[发明专利]模型配置方法、装置、电子设备及可读取存储介质在审
| 申请号： | 201910105813.X | 申请日： | 2019-02-01 |
| 公开（公告）号： | CN109886422A | 公开（公告）日： | 2019-06-14 |
| 发明（设计）人： | 曲晓峰 | 申请（专利权）人： | 深圳绿米联创科技有限公司 |
| 主分类号： | G06N20/20 | 分类号： | G06N20/20 |
| 代理公司： | 深圳市智圈知识产权代理事务所(普通合伙) 44351 | 代理人： | 吕静 |
| 地址： | 518000 广东省深圳市南山*** | 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： | 本申请公开了一种模型配置方法、装置、电子设备及可读取存储介质，该方法包括：获取第一机器学习模型；获取一个或多个第二机器学习模型，每个所述第二机器学习模型根据其对应的设备和/或平台构建；将所述第一机器学习模型的能力迁移到每个所述第二机器学习模型上，获得训练后的一个或多个第二机器学习模型；根据训练后的每个所述第二机器学习模型对与其对应的所述设备和/或平台进行配置，以使所述设备和/或平台运行训练后的所述第二机器学习模型。本方法利用模型迁移技术，将海量数据和大型机器学习模型学习到的机器学习能力嵌入到多种不同的设备中，即可将多个大机器学习模型的性能迁移到小机器学习模型，解决生活中的实际问题。 | ||
| 搜索关键词： | 机器学习模型 可读取存储介质 电子设备 模型配置 迁移 大型机器 海量数据 机器学习 模型学习 能力迁移 平台构建 实际问题 大机器 小机器 嵌入 学习 配置 申请 | ||
【主权项】：
1.一种模型配置方法，其特征在于，包括：获取第一机器学习模型，所述第一机器学习模型是通过预设数据集训练获取的；获取一个或多个第二机器学习模型，每个所述第二机器学习模型根据其对应的设备和/或平台构建；将所述第一机器学习模型的能力迁移到每个所述第二机器学习模型上，获得训练后的一个或多个第二机器学习模型；根据训练后的每个所述第二机器学习模型对与其对应的所述设备和/或平台进行配置，以使所述设备和/或平台运行训练后的所述第二机器学习模型。
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深圳绿米联创科技有限公司，未经深圳绿米联创科技有限公司许可，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/201910105813.X/，转载请声明来源钻瓜专利网。
