[发明专利]数据处理方法、装置、计算机设备及存储介质

说明书

本申请实施例公开了一种数据处理方法、装置、计算机设备及存储介质，属于计算机技术领域。该方法包括：获取样本数据及对应的标注结果，调用数据处理模型，对所述样本数据进行处理，得到预测结果，根据所述标注结果及所述预测结果，对所述数据处理模型中的卷积核及对应的权重矩阵进行调整，响应于所述数据处理模型中任一卷积层对应的权重方差大于参考阈值，对本次调整之后所述卷积层中的卷积核及对应的权重矩阵进行缩小，得到更新后的数据处理模型，调用更新后的数据处理模型，对数据进行处理，得到所述数据的处理结果，通过该权重方差对卷积层中的卷积核及对应的权重矩阵进行尺寸缩小，以减少数据处理模型中包括的数据量。

技术领域

本申请实施例涉及计算机技术领域，特别涉及一种数据处理方法、装置、计算机设备及存储介质。

背景技术

随着人工智能技术的发展，网络模型广泛应用于多种业务场景中，例如，图像分类场景、图像分割场景、图像识别场景等，在不同的业务场景中可以分别部署网络模型，通过调用网络模型能够对业务数据进行处理。通常网络模型是由技术人员根据样本数据进行部署的，此种方式部署出来的网络模型中包含多个卷积层及多个卷积核，卷积核的尺寸大，包含的数据量多，导致网络模型处理数据的效率低。

发明内容

本申请实施例提供了一种数据处理方法、装置、计算机设备及存储介质，能够提高数据处理模型处理数据的效率。所述技术方案如下：

一方面，提供了一种数据处理方法，所述方法包括：

获取样本数据及对应的标注结果；

调用数据处理模型，对所述样本数据进行处理，得到预测结果，所述数据处理模型包括至少一个卷积层，每个卷积层包括至少一个卷积核，每个卷积核对应一个权重矩阵；

根据所述标注结果及所述预测结果，对所述数据处理模型中的卷积核及对应的权重矩阵进行调整；

响应于所述数据处理模型中任一卷积层对应的权重方差大于参考阈值，对本次调整之后所述卷积层中的卷积核及对应的权重矩阵进行缩小，得到更新后的数据处理模型，所述权重方差为本次调整之前所述卷积层中的权重矩阵的方差；

调用更新后的数据处理模型，对数据进行处理，得到所述数据的处理结果。

另一方面，提供了一种数据处理装置，所述装置包括：

获取模块，用于获取样本数据及对应的标注结果；

处理模块，用于调用数据处理模型，对所述样本数据进行处理，得到预测结果，所述数据处理模型包括至少一个卷积层，每个卷积层包括至少一个卷积核，每个卷积核对应一个权重矩阵；

调整模块，用于根据所述标注结果及所述预测结果，对所述数据处理模型中的卷积核及对应的权重矩阵进行调整；

缩小模块，用于响应于所述数据处理模型中任一卷积层对应的权重方差大于参考阈值，对本次调整之后所述卷积层中的卷积核及对应的权重矩阵进行缩小，得到更新后的数据处理模型，所述权重方差为本次调整之前所述卷积层中的权重矩阵的方差；

所述处理模块，还用于调用更新后的数据处理模型，对数据进行处理，得到所述数据的处理结果。

在一种可能实现方式中，所述获取模块，还用于根据所述每个卷积层对应的至少一个权重矩阵中的权重，获取所述每个卷积层对应的权重方差。

在另一种可能实现方式中，所述获取单元，用于根据所述标注结果及所述预测结果，确定所述数据处理模型的初始损失值；确定所述至少一个卷积层对应的权重方差的第一和值；将所述初始损失值与所述第一和值之间的差值，确定为所述数据处理模型的损失值。