[发明专利]模型训练方法及装置、设备、介质和产品

说明书

本公开提供了一种模型训练方法及装置、设备、介质和产品，涉及人工智能领域，尤其涉及深度学习技术、数据分析和推荐领域。具体实现方案包括：响应于获取的第一特征数据，利用第一特征数据，进行针对待训练模型的第M批次训练，得到模型训练结果，M为大于0的整数；基于第M批次训练的模型训练结果，对第一特征数据进行更新，得到更新后的第一特征数据；以及发送更新后的第一特征数据。

技术领域

本公开涉及人工智能领域，尤其涉及深度学习技术、数据分析和推荐领域，可应用于模型训练等场景。

背景技术

深度学习遍及人工智能应用的各个领域，网络模型训练是深度学习的核心技术。但是，在一些场景下，模型训练过程存在训练效率低、对硬件运算设备要求高的现象。

发明内容

本公开提供了一种模型训练方法及装置、设备、介质和产品。

根据本公开的一方面，提供了一种模型训练方法，包括：响应于获取的第一特征数据，利用所述第一特征数据，进行针对待训练模型的第M批次训练，得到模型训练结果，其中，M为大于0的整数；基于所述第M批次训练的模型训练结果，对所述第一特征数据进行更新，得到更新后的第一特征数据；以及发送所述更新后的第一特征数据。

根据本公开的另一方面，提供了一种模型训练方法，包括：发送用于对待训练模型进行第M批次训练的第一特征数据，其中，M为大于0的整数；以及获取更新后的第一特征数据，其中，所述更新后的第一特征数据是基于所述第M批次训练的模型训练结果，对所述第一特征数据进行更新得到的。

根据本公开的另一方面，提供了一种模型训练装置，包括：第一处理模块，用于响应于获取的第一特征数据，利用所述第一特征数据，进行针对待训练模型的第M批次训练，得到模型训练结果，其中，M为大于0的整数；第二处理模块，用于基于所述第M批次训练的模型训练结果，对所述第一特征数据进行更新，得到更新后的第一特征数据；以及第三处理模块，用于发送所述更新后的第一特征数据。

根据本公开的另一方面，提供了一种模型训练装置，包括：第七处理模块，用于发送用于对待训练模型进行第M批次训练的第一特征数据，其中，M为大于0的整数；以及第八处理模块，用于获取更新后的第一特征数据，其中，所述更新后的第一特征数据是基于所述第M批次训练的模型训练结果，对所述第一特征数据进行更新得到的。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和与所述至少一个处理器通信连接的存储器。其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述任一方面的模型训练方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述任一方面的模型训练方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述任一方面的模型训练方法。

根据本公开的另一方面，提供了一种模型训练系统，包括：第一处理器，用于执行根据上述一方面的模型训练方法；以及第二处理器，与所述第一处理器进行通信连接，用于执行上述另一方面的模型训练方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1示意性示出了根据本公开一实施例的模型训练方法和装置的系统架构；

图2示意性示出了根据本公开一实施例的模型训练方法的流程图；

图3示意性示出了根据本公开另一实施例的模型训练方法的流程图；