[发明专利]训练深度学习模型的方法及装置、电子设备及存储介质

权利要求书

1.一种训练深度学习模型的方法，包括：

确定当前待训练深度学习模型的运行状态；

确定与所述当前待训练深度学习模型相关的训练参数；

基于所述运行状态和所述训练参数，训练所述当前待训练深度学习模型。

2.根据权利要求1所述的方法，其中，所述确定与所述当前待训练深度学习模型相关的训练参数，包括：

在预运行资源池中，对所述当前待训练深度学习模型进行预运行，以得到预运行结果，其中，所述预运行资源池所使用的资源量少于正式运行资源池所使用的资源量；

基于所述预运行结果确定与所述当前待训练深度学习模型相关的训练参数；

其中，所述基于所述运行状态和所述训练参数，训练所述当前待训练深度学习模型，包括：

推送所述预运行结果，以便于用户更新所述当前待训练深度学习模型的所述训练参数；

根据更新后的所述训练参数，训练所述当前待训练深度学习模型。

3.根据权利要求1所述的方法，其中，所述确定与所述当前待训练深度学习模型相关的训练参数，包括：

根据第一预设规则，检测所述当前待训练深度学习模型在运行时的资源利用率；

基于所述资源利用率确定与所述当前待训练深度学习模型相关的训练参数；

其中，所述基于所述运行状态和所述训练参数，训练所述当前待训练深度学习模型，包括：

根据所述资源利用率和第一预设条件，推送训练参考信息，以便于用户根据所述训练参考信息更新所述当前待训练深度学习模型的所述训练参数；

根据更新后的所述训练参数，继续训练所述当前待训练深度学习模型。

4.根据权利要求1所述的方法，其中，所述确定与所述当前待训练深度学习模型相关的训练参数，包括：

根据第二预设规则，判断所述当前待训练深度学习模型在运行时的异常信息；

基于所述异常信息确定与所述当前待训练深度学习模型相关的训练参数；

其中，所述基于所述运行状态和所述训练参数，训练所述当前待训练深度学习模型，包括：

根据所述异常信息和第二预设条件，确定所述异常信息对应的检查点；

从所述检查点恢复训练所述当前待训练深度学习模型。

5.根据权利要求1所述的方法，其中，所述确定与所述当前待训练深度学习模型相关的训练参数，包括：

根据第三预设规则，获取所述当前待训练深度学习模型在运行时的训练资源利用信息和/或训练日志；

基于所述训练资源利用信息和/或所述训练日志确定与所述当前待训练深度学习模型相关的训练参数；

其中，所述基于所述运行状态和所述训练参数，训练所述当前待训练深度学习模型，包括：

根据所述训练资源利用信息和/或所述训练日志以及第三预设条件，结束训练所述当前待训练深度学习模型。

6.根据权利要求1所述的方法，其中，所述确定与所述当前待训练深度学习模型相关的训练参数，包括：

根据所述当前待训练深度学习模型的历史训练数据，通过分类模型，获取所述当前待训练深度学习模型在运行后的结束训练状态；

基于结束训练状态确定与所述当前待训练深度学习模型相关的训练参数；

其中，所述基于所述运行状态和所述训练参数，训练所述当前待训练深度学习模型，包括：

推送所述结束训练状态，以便用户根据所述结束训练状态，更新所述当前待训练深度学习模型的所述训练参数；

根据更新后的所述训练参数，重新训练所述当前待训练深度学习模型。

7.根据权利要求6所述的方法，其中，还包括：

获取多个历史训练模型中的每个历史训练模型的历史训练样本数据；

根据所述多维度的历史训练样本数据，训练所述分类模型。