申请/专利权人:第四范式(北京)技术有限公司
申请日:2019-07-10
公开(公告)日:2024-05-10
公开(公告)号:CN110751286B
主分类号:G06N3/09
分类号:G06N3/09;G06N3/045
优先权:["20180723 CN 2018108122433"]
专利状态码:有效-授权
法律状态:2024.05.10#授权;2021.08.06#实质审查的生效;2020.02.04#公开
摘要:提供了一种神经网络模型的训练方法和训练系统。所述训练方法包括:获取训练数据记录;基于训练数据记录的属性信息来生成训练样本的特征,并将训练数据记录的标记作为训练样本的标记;以及利用训练样本的集合来训练神经网络模型,其中,在训练神经网络模型的过程中,针对神经网络模型之中的主体神经网络结构之中的至少一部分层,分别获得与其中每层的输出对应的层预测结果;基于由神经网络模型的输出层所输出的预测结果与所述标记之间的差异以及每个层预测结果与所述标记之间的层预测差异来构建损失函数;以及根据所述损失函数来调整所述神经网络模型。
主权项:1.一种神经网络模型的训练方法,所述方法包括:获取训练数据记录;基于训练数据记录的属性信息来生成训练样本的特征,并将训练数据记录的标记作为训练样本的标记;以及利用训练样本的集合来训练神经网络模型,其中,在训练神经网络模型的过程中,针对神经网络模型之中的主体神经网络结构之中的至少一部分层,分别获得与其中每层的输出对应的层预测结果,其中,所述主体神经网络结构包括除了所述神经网络模型的输出层之外的全部层或者除了所述神经网络模型的输出层之外起主要预测作用的各个层;基于由神经网络模型的输出层所输出的预测结果与所述标记之间的差异以及每个层预测结果与所述标记之间的层预测差异来构建模型损失函数;以及根据所述模型损失函数来调整所述神经网络模型,其中,所述神经网络模型用于预测图像类别、预测图像中文字、预测文本类别或预测语音情感类别;其中,基于由神经网络模型的输出层所输出的预测结果与所述标记之间的差异以及每个层预测结果与所述标记之间的层预测差异来构建模型损失函数的步骤包括:基于由神经网络模型的输出层所输出的预测结果与所述标记之间的差异来构建输出层损失函数,分别基于每个层预测结果与所述标记之间的层预测差异来构建所述每层的层损失函数,通过对输出层损失函数和各个层损失函数进行加权求和来构建所述模型损失函数。
全文数据:
权利要求:
百度查询: 第四范式(北京)技术有限公司 神经网络模型的训练方法和训练系统
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。