[发明专利]模型训练方法、装置及电子设备

权利要求书

1.一种模型训练方法，包括：

获取目标场景下的第一数据集，所述第一数据集包括所述目标场景下的M个历史多媒体数据，M为大于1的整数；

基于第一预测数据，确定所述M个历史多媒体数据对应的M个第一采样概率，所述第一预测数据为基于第一训练数据集对第一模型进行第K次迭代训练中输出的预测数据，所述第一训练数据集包括从所述第一数据集中选取的历史多媒体数据，所述第一采样概率指示所述历史多媒体数据在所述第一数据集中被选取的概率，K为正整数；

基于所述M个第一采样概率，从所述第一数据集中选取N个历史多媒体数据，得到第二训练数据集，N为大于1的整数；

基于所述第二训练数据集，对所述第一模型进行第K+1次迭代训练，得到第二预测数据；

基于所述第二预测数据，确定由所述第一模型训练得到的目标模型，所述目标模型用于对所述目标场景下的多媒体数据进行处理。

2.根据权利要求1所述的方法，其中，所述第一训练数据集还包括所述第一训练数据集中历史多媒体数据的第一标识数据，所述基于第一预测数据，确定所述M个历史多媒体数据对应的M个第一采样概率，包括：

确定所述第一预测数据和所述第一标识数据之间的差异值；

基于所述差异值，确定所述M个第一采样概率。

3.根据权利要求2所述的方法，其中，所述基于所述差异值，确定所述M个第一采样概率，包括：

基于所述差异值，确定所述第一训练数据集中历史多媒体数据的价值；

基于所述价值，确定所述M个第一采样概率。

4.根据权利要求3所述的方法，其中，所述基于所述价值，确定所述M个第一采样概率，包括：

基于所述价值，确定所述第一训练数据集中历史多媒体数据的第二采样概率；

基于所述第二采样概率，对所述M个历史多媒体数据对应的M个第三采样概率进行调整，得到所述M个第一采样概率；

其中，所述M个第三采样概率用于获取所述第一训练数据集。

5.根据权利要求4所述的方法，所述基于第一预测数据，确定所述M个历史多媒体数据对应的M个第一采样概率之前，还包括：

在K为1的情况下，基于所述第一数据集中历史多媒体数据的数量，确定所述M个第三采样概率。

6.根据权利要求1所述的方法，其中，所述第二训练数据集还包括所述第二训练数据集中历史多媒体数据的第二标识数据，所述基于所述第二预测数据，确定由所述第一模型训练得到的目标模型，包括：

基于所述第二预测数据和所述第二标识数据，确定所述第一模型在第K+1次迭代训练中的网络损失值；

基于所述网络损失值，更新所述第一模型的网络参数；

在基于所述网络损失值确定满足第一预设条件的情况下，基于第K+1次迭代训练中更新后的所述第一模型，确定所述目标模型；

其中，所述第一预设条件包括以下至少一项：

所述网络损失值小于或等于第一预设阈值；

所述第一模型的迭代次数大于或等于第二预设阈值。

7.根据权利要求6所述的方法，其中，所述基于第K+1次迭代训练中更新后的所述第一模型，确定所述目标模型，包括：

在所述第一模型的迭代训练完成的情况下，将满足第二预设条件的第一模型确定为候选模型，得到至少两个所述候选模型；

从至少两个所述候选模型中筛选得到所述目标模型；

其中，所述第二预设条件包括以下至少一项：

迭代次数大于或等于所述第二预设阈值的迭代训练中更新后的第一模型；

网络损失值小于或等于所述第一预设阈值的迭代训练中更新后的第一模型。

8.根据权利要求7所述的方法，其中，所述从至少两个所述候选模型中筛选得到所述目标模型，包括：

获取第二数据集；

将所述第二数据集分别输入到至少两个所述候选模型中每个候选模型进行处理，得到至少两个第三预测数据；

基于至少两个所述第三预测数据，从至少两个所述候选模型中筛选得到所述目标模型。