[发明专利]感知模型训练方法、装置、电子设备及存储介质

权利要求书

1.一种感知模型训练方法，包括：

获取初步训练迭代数；

构建包括所述初步训练迭代数的N组实训超参数，N为大于等于2的整数；

基于所述N组实训超参数，分别对N个初始感知模型进行训练，获得N个候选感知模型；

继续对所述N个候选感知模型中性能表现最优的待训练模型进行训练，获得目标感知模型，所述目标感知模型为用于对环境感知数据进行识别，获得环境识别结果的深度学习模型。

2.根据权利要求1所述的方法，其中，所述获取初步训练迭代数，包括：

构建M组实验超参数，M为大于等于2的整数；

基于所述M组实验超参数，分别对M个初始实验模型进行训练，获得实时训练结果；

基于所述实时训练结果，确定在所述M个初始实验模型的性能评估指标满足预设指标要求时所对应的实验训练迭代数，作为所述初步训练迭代数。

3.根据权利要求2所述的方法，其中，所述构建M组实验超参数，包括：

确定多个实验超参项；

对于每个实验超参项，设置与所述实验超参项对应的多个实验超参值；

构建与主导超参项相关的多组实验超参数，每组实验超参数包括所述主导超参项的一个实验超参值和多个其他超参数项的固定超参值，所述主导超参项为所述多个实验超参项中的任一实验超参项；

整合与每个实验超参项相关的多组实验超参数，获得所述M组实验超参数。

4.根据权利要求2所述的方法，其中，所述基于所述实时训练结果，确定在所述M个初始实验模型的性能评估指标满足预设指标要求时所对应的实验训练迭代数，包括：

基于所述实时训练结果，确定每个初始实验模型的性能评估指标在达到所述预设指标要求时所对应的候选训练迭代数，以获得M个候选训练迭代数；

从所述M个候选训练迭代数中选取最大训练迭代数，作为所述实验训练迭代数。

5.根据权利要求1所述的方法，其中，所述构建包括所述初步训练迭代数的N组实训超参数，包括：

确定多个实训超参项；

对于每个实训超参项，设置与所述实训超参项对应的多个实训超参值；

按照全排列组合方式，对与所述多个实训超参项对应的多个实训超参值进行排列组合，获得N组待处理超参数；

在每组待处理超参数中添加所述初步训练迭代数，获得所述N组实训超参数。

6.根据权利要求5所述的方法，其中，所述设置与所述实训超参项对应的多个实训超参值，包括：

响应于确定所述实训超参项属于数值类超参项，获取训练数据集中样本感知数据的数据类型数量；

根据所述数据类型数量，确定超参值设定范围，所述超参值设定范围的大小与所述数据类型数量的大小呈正比例关系；

在所述超参值设定范围内，设置与所述实训超参项对应的所述多个实训超参值。

7.根据权利要求6所述的方法，其中，所述样本感知数据的数据类型包括路面数据、静态障碍物数据、动态障碍物数据、行人数据、行车数据和气象数据中的至少一者。

8.根据权利要求1所述的方法，其中，所述继续对所述N个候选感知模型中性能表现最优的待训练模型进行训练，获得目标感知模型，包括：

获取目标训练迭代数，所述目标训练迭代数大于所述初步训练迭代数；

计算所述目标训练迭代数与所述初步训练迭代数之间的迭代数差值，作为剩余训练迭代数；

基于所述剩余训练迭代数，继续对所述N个候选感知模型中性能表现最优的待训练模型进行训练，获得目标感知模型。

9.根据权利要求1或8所述的方法，还包括：

分别获取每个候选感知模型在多项性能评估指标下的性能表现值；

对于每项性能评估指标，按照所述性能表现值由高到低的顺序，对所述N个候选感知模型进行性能排序；

从所述N个候选感知模型中选取性能排序靠前次数最多的候选感知模型，作为所述待训练模型。