[發(fā)明專利]模型的訓(xùn)練方法、裝置、電子設(shè)備及存儲介質(zhì)有效
| 申請?zhí)枺?/td> | 202011107097.8 | 申請日： | 2020-10-16 |
| 公開（公告）號： | CN112405521B | 公開（公告）日： | 2022-02-25 |
| 發(fā)明（設(shè)計）人： | 王凡;田浩;方曉敏;何徑舟 | 申請（專利權(quán)）人： | 北京百度網(wǎng)訊科技有限公司 |
| 主分類號： | B25J9/16 | 分類號： | B25J9/16 |
| 代理公司： | 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201 | 代理人： | 張大威 |
| 地址： | 100085 北京市*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 模型 訓(xùn)練 方法 裝置 電子設(shè)備 存儲 介質(zhì) | ||
1.一種模型的訓(xùn)練方法，所述方法包括：
獲取元模型集合；
根據(jù)所述元模型集合，生成衍生模型，并將所述衍生模型作為元模型添加至所述元模型集合中；
對所述元模型集合進行元訓(xùn)練，以確定所述元模型集合中經(jīng)過訓(xùn)練的每一元模型的性能參數(shù)；
根據(jù)所述性能參數(shù)，對所述元模型集合中的元模型進行篩選，以將篩選保留的元模型進行目標(biāo)任務(wù)的適配訓(xùn)練，得到用以執(zhí)行所述目標(biāo)任務(wù)的適配模型；
所述根據(jù)所述元模型集合，生成衍生模型，包括：
對所述元模型集合內(nèi)的元模型，更新模型參數(shù)的初始值，以生成所述衍生模型。
2.根據(jù)權(quán)利要求1所述的訓(xùn)練方法，其中，所述對所述元模型集合內(nèi)的元模型，更新所述模型參數(shù)的初始值，以生成所述衍生模型，包括：
從所述元模型集合中，選取兩個元模型；
交換所述兩個元模型中部分所述模型參數(shù)的初始值，以得到至少兩個衍生模型。
3.根據(jù)權(quán)利要求1所述的訓(xùn)練方法，其中，所述對所述元模型集合內(nèi)的元模型，更新所述模型參數(shù)的初始值，以生成所述衍生模型，包括：
針對每一個所述元模型，將所述模型參數(shù)的初始值多次疊加噪聲，以根據(jù)每一次疊加噪聲得到的模型參數(shù)，生成對應(yīng)的一個所述衍生模型。
4.根據(jù)權(quán)利要求3所述的訓(xùn)練方法，其中，所述針對每一個所述元模型，將所述模型參數(shù)的初始值多次疊加噪聲，包括：
針對每一次疊加噪聲，根據(jù)本次疊加噪聲的元模型中各模型參數(shù)的設(shè)定噪聲方差，確定各所述模型參數(shù)的隨機高斯噪聲值；
將每一所述模型參數(shù)的隨機高斯噪聲值與對應(yīng)的所述初始值疊加，以得到疊加噪聲的各所述模型參數(shù)；
根據(jù)疊加噪聲的各所述模型參數(shù)，生成對應(yīng)的所述衍生模型。
5.根據(jù)權(quán)利要求1-4任一項所述的訓(xùn)練方法，其中，所述對所述元模型集合進行元訓(xùn)練，包括：
從多個任務(wù)的訓(xùn)練樣本中隨機選定各輪迭代訓(xùn)練過程的目標(biāo)訓(xùn)練樣本；
對所述元模型集合中的一個元模型執(zhí)行多輪迭代訓(xùn)練過程。
6.根據(jù)權(quán)利要求5所述的訓(xùn)練方法，其中，所述對所述元模型集合中的每一個元模型執(zhí)行多輪迭代訓(xùn)練過程，包括：
獲取所述元模型對應(yīng)的代理，其中，所述代理包括推理器和適配器；
采用所述代理，根據(jù)各輪的所述目標(biāo)訓(xùn)練樣本，對所述元模型執(zhí)行多輪迭代訓(xùn)練過程，其中，每一輪迭代訓(xùn)練過程包括：所述推理器根據(jù)本輪的所述目標(biāo)訓(xùn)練樣本指示的狀態(tài)參數(shù)和本輪采用的元模型，生成本輪的動作參數(shù)；所述適配器獲取根據(jù)本輪的動作參數(shù)，控制被控對象執(zhí)行對應(yīng)的動作所得到的反饋參數(shù)，以及根據(jù)所述反饋參數(shù)、本輪的狀態(tài)參數(shù)和本輪的動作參數(shù)，更新本輪采用的元模型的模型參數(shù)，以得到下一輪采用的元模型。
7.根據(jù)權(quán)利要求6所述的訓(xùn)練方法，其中，所述確定所述元模型集合中經(jīng)過訓(xùn)練的每一元模型的性能參數(shù)，包括：
根據(jù)每一元模型在執(zhí)行各輪所述迭代訓(xùn)練過程中的所述反饋參數(shù)，生成每一元模型的性能參數(shù)。
8.根據(jù)權(quán)利要求1-4任一項所述的訓(xùn)練方法，其中，所述將篩選保留的元模型進行目標(biāo)任務(wù)的適配訓(xùn)練，包括：
獲取目標(biāo)任務(wù)的多個訓(xùn)練樣本；
對所述篩選保留的元模型，獲取對應(yīng)的代理，其中，所述代理包括推理器和適配器；
采用所述代理，對所述篩選保留的元模型根據(jù)所述目標(biāo)任務(wù)的訓(xùn)練樣本，執(zhí)行多輪迭代訓(xùn)練過程；
其中，每一輪迭代訓(xùn)練過程包括：所述推理器根據(jù)本輪的訓(xùn)練樣本指示的狀態(tài)參數(shù)和本輪采用的元模型，生成本輪的動作參數(shù)；所述適配器獲取根據(jù)本輪的動作參數(shù)，控制被控對象執(zhí)行對應(yīng)的動作所得到的反饋參數(shù)，以及根據(jù)所述反饋參數(shù)、本輪的狀態(tài)參數(shù)和本輪的動作參數(shù)，更新本輪采用的元模型的模型參數(shù)，以得到下一輪采用的元模型。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京百度網(wǎng)訊科技有限公司，未經(jīng)北京百度網(wǎng)訊科技有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/202011107097.8/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
