息，∧表示逻辑与运算符。

3.根据权利要求1所述的人工智能任务处理方法，其特征在于，所述根据所述AI任务执行模型，基于所述AI训练集在每个滑窗训练过程中的损失值，生成任务损失信息，包括：

基于所述AI训练集，对每个训练周期，根据每个滑窗的所述AI任务执行模型的损失值，计算当前训练周期的所有损失值的当前标准差；

根据损失变化程度因子和所述当前训练周期的前一个训练周期的所有损失值的前向标准差，确定损失变化阈值；

根据所述当前标准差、所述前向标准差和所述损失变化阈值确定所述当前训练周期的任务损失信息。