申请/专利权人:中国科学院自动化研究所
申请日:2022-03-09
公开(公告)日:2022-07-12
公开(公告)号:CN114743041A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/774;G06V10/74;G06K9/62;G06V10/82;G06N3/04;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2023.01.03#授权;2022.07.29#实质审查的生效;2022.07.12#公开
摘要:本发明提供了一种预训练模型抽选框架的构建方法及装置,该方法包括:选取图像数据集和自监督对比学习框架;根据图像数据集和自监督对比学习框架对构建的超网预训练模型进行训练,得到训练好的超网预训练模型;选取下游迁移任务和下游迁移数据集;在基于自监督对比学习框架获取的采样空间中筛选符合预设条件的第一模型,基于下游迁移任务和下游迁移数据集计算第一模型与训练好的超网预训练模型的相似度;基于相似度的计算结果,确定与训练好的超网预训练模型共享权重的目标预训练模型,得到预训练模型抽选框架。该方法可以实现高效的下游任务定制化抽取,抽取出的模型具有极佳的泛化能力。
主权项:1.一种预训练模型抽选框架的构建方法,其特征在于,包括:选取图像数据集和自监督对比学习框架;根据所述图像数据集和所述自监督对比学习框架对构建的超网预训练模型进行训练,得到训练好的超网预训练模型;选取下游迁移任务和下游迁移数据集;在基于所述自监督对比学习框架获取的采样空间中筛选符合预设条件的第一模型,基于所述下游迁移任务和所述下游迁移数据集计算所述第一模型与所述训练好的超网预训练模型的相似度;基于所述相似度的计算结果,确定与所述训练好的超网预训练模型共享权重的目标预训练模型,得到预训练模型抽选框架。
全文数据:
权利要求:
百度查询: 中国科学院自动化研究所 一种预训练模型抽选框架的构建方法及装置
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。