[发明专利]基于预测模型的处理结果预测方法、装置及服务器

说明书

本发明实施例公开了一种基于预测模型的处理结果预测方法、装置及服务器，该方法包括：获取目标网络在前T个训练时期的处理结果集合，所述处理结果集合包括所述目标网络针对训练数据进行处理得到的t1个处理结果数据、以及利用处理结果预测模型针对所述目标网络进行处理结果预测得到的t2个处理结果数据，所述T、t1为正整数，所述t2为非负整数；利用所述处理结果预测模型对所述处理结果集合中的处理结果数据进行处理，预测得到所述目标网络在第T+1个训练时期的处理结果数据；所述处理结果预测模型是基于所述目标网络的网络设置信息构建得到的。采用本发明实施例，可以对网络的处理结果进行预测，以有效提高确定网络的处理结果的效率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于预测模型的处理结果预测方法、装置及服务器。

背景技术

在设计网络模型时，无论是人工设计网络模型，还是计算机自动设计网络模型(或者说网络架构搜索)，通常需要将大量的样本数据输入网络模型中进行处理后，才能得到网络模型的处理结果，处理结果例如可以用于指示网络模型的分类准确率等。但上述确定网络模型处理结果的方式处理数据量大，需要大量的计算资源和处理时间，导致确定网络模型处理结果的效率低。因此，如何有效提高确定网络模型处理结果的效率是有待解决的问题。

发明内容

本发明实施例提供一种基于预测模型的处理结果预测方法、装置及服务器，可以对网络的处理结果进行预测，从而有效提高确定网络的处理结果的效率。

第一方面，本发明实施例提供了一种基于预测模型的处理结果预测方法，包括：

获取目标网络在前T个训练时期的处理结果集合，所述处理结果集合包括所述目标网络针对训练数据进行处理得到的t1个处理结果数据、以及利用处理结果预测模型针对所述目标网络进行处理结果预测得到的t2个处理结果数据，所述T、t1为正整数，所述t2为非负整数；

利用所述处理结果预测模型对所述处理结果集合中的处理结果数据进行处理，预测得到所述目标网络在第T+1个训练时期的处理结果数据；

其中，所述处理结果预测模型是基于所述目标网络的网络设置信息构建得到的。

在一实施方式中，所述方法还包括：

获取所述目标网络的网络设置信息，所述网络设置信息包括所述目标网络的结构参数和超参数；

根据所述网络设置信息确定目标特征参数，并根据所述目标特征参数构建得到所述处理结果预测模型。

在一实施方式中，所述根据所述目标特征参数构建得到所述处理结果预测模型之后，所述方法还包括：

利用支持向量机回归LIBSVM软件对所述处理结果预测模型进行训练，得到训练后的处理结果预测模型；

其中，所述LIBSVM软件对应的支持向量机SVM类型为回归型支持向量机v-SVR，所述LIBSVM软件对应的核函数为径向基函数RBF。

在一实施方式中，所述处理结果数据用于指示所述目标网络的分类准确率，所述利用所述处理结果预测模型对所述处理结果集合中的处理结果数据进行处理，预测得到所述目标网络在第T+1个训练时期的处理结果数据之后，所述方法还包括：

检测预测得到的所述目标网络在第T+1个训练时期的处理结果数据所指示的分类准确率是否小于预设数值；

若所述目标网络在第T+1个训练时期的处理结果数据所指示的分类准确率小于所述预设数值，则获取样本数据，并利用所述样本数据对所述目标网络进行训练。

在一实施方式中，所述利用所述处理结果预测模型对所述处理结果集合中的处理结果数据进行处理，预测得到所述目标网络在第T+1个训练时期的处理结果数据之后，所述方法还包括：