[发明专利]模型训练方法、装置、存储介质及电子设备

权利要求书

1.一种模型训练方法，包括：

获取多个数据集；

将多个数据集逐个输入初始多任务模型；其中，所述初始多任务模型包含模型参数，所述模型参数包含共享参数和任务参数；其中，所述共享参数为所述初始多任务模型中多个任务共有的模型参数，所述任务参数为所述初始多任务模型中多个任务中每个任务独有的模型参数；

基于所述初始多任务模型的输出结果调整所述模型参数，得到训练后的多任务模型。

2.根据权利要求1所述的训练方法，其特征在于，基于所述初始多任务模型的输出结果调整所述模型参数，得到训练后的多任务模型，包括：

根据所述初始多任务模型的输出结果计算损失函数的总损失值，并根据所述损失值对所述多任务模型的模型参数进行调整。

3.根据权利要求2所述的训练方法，其特征在于，每个数据集包含一个或多个任务标签，若每个数据集的任务标签数量为一个，则将该任务标签对应的任务的损失值作为该数据集的损失值，其中，根据每个数据集的损失值计算得到损失函数的总损失值。

4.根据权利要求2所述的训练方法，其特征在于，每个数据集包含一个或多个任务标签，若所述数据集的任务标签数量为多个，则将多个任务标签对应的多个任务的损失值之和作为该数据集的损失值，其中，根据每个数据集的损失值计算得到损失函数的总损失值。

5.根据权利要求2所述的训练方法，其特征在于，所述总损失值为多个数据集对应的所有任务的损失值之和。

6.根据权利要求5所述的训练方法，其特征在于，多个数据集中的每个数据集对应的损失函数乘以c，其中，c为每个数据集占所有数据集的比重。

7.根据权利要求5所述的训练方法，其特征在于，所述损失函数中还包含动态系数，其中，所述动态系数可根据当前模型训练自适应调整。

8.根据权利要求1所述的训练方法，其特征在于，所述获取多个数据集包括：

将所述多个数据集按照第一顺序加载入数据加载器，并将加载入数据加载器中的数据集按照预设批数量进行划分。

9.根据权利要求8所述的训练方法，其特征在于，所述将加载入数据加载器中的数据集按照预设批数量进行划分之后，还包括：

判断是否还存在下一批数据，其中，所述下一批数据为需要从数据加载器输出的数据；

若有，则继续输出下一批数据。

10.根据权利要求9所述的训练方法，其特征在于，

若没有，则所述多个数据集按照第二顺序加载入数据加载器，其中，所述第一顺序和所述第二顺序不同。

11.根据权利要求1所述的训练方法，其特征在于，将所述多个数据集中的部分数据集进行合并，得到多个合并后的数据集；

将所述多个合并后的数据集逐个输入初始多任务模型。

12.根据权利要求11所述的训练方法，其特征在于，所述将所述多个数据集中的部分数据集进行合并，包括：

将带有相同任务标签的数据集进行合并。

13.根据权利要求12所述的训练方法，其特征在于，将带有相同任务标签比例大于合并阈值的数据集进行合并。

14.根据权利要求1-13任一项所述的训练方法，其特征在于，包括：

获取待处理数据，其中，所述待处理数据包含多个数据集，每个数据集包含一个或多个任务标签；

利用权所述训练得到训练后的多任务模型对所述待处理数据进行处理，得到处理结果。