申请/专利权人:北京松果电子有限公司
申请日:2020-03-27
公开(公告)日:2020-07-28
公开(公告)号:CN111460150A
主分类号:G06F16/35(20190101)
分类号:G06F16/35(20190101);G06N3/04(20060101);G06N3/08(20060101);G06T7/194(20170101)
优先权:
专利状态码:有效-授权
法律状态:2023.11.10#授权;2020.08.21#实质审查的生效;2020.08.07#著录事项变更;2020.07.28#公开
摘要:本公开是关于一种分类模型的训练方法、分类方法、装置及存储介质,该训练方法包括:基于预先训练好的第一模型对已标注数据集进行处理,分别得到已标注数据集中各个已标注样本数据在N个类别的N个第一类别概率;分别从各已标注样本数据所对应的N个第一类别概率中选取最大的K个第一类别概率,并确定各已标注样本数据的K个第一类别概率所对应的K个第一预测标签;基于已标注数据集、各已标注样本数据的真实标签以及各已标注样本数据的K个第一预测标签,训练第二模型。相较于基于第一模型输出的所有第一预测标签训练第二模型,能减少存储第一预测标签需要占用的内存空间;当基于第一预测标签计算第二模型的训练损失时,还能提高数据的计算速度。
主权项:1.一种分类模型的训练方法,其特征在于,应用于电子设备,包括:基于预先训练好的第一模型对已标注数据集进行处理,分别得到所述已标注数据集中各个已标注样本数据在N个类别的N个第一类别概率;分别从各个所述已标注样本数据所对应的N个第一类别概率中选取最大的K个所述第一类别概率,并确定各个所述已标注样本数据的所述K个第一类别概率所对应的K个第一预测标签,其中,所述K和所述N为正整数,且所述K小于所述N;基于所述已标注数据集、各个所述已标注样本数据的真实标签以及各个所述已标注样本数据的K个所述第一预测标签,训练第二模型。
全文数据:
权利要求:
百度查询: 北京松果电子有限公司 一种分类模型的训练方法、分类方法、装置及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。