[发明专利]一种模型训练方法、装置、设备、系统及存储介质在审
| 申请号： | 201911048084.5 | 申请日： | 2019-10-30 |
| 公开（公告）号： | CN110766090A | 公开（公告）日： | 2020-02-07 |
| 发明（设计）人： | 欧阳显斌;周飞虎;魏杰乾 | 申请（专利权）人： | 腾讯科技(深圳)有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N20/00 |
| 代理公司： | 44285 深圳市深佳知识产权代理事务所(普通合伙) | 代理人： | 王兆林 |
| 地址： | 518057 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请提供的一种模型训练方法，在该方法中将模型训练阶段先划分成多个连续的训练阶段，在每个训练阶段中既着重于模型网络参数的迭代更新同时又着重于针对特定超参数的优化搜索，如此就能够使得每个训练阶段训练结束后的模型能够具备特定超参数的最优能力，每个训练阶段训练结束后会自动将当前训练阶段训练所得的最优模型作为下一训练阶段的初始模型，采用这种阶层递进地方式进行训练，使得最后一个训练阶段训练所得最优模型就整合了所有特定超参数的最优能力，而且超参数的优化过程是在模型正常训练流程中进行，并不需额外花费过多时间，如此就能够很好地评估训练时间和训练效果，能够在指定时间内训练得到综合性能最优的模型。 | ||
| 搜索关键词： | 训练阶段 模型训练 最优模型 初始模型 迭代更新 模型网络 训练效果 综合性能 递进 整合 优化 搜索 阶层 评估 申请 | ||
【主权项】：
1.一种模型训练方法，其特征在于，所述方法包括：/n确定模型对应的多个连续训练阶段，不同的训练阶段用于在模型训练过程中同步优化不同的超参数；/n在所述多个连续训练阶段的当前训练阶段中，根据所述当前训练阶段中待优化的超参数对应的超参数搜索范围进行超参数优化搜索，获得当前训练阶段训练所得的最优模型作为当前训练阶段最优模型；/n将所述当前训练阶段最优模型作为下一训练阶段的初始模型，根据所述下一训练阶段中待优化的超参数对应的超参数搜索范围进行超参数优化搜索，获得所述下一训练阶段训练所得的最优模型作为所述下一训练阶段最优模型，直到获得在所述多个连续训练阶段中的最后一个训练阶段训练所得的最优模型。/n
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腾讯科技(深圳)有限公司，未经腾讯科技(深圳)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/201911048084.5/，转载请声明来源钻瓜专利网。
