[发明专利]模型的训练方法、数据处理方法、装置、电子设备及介质

说明书

本公开提供了一种样本数据生成方法、模型的训练方法、数据处理方法、装置及、电子设备及介质，涉及人工智能技术领域，尤其涉及计算机视觉、深度学习、图像处理技术领域，可应用于人脸识别等场景。具体实现方案为：确定样本数据的有效样本数据，得到有效样本数据，其中，有效样本数据的长度是有效样本长度；对有效样本数据进行剪枝，得到剪枝样本数据；对剪枝样本数据进行填充，得到中间样本数据；对中间样本数据中的填充数据进行掩码，得到目标样本数据；利用目标样本数据序列训练深度学习模型，得到数据处理模型，其中，目标样本数据序列包括多个目标样本数据。

技术领域

本公开涉及人工智能技术领域，尤其涉及计算机视觉、深度学习、图像处理技术领域，可应用于人脸识别等场景。具体地，涉及一种模型的训练方法、数据处理方法、装置、电子设备及介质。

背景技术

随着计算机技术的发展，人工智能技术也得以发展。人工智能技术可以包括计算机视觉技术、语音识别技术、自然语言处理技术、机器学习、深度学习、大数据处理技术及知识图谱技术等。

人工智能技术在各种领域得到了广泛应用。例如，可以利用人工智能技术生成用于训练深度学习模型的样本数据。

发明内容

本公开提供了一种模型的训练方法、数据处理方法、装置、电子设备及介质。

根据本公开的一方面，提供了一种数据处理模型的训练方法，包括：确定样本数据的有效样本数据，得到有效样本数据，其中，上述有效样本数据的长度是有效样本长度；对上述有效样本数据进行剪枝，得到剪枝样本数据；对上述剪枝样本数据进行填充，得到中间样本数据；以及，对上述中间样本数据中的填充数据进行掩码，得到目标样本数据；以及，利用目标样本数据序列训练深度学习模型，得到上述数据处理模型，其中，上述目标样本数据序列包括多个上述目标样本数据。

根据本公开的另一方面，提供了一种数据处理方法，包括：对待处理数据序列进行剪枝，得到剪枝数据序列；以及，将上述剪枝数据序列输入上述数据处理模型，得到数据处理结果，其中，上述数据处理模型是利用上述数据处理模型的训练方法训练得到的。

根据本公开的另一方面，提供了一种数据处理模型的训练装置，包括：确定模块，用于确定样本数据的有效样本数据，得到有效样本数据，其中，上述有效样本数据的长度是有效样本长度；第一剪枝模块，用于对上述有效样本数据进行剪枝，得到剪枝样本数据；填充模块，用于对上述剪枝样本数据进行填充，得到中间样本数据；掩码模块，用于对上述中间样本数据中的填充数据进行掩码，得到目标样本数据；以及，利用目标样本数据序列训练深度学习模型，得到上述数据处理模型，其中，上述目标样本数据序列包括多个上述目标样本数据。

根据本公开的另一方面，提供了一种数据处理装置，包括：第二剪枝模块，用于对待处理数据序列进行剪枝，得到剪枝数据序列；以及，输入模块，用于将上述剪枝数据序列输入上述数据处理模型，得到数据处理结果，其中，上述数据处理模型是利用上述数据处理模型的训练方法训练得到的。

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；以及，与上述至少一个处理器通信连接的存储器；其中，上述存储器存储有可被上述至少一个处理器执行的指令，上述指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行本公开的方法。

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，其中，上述计算机指令用于使计算机执行本公开的方法。

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，上述计算机程序在被处理器执行时实现本公开的方法。

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：