[发明专利]深度学习训练方法、装置、设备及可读存储介质有效
| 申请号： | 201811369102.5 | 申请日： | 2018-11-16 |
| 公开（公告）号： | CN109583594B | 公开（公告）日： | 2021-03-30 |
| 发明（设计）人： | 平安;何光宇;王希 | 申请（专利权）人： | 东软集团股份有限公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00 |
| 代理公司： | 北京同立钧成知识产权代理有限公司 11205 | 代理人： | 柴海平;刘芳 |
| 地址： | 110179 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供一种深度学习训练方法、装置、设备及可读存储介质。本发明实施例的方法通过将源域数训据集拆分成多个源域数据组，在对源域模型的每一轮模型训练中，均从训练数据组中随机抽取的多个小样本训练集，作为本轮的训练数据进行模型训练，得到各小样本训练集的模型参数；根据各小样本训练集的模型参数更新源域模型的初始参数，根据更新后的初始参数能得到本轮训练后的新的模型；由于每轮模型训练均重新从训练数据组中随机抽取的多个小样本训练集，作为新的训练数据，使得每轮模型训练所使用的训练数据均不相同，这样可以起到丰富训练数据的效果，即使在源域训练数据集中的样本数据较小的情况下，也可以实现训练出效果很好的模型。 | ||
| 搜索关键词： | 深度 学习 训练 方法 装置 设备 可读 存储 介质 | ||
【主权项】：
1.一种深度学习模型训练方法，其特征在于，包括：对从训练数据组中随机抽取的多个小样本训练集分别进行模型训练，得到各小样本训练集的模型参数；根据所述各小样本训练集的模型参数，更新源域模型的初始参数；验证根据更新后的初始参数得到的模型是否符合预置条件；若不符合，则跳转执行对从训练数据组中随机抽取的多个小样本训练集分别进行模型训练的步骤；若符合，则将更新后的初始参数确定为所述源域模型的最终参数得到源域模型。
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东软集团股份有限公司，未经东软集团股份有限公司许可，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/201811369102.5/，转载请声明来源钻瓜专利网。
