[发明专利]神经网络模型的训练方法和装置、电子设备和计算机存储介质有效
| 申请号： | 201710351624.1 | 申请日： | 2017-05-18 |
| 公开（公告）号： | CN108229676B | 公开（公告）日： | 2022-02-25 |
| 发明（设计）人： | 钱晨;胡杰 | 申请（专利权）人： | 北京市商汤科技开发有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 北京思源智汇知识产权代理有限公司 11657 | 代理人： | 毛丽琴 |
| 地址： | 100084 北京市海淀区中*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开了一种神经网络模型的训练方法和装置、电子设备和计算机存储介质。其中，方法包括：基于多次选取的训练样本子集分别调整神经网络模型的网络参数，直至满足神经网络模型训练的停止条件；其中，所述多次选取中至少两次训练样本子集选取的类别和/或样本不同，且每次训练样本子集的选取包括：从包含有n个类别的类别列表中选取t个类别、并从所述t个类别的每个类别分别对应的样本列表中选取至少一个样本，得到一训练样本子集；其中，n和t均为整数，且1t≤n。本发明实施例可以提高网络模型预测结果的精度，提升网络模型总体的性能。 | ||
| 搜索关键词： | 神经网络 模型 训练 方法 装置 电子设备 计算机 存储 介质 | ||
【主权项】：
1.一种神经网络模型的训练方法，其特征在于，包括：基于多次选取的训练样本子集分别调整神经网络模型的网络参数，直至满足神经网络模型训练的停止条件；其中，所述多次选取中至少两次训练样本子集选取的类别和/或样本不同，且每次训练样本子集的选取包括：从包含有n个类别的类别列表中选取t个类别、并从所述t个类别的每个类别分别对应的样本列表中选取至少一个样本，得到一训练样本子集；其中，n和t均为整数，且1
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京市商汤科技开发有限公司，未经北京市商汤科技开发有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710351624.1/，转载请声明来源钻瓜专利网。
