[发明专利]神经网络模型训练方法、装置、计算机设备及存储介质有效
| 申请号： | 201910008317.2 | 申请日： | 2019-01-04 |
| 公开（公告）号： | CN109840588B | 公开（公告）日： | 2023-09-08 |
| 发明（设计）人： | 郭晏;吕彬;吕传峰;谢国彤 | 申请（专利权）人： | 平安科技（深圳）有限公司 |
| 主分类号： | G06N3/0464 | 分类号： | G06N3/0464;G06N3/08 |
| 代理公司： | 深圳众鼎专利商标代理事务所(普通合伙) 44325 | 代理人： | 黄章辉 |
| 地址： | 518000 广东省深圳市福田区福*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种神经网络模型训练方法、装置、计算机设备及存储介质，选出了具备针对性的训练样本，且提高了模型训练的针对性以及训练效率。方法部分包括：根据训练后的深度神经网络模型获取所有参考样本中每个参考样本的模型预测值，计算每个参考样本的模型预测值与每个参考样本对应的真实标注之间的差异衡量指标，将所有参考样本中差异衡量指标低于或等于预设阈值的目标参考样本作为比较样本；将相似度满足预设扩增条件的训练样本作为待扩增样本；对待扩增样本进行数据扩增以获得的目标训练样本作为训练集中的训练样本对训练后的深度神经网络模型进行训练，直至验证集所有的验证样本的模型预测值满足预设训练结束条件。 | ||
| 搜索关键词： | 神经网络 模型 训练 方法 装置 计算机 设备 存储 介质 | ||
【主权项】：
1.一种神经网络模型训练方法，其特征在于，包括：根据训练集的训练样本对深度神经网络模型进行训练，以获得训练后的深度神经网络模型；根据所述训练后的深度神经网络模型对参考集合的所有参考样本进行数据验证，以获得所述所有参考样本中每个参考样本的模型预测值，所述参考集合包括验证集和/或测试集；计算所述每个参考样本的模型预测值与所述每个参考样本对应的真实标注之间的差异衡量指标，所述每个参考样本预先进行了数据标注；将所有所述参考样本中差异衡量指标低于或等于预设阈值的目标参考样本作为比较样本；计算所述训练集中的训练样本与每个所述比较样本之间的相似度；将与所述比较样本之间的相似度满足预设扩增条件的训练样本作为待扩增样本；对所述待扩增样本进行数据扩增以获得目标训练样本；将所述目标训练样本作为所述训练集中的训练样本对所述训练后的深度神经网络模型进行训练，直至所述验证集所有的验证样本的模型预测值满足预设训练结束条件。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于平安科技（深圳）有限公司，未经平安科技（深圳）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910008317.2/，转载请声明来源钻瓜专利网。
