[发明专利]损失函数动态加权的方法、装置、设备和存储介质

权利要求书

1.一种损失函数动态加权的方法，其特征在于，包括：

获取样本集内每个类别的先验概率；

根据所述先验概率和当次模型训练中所输出的每个类别的预测概率，确定每个类别的难易权值；

基于所述每个类别的难易权值对预设的损失函数中的权值变量进行更新，得到难易权值更新后的损失函数，以利用更新后的损失函数，确定当次模型训练的损失值。

2.根据权利要求1所述的损失函数动态加权的方法，其特征在于，获取类别集内每个类别的先验概率，包括：

利用预设的先验概率计算式，获取样本集内每个类别的先验概率；

所述先验概率计算式为：

其中，p(c_i)表示先验概率，c_i表示第i个类别，n_i表示c_i对应的样本数量，K表示样本集中类别的数量，n_k表示第k个类别对应的样本数量，Y表示类别难易控制参数，Y为常数。

3.根据权利要求1所述的损失函数动态加权的方法，其特征在于，根据所述先验概率和当次模型训练中所输出的每个类别的预测概率，确定每个类别的难易权值，包括：

将所述先验概率和当次模型训练中所输出的每个类别的预测概率代入预设的难易权值计算式，计算每个类别的难易权值；

所述难易权值计算式为：

W_d＝(p(c_i)-p)²

其中，W_d表示难易权值，p(c_i)表示先验概率，p表示预测概率。

4.根据权利要求1所述的损失函数动态加权的方法，其特征在于，基于所述每个类别的难易权值对预设的损失函数中的权值变量进行更新，得到难易权值更新后的损失函数，包括：

将所述每个类别的难易权值代入预设的权值变量更新计算式中，得到难易权值更新后的损失函数；

所述权值变量更新计算式为：

Loss＝-W_d＊log p

其中，Loss表示更新后的损失函数，W_d表示难易权值，-log p表示预设的损失函数。

5.一种损失函数动态加权的装置，其特征在于，包括：

获取模块，用于获取样本集内每个类别的先验概率；

确定模块，用于根据所述先验概率和当次模型训练中所输出的每个类别的预测概率，确定每个类别的难易权值；

更新模块，用于基于所述每个类别的难易权值对预设的损失函数中的权值变量进行更新，得到难易权值更新后的损失函数，以利用更新后的损失函数，确定当次模型训练的损失值。

6.根据权利要求5所述的损失函数动态加权的装置，其特征在于，所述获取模块，具体用于：

利用预设的先验概率计算式，获取类别集内每个类别的先验概率；

所述先验概率计算式为：

其中，p(c_i)表示先验概率，c_i表示第i个类别，n_i表示c_i对应的样本数量，K表示样本集中类别的数量，n_k表示第k个类别对应的样本数量，γ表示类别难易控制参数，γ为常数。

7.根据权利要求5所述的损失函数动态加权的装置，其特征在于，所述确定模块，具体用于：

将所述先验概率和当次模型训练中所输出的每个类别的预测概率代入预设的难易权值计算式，计算每个类别的难易权值；

所述难易权值计算式为：

W_d＝(p(c_i)-p)²

其中，W_d表示难易权值，p(c_i)表示先验概率，p表示预测概率。