“模型参数训练”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1507411个，建议您升级VIP下载更多相关专利

[发明专利]模型参数调整方法、装置、设备及计算机可读存储介质-CN202210134765.9在审
发明人：刘知远;秦禹嘉;易婧;陈暐泽;林衍凯;李鹏;孙茂松;周杰 -专利权人：清华大学;腾讯科技（深圳）有限公司
申请日： 2022-02-14 - 公布日： 2023-08-25 - 主分类号： G06N3/08 文献下载
摘要：本申请提供了一种模型参数调整方法、装置、设备及计算机可读存储介质；方法包括：获取训练好的预训练模型和所述训练好的预训练模型的待调整参数的第一参数维度；获取训练好的第一网络模型和预训练好的参数调整向量；其中，参数调整向量的参数个数小于待调整参数的参数个数；基于目标任务和训练好的第一网络模型对预训练好的参数调整向量继续训练，得到训练好的参数调整向量；基于训练好的第一网络模型和训练好的参数调整向量确定待调整参数的调整值；基于待调整参数的调整值对训练好的预训练模型的参数进行调整，得到所述目标任务对应的训练好的目标模型。通过本申请，能够提高模型参数的调整效率。
模型参数调整方法装置设备计算机可读存储介质

[发明专利]基于联邦学习的模型训练系统、方法、装置和计算机设备-CN202110897078.8在审
发明人：郑楷洪;李鹏;周尚礼;李胜;曾璐琨;龚起航 -专利权人：南方电网数字电网研究院有限公司
申请日： 2021-08-05 - 公布日： 2021-10-22 - 主分类号： G06N3/08 文献下载
摘要：本申请涉及一种基于联邦学习的模型训练系统、方法、装置、计算机设备和存储介质，包括：模型训练节点，用于根据预设参数构建得到神经网络模型，对神经网络模型进行训练，得到训练完成的神经网络模型；参数传输节点，用于获取各个训练完成的神经网络模型的模型参数，根据模型参数生成哈希值，并将哈希值返回至模型训练节点；参数存储节点，用于从多个模型训练节点获取包含有哈希值的模型参数，根据多个包含有哈希值的模型参数对预设参数进行更新，得到更新后的预设参数；将更新后的预设参数通过参数传输节点，发送到各个模型训练节点，以对神经网络模型进行再次训练。本申请提高了基于联邦学习的模型训练效率。
基于联邦学习模型训练系统方法装置计算机设备

[发明专利]一种图像识别模型训练方法及装置-CN202210883039.7有效
发明人：钟雨崎;凌明;杨作兴;艾国 -专利权人：深圳比特微电子科技有限公司
申请日： 2022-07-26 - 公布日： 2022-11-11 - 主分类号： G06V10/774 文献下载
摘要：本发明提供图像识别模型训练方法及装置，所述方法包括：获取待识别目标的训练数据集；根据训练数据集对原始模型进行训练，获得图像识别模型；其中，在每轮训练过程中，对每轮模型的各个原模型参数的参数值进行限制处理，获得每轮模型的各个原模型参数对应的限制模型参数的参数值并进行模型训练；所述图像识别模型包括的图像识别模型参数的参数值为最后一轮模型训练采用的限制模型参数的参数值。本发明实施例提供的图像识别模型训练方法及装置，提高了图像识别模型的训练效率。
一种图像识别模型训练方法装置

[发明专利]一种分布式训练中参数更新方法及装置-CN201910864527.1有效
发明人：王洪伟;李鑫;李长亮 -专利权人：北京金山数字娱乐科技有限公司;成都金山数字娱乐科技有限公司
申请日： 2019-09-12 - 公布日： 2023-04-07 - 主分类号： G06N3/08 文献下载
摘要：本申请提供一种分布式训练中参数更新方法及装置，其中所述分布式训练中参数更新方法包括：接收分布式训练集群中的每个训练节点传递的梯度；根据每个训练节点传递的梯度计算训练模型的损失值并更新所述训练模型的模型参数；根据所述损失值确定模型训练的训练阶段；根据所述训练阶段对所述模型参数进行压缩，获得压缩模型参数；将所述压缩模型参数同步至所述分布式训练集群的每个训练节点，更新每个训练节点中的模型参数。本申请提供的分布式训练中参数更新方法自适应地减少了参数同步时通信量的大小，即保证了模型参数的同步效率，又保证了训练结果的精度，在进行分布式训练时，提高了模型训练的速度。
一种分布式训练参数更新方法装置

[发明专利]模型训练方法、装置和电子设备-CN202110593535.4有效
发明人：李建伟 -专利权人：北京百度网讯科技有限公司
申请日： 2021-05-28 - 公布日： 2023-10-20 - 主分类号： G06V10/774 文献下载
摘要：本公开公开了模型训练方法、装置和电子设备，涉及人工智能技术领域，尤其涉及计算机视觉、深度学习技术领域。具体实现方案为：获取训练样本；利用所述训练样本训练模型，对所述模型的模型参数进行更新；在每次训练的过程中，响应于所述模型参数更新结束，对所述模型参数进行归一化处理。由此，利用训练样本训练模型，对模型的模型参数进行更新，在每次训练的过程中，响应于模型参数更新结束，对模型参数进行归一化处理，从而训练过程中模型参数的值的波动程度较小，不会发生极端变化，可以加快模型训练，节省模型的训练时间，提高模型的训练效率。
模型训练方法装置电子设备

[发明专利]流量异常检测模型的训练方法、装置，及电子设备-CN202211500919.8在审
发明人：邵岩明 -专利权人：中国电信股份有限公司
申请日： 2022-11-28 - 公布日： 2023-04-07 - 主分类号： G06F18/213 文献下载
摘要：本申请公开了一种流量异常检测模型的训练方法及装置，属于网络通信技术领域。所述方法包括：获取当前轮迭代训练的初始模型参数和候选训练节点集合；基于初始模型参数，初始化本地的待训练流量异常检测模型；基于本地流量数据，对初始化后的待训练流量异常检测模型执行本地训练，得到更新模型参数；根据训练节点间的梯度距离矩阵，选择一个尚未执行本轮全局迭代训练的候选训练节点；将更新模型参数发送至该训练节点，以基于更新模型参数执行本地训练。本方法通过在多个训练节点间共享更新后的模型参数，并基于本地流量数据执行本地训练，迭代更新模型参数，以训练流量异常检测模型，提升了模型训练效率，改善了模型的收敛精度。
流量异常检测模型训练方法装置电子设备

[发明专利]识别模型训练方法、装置、计算机设备和存储介质-CN202110955282.0在审
发明人：孟强;周峰;任海男 -专利权人：北京爱笔科技有限公司
申请日： 2021-08-19 - 公布日： 2021-12-14 - 主分类号： G06K9/62 文献下载
摘要：本申请涉及一种识别模型训练方法、装置、计算机设备和存储介质。所述方法包括：根据初始模型参数以及图像训练样本，对识别模型进行训练，得到识别模型的识别损失；在识别损失不满足损失条件的情况下，对初始模型参数进行调整，得到训练模型参数，并将训练模型参数发送至服务器，指示服务器对训练模型参数进行更新处理得到综合模型参数；接收综合模型参数，根据综合模型参数以及图像训练样本，对识别模型进行训练，直至识别模型的识别损失满足损失条件，识别模型训练完成。采用本方法在保证隐私数据安全性的前提下，实现识别模型的准确训练。
识别模型训练方法装置计算机设备存储介质

[发明专利]一种模型训练方法、装置、电子设备及存储介质-CN201910580279.8在审
发明人：李腾飞;张桢宵 -专利权人：北京金山安全软件有限公司
申请日： 2019-06-28 - 公布日： 2019-10-01 - 主分类号： G06F21/60 文献下载
摘要：本发明实施例提供了一种模型训练方法、装置、电子设备及存储介质。方案如下：服务端确定多个训练设备，向多个训练设备发送训练指令，该训练指令包括第一模型参数，接收每一训练设备发送的第二模型参数，该第二模型参数为训练设备基于训练指令和训练数据，对预设模型进行训练得到的，该训练数据是根据训练设备中的用户数据确定的，根据接收到的多个第二模型参数，利用联合平均算法，得到第三模型参数，判断包括第三模型参数的预设模型是否收敛，若收敛，则将第三模型参数确定为预设模型训练完成后的模型参数。
模型参数训练设备模型训练预设存储介质电子设备训练数据指令收敛发送用户数据用户隐私服务端算法泄露联合

[发明专利]基于spark的模型构建方法、装置、系统及存储介质-CN202011259305.6在审
发明人：赵振崇;薛鹏 -专利权人：深圳力维智联技术有限公司;南京中兴力维软件有限公司
申请日： 2020-11-11 - 公布日： 2021-02-12 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种基于spark的模型构建方法、装置、系统及存储介质，该方法的步骤包括：响应用户的调参请求，基于调参请求确定对应的训练任务和待训练数据集；基于训练任务和待训练数据集进行分布式spark模型训练，得到对应的各个训练模型；基于各个训练模型确定对应的最优模型参数，基于最优模型参数构建对应的最优训练模型。由此可知，本申请通过自动根据训练任务和待训练数据进行分布式spark模型训练，得到构建模型的最优模型参数，并通过该最优模型参数进行构建最优训练模型，提升了模型构建效率，不需要人工手动设置参数和调整参数，提升了模型参数准确性。
基于 spark 模型构建方法装置系统存储介质

[发明专利]数据模型训练方法和装置-CN201810256461.3有效
发明人：石佩林;王晓勇 -专利权人：联想（北京）有限公司
申请日： 2018-03-26 - 公布日： 2022-04-22 - 主分类号： G06F21/60 文献下载
摘要：本公开提供了一种数据模型训练方法，包括：获取训练集，所获取的该训练集中包括多条训练数据，对该训练集进行第一隐私保护处理，得到加密训练集。使用该加密训练集对数据模型进行训练，得到模型参数。对所得到的模型参数进行第二隐私保护处理，得到加密模型参数，基于该加密模型参数生成加密数据模型。其中，第一隐私保护处理使得加密训练集不同于训练集、且加密训练集与训练集的训练结果相同；第二隐私保护处理使得加密模型参数不同于模型参数，且基于加密模型参数生成的加密数据模型与基于模型参数生成的数据模型在输入相同时具有相同的输出结果本公开还提供了一种数据模型训练装置、以及一种计算机设备。
数据模型训练方法装置

[发明专利]基于联邦学习和相互学习的模型参数训练方法及装置-CN202010892666.8有效
发明人：刘君媛 -专利权人：中诚信征信有限公司
申请日： 2020-08-31 - 公布日： 2022-04-12 - 主分类号： H04L41/14 文献下载
摘要：本发明实施例提供了一种基于联邦学习和相互学习的模型参数训练方法及装置，所述方法包括：参数训练端将基于本地样本数据训练得到的子模型参数加密后发送给参数协调端，以使参数协调端对接收到的子模型参数进行汇总或安全聚合并发送给各参数训练端，参数训练端再基于本地样本数据以及解密后的汇总子模型参数集合，对子模型进行训练以更新子模型参数，或基于本地样本数据以及解密后的安全聚合子模型参数，对子模型进行训练进一步更新子模型的参数，得到子模型对应的总模型参数本发明实施例，能够适用于跨机构的隐私安全模型参数训练，在数据安全的基础上，进一步挖掘各参数训练端的数据价值，有效提升所训练总模型的性能。
基于联邦学习相互模型参数训练方法装置

[发明专利]一种超参数确定方法、装置、计算机设备和存储介质-CN202110160308.2有效
发明人：刘紫薇;宋辉;董井然;陈守志 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-02-05 - 公布日： 2021-05-11 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例公开了一种超参数确定方法、装置、计算机设备和存储介质；本申请实施例可以获取至少一个待训练模型的超参数组，待训练模型属于目标模型类型，超参数组包括至少一个维度的超参数，每个维度的超参数指示待训练模型在每个维度下的模型结构特征；将目标超参数组分配给分布式集群中的目标超参数评估节点；通过目标超参数评估节点，采用目标超参数组对目标待训练模型进行模型训练，目标待训练模型为目标超参数组对应的待训练模型；对训练后模型进行模型评估，得到每个超参数组的超参数评估结果；基于超参数评估结果，从超参数组中选取目标模型类型的最优超参数组。该方案可以通过提高超参数调优的效率来高效地确定超参数。
一种参数确定方法装置计算机设备存储介质

[发明专利]一种联邦学习方法、装置及电子设备-CN202211213118.3在审
发明人：韩炜东;黄斌;姜伟浩;张威 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2022-09-29 - 公布日： 2023-04-04 - 主分类号： G06N3/0464 文献下载
摘要：其中，所述方法，包括：获取多个客户端各自训练待训练模型得到的模型参数，作为候选模型参数；在以模型参数中各参数的取值为维度的模型参数空间中，分别确定各所述候选模型参数的邻域内所述候选模型参数的密度，作为所述候选模型参数对应的局部可达密度；根据各所述候选模型参数对应的所述局部可达密度，对各所述候选模型参数进行加权聚合，得到更新后模型参数；将所述待训练模型的模型参数更新为所述更新后模型参数，得到训练后模型。可以降低模型投毒攻击对联邦学习训练得到的模型的影响，提高训练得到的模型的性能。
一种联邦学习方法装置电子设备

[发明专利]基于横向联邦学习的数据分类模型训练方法及其相关组件-CN202310222211.9在审
发明人：孙英博;于昇;陈邦道;周胜平;裴阳 -专利权人：云海链控股股份有限公司
申请日： 2023-03-08 - 公布日： 2023-06-27 - 主分类号： G06F18/241 文献下载
摘要：本申请公开了一种基于横向联邦学习的数据分类模型训练方法及其相关组件，涉及模型训练技术领域，包括：获取赋权模型的初始超参数和包含数据分类模型参数优化目标的待训练数据分类模型；利用数据训练集对待训练数据分类模型进行训练，得到包含目标数据分类模型参数的数据分类模型，将目标数据分类模型参数上传至服务器端，以便服务器端根据目标数据分类模型参数更新赋权模型的超参数，得到过程超参数并发送至客户端；利用过程超参数更新初次训练后的数据分类模型的数据分类模型参数，重复执行训练的步骤，直至获取最优数据分类模型参数。通过计算数据分类模型训练过程中涉及到的两个参数，解决数据非独立同分布问题，并且实现过程简单便捷。
基于横向联邦学习数据分类模型训练方法及其相关组件

[发明专利]一种联邦学习方法及联邦学习系统-CN202310397410.3在审
发明人：贾俊铖;章红;沈逸回 -专利权人：苏州大学
申请日： 2023-04-14 - 公布日： 2023-07-25 - 主分类号： H04L67/06 文献下载
摘要：本发明公开了一种联邦学习方法及联邦学习系统，学习方法包括：初始化：初始化全局模型参数；分发：将部分或全部全局模型参数下发到边缘设备；参数训练：对全局模型参数进行预训练；更新与上传：服务器下载部分剩余的全局模型参数，并下发到边缘设备进行参数训练，并提前上传部分模型参数更新，在完成训练时，上传最终模型参数更新；聚合：对所有的模型参数进行加权平均，聚合为新的模型；对新的模型重复顺序执行初始化、分发、参数训练和更新与上传以及聚合步骤通过联邦学习方法，在边缘设备的训练阶段上传部分训练完成的模型参数，可以减少边缘设备在整体模型训练完成后的上传数据量，以此实现了降低边缘设备的上传模型参数的时间。
一种联邦学习方法学习系统

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条