[发明专利]基于反馈的机器学习模型搜索方法、系统、设备及介质

权利要求书

1.一种基于反馈的机器学习模型搜索方法，其特征在于，包括以下步骤：

S1：获取初始机器学习模型参数，并根据初始机器学习模型参数构建初始机器学习模型；

S2：通过预设的训练数据集训练初始机器学习模型，得到初始机器学习模型的训练反馈数据和训练得分；

S3：当存在当前最优机器学习模型时，获取当前最优机器学习模型的训练得分，并将当前最优机器学习模型更新为当前最优机器学习模型和初始机器学习模型中训练得分较高者；否则，将初始机器学习模型作为当前最优机器学习模型；

S4：获取当前最优机器学习模型的训练反馈数据，并根据当前最优机器学习模型的训练反馈数据，得到当前最优机器学习模型的搜索操作；

S5：判断是否满足预设的终止条件，当不满足终止条件时，根据当前最优机器学习模型和当前最优机器学习模型的搜索操作，修改当前最优机器学习模型并作为初始机器学习模型返回S2；当满足终止条件时，输出当前最优机器学习模型。

2.根据权利要求1所述的基于反馈的机器学习模型搜索方法，其特征在于，所述初始机器学习模型参数包括架构信息、超参数信息以及训练信息，其中，架构信息包括网络结构以及网络层关系，超参数信息包括初始化器和激活函数，训练信息包括优化器和学习率。

3.根据权利要求1所述的基于反馈的机器学习模型搜索方法，其特征在于，所述预设的训练数据集为图像数据集或文本数据集。

4.根据权利要求1所述的基于反馈的机器学习模型搜索方法，其特征在于，所述训练得分为初始机器学习模型在训练中最高的准确率，所述搜索操作包括改变模型架构、改变模型超参数以及改变模型训练配置，所述预设的终止条件为搜索操作次数达到预设搜索操作次数阈值，或搜索时间达到预设搜索时间阈值。

5.根据权利要求1所述的基于反馈的机器学习模型搜索方法，其特征在于，所述训练反馈数据包括架构信息、准确率、各层梯度以及参数权重。

6.根据权利要求5所述的基于反馈的机器学习模型搜索方法，其特征在于，所述根据当前最优机器学习模型的训练反馈数据得到当前最优机器学习模型的搜索操作的具体方法为：

根据当前最优机器学习模型的架构信息、准确率、各层梯度以及参数权重，确定当前最优机器学习模型的架构类型、收敛类型、梯度类型以及权重类型；

根据当前最优机器学习模型的架构类型、收敛类型、梯度类型以及权重类型，得到当前最优机器学习模型的条件组合，获取该条件组合下预设的搜索操作，作为当前最优机器学习模型的搜索操作。