内容提供者
模型训练方法、装置、设备、存储介质.pdf
2023-04-19
10金币
1KB
25页
一只****iu
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共25页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
模型训练方法、装置、设备、存储介质.pdf
本公开实施例公开了一种模型训练方法、装置、设备、存储介质,其中,所述方法包括:优化器构造接口基于优化器构造参数,构建优化器;响应于基于深度学习模型的反向传播梯度计算完成,可学习参数更新接口基于所述优化器和所述深度学习模型中可学习参数和所述可学习参数对应的梯度信息,确定更新后的可学习参数;所述可学习参数更新接口基于更新后的可学习参数,得到参数更新后的深度学习模型。
2023-04-19
10
1KB
模型训练方法、装置、设备及存储介质.pdf
本申请实施例提供一种模型训练方法、装置、设备及存储介质，通过获取样本数据集；基于所述样本数据集对模型进行多轮训练，在训练过程中，采用前一轮训练中得到的困难样本进行下一轮的训练，直至所述模型基于所述样本数据集中的所有样本均能输出正确结果为止，得到目标模型，其中，所述困难样本是指在训练过程中预先标定结果与模型输出结果不一致的样本。本申请实施例能够提升模型训练的效率和模型的准确性。
2023-08-30
10
454KB
模型训练方法、装置、设备与存储介质.pdf
本申请涉及人工智能技术领域，本申请提供一种模型训练方法、装置、设备与存储介质，模型训练方法包括：获取输入样本，并根据输入样本构造第一样本对和第二样本对，第一样本对包含输入样本和与输入样本关联的正样本，第二样本对包含输入样本和与输入样本关联的负样本；将第一样本对输入第一模型，获得输入样本与正样本之间的第一相似度得分；将第二样本对输入第二模型，获得输入样本与负样本之间的第二相似度得分，第二模型与第一模型相同；计算第一相似度得分与第二相似度得分之间的得分差；若得分差不满足目标条件，对第一模型和第二模型参数进行调
2023-07-25
10
788KB
模型训练方法、装置、设备及存储介质.pdf
本申请公开了模型训练方法和装置，具体实现方案为：获取用户行为序列样本集；将样本集中的用户行为序列输入至第一模型，得到第一预选条目的概率分布和第一目标条目，其中，第一模型为预先训练的教师模型；将样本集中的用户行为序列作为输入，将第二预选条目的概率分布和第二目标条目作为输出，对第二模型进行训练，得到用户行为预测模型，其中，第二模型为待训练的学生模型，用户行为预测模型的训练目标包括第一目标，第一目标为使第二目标条目对应向量和第一目标条目对应向量保持一致，第一模型和/或第二模型的训练任务包括辅助任务，辅助任务包括
2023-06-14
10
781KB
模型训练方法、装置、设备及存储介质.pdf
本公开实施例公开了一种模型训练方法、装置、设备及存储介质，其中，所述方法包括：损失函数缩放器创建接口基于缩放器构造参数，创建损失函数缩放器；在对深度学习模型进行的每一轮次混合精度训练的前向传播过程中，损失函数缩放器缩放接口基于所述损失函数缩放器，对所述深度学习模型在当前轮次混合精度训练中输出的损失值进行放大处理，得到放大后的所述损失值；在每一所述轮次混合精度训练的反向传播过程中，损失函数优化器迭代接口利用设定的优化器和所述损失函数缩放器，基于放大后的所述损失值，对所述深度学习模型中的网络参数进行更新，得到
2023-08-20
10
1MB