内容提供者
模型训练方法、装置、电子设备及存储介质.pdf
2023-05-18
10金币
1.3MB
24页
一只****生物
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24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、电子设备及存储介质.pdf
本公开提供了一种模型训练方法、装置、电子设备及存储介质，该模型训练方法包括：通过宿主机进程获取训练数据，并针对采用主从结构的训练节点集群对训练数据进行划分得到多个子训练数据；训练节点集群包括主节点和多个工作节点，宿主机进程运行于非可信执行环境内，训练节点集群运行于可信执行环境内；通过宿主机进程对每个子训练数据进行加密，并将加密后的子训练数据存储至宿主机进程的共享内存中；控制主节点及各个工作节点分别根据对应的数据存储地址从共享内存中获取对应的加密的子训练数据，并使用各自对应的解密的子训练数据分别对预设模型进
2023-06-11
10
1MB
模型训练方法、装置、电子设备及存储介质.pdf
本申请提供一种模型训练方法和装置,该方法包括:获取原始数据集和多个样本集;获取每个样本集中的训练节点关系图以及训练节点及其邻接节点的训练特征向量作为输入值;将输入值输入多层感知器,并利用多层感知器卷积公式聚合,使得在第k次聚合中利用每个训练节点及其邻接节点在第k?1次聚合得到的向量表示,获得每个训练节点在第k次聚合后的向量表示,并且将预定次数聚合后的向量表示输出为每个训练节点的输出值;针对每个样本集,利用输入值和输出值进行模型修正,获得每个样本集的子模型;以及对子模型进行模型融合以获得图神经网络模型。本申
2023-05-24
10
1.3MB
模型训练方法、装置、电子设备及存储介质.pdf
本申请提供一种模型训练方法和装置,该方法包括:获取原始数据集和多个样本集;获取每个样本集中的训练节点关系图以及训练节点及其邻接节点的训练特征向量作为输入值;将输入值输入多层感知器,并利用多层感知器卷积公式聚合,使得在第k次聚合中利用每个训练节点及其邻接节点在第k?1次聚合得到的向量表示,获得每个训练节点在第k次聚合后的向量表示,并且将预定次数聚合后的向量表示输出为每个训练节点的输出值;针对每个样本集,利用输入值和输出值进行模型修正,获得每个样本集的子模型;以及对子模型进行模型融合以获得图神经网络模型。本申
2023-05-18
10
1.3MB
模型训练方法、装置、电子设备及存储介质.pdf
本申请提供一种模型训练方法、装置、电子设备及存储介质，涉及信息处理技术领域，用于提高神经网络模型预测多个出行指标的预测准确度。该方法包括：获取目标用户的样本数据；将样本数据输入预设神经网络模型中，预测目标用户在第二时间段的多个出行指标中每个出行指标的预测准确度；第二时间段为第一时间段后的时间段；根据每个出行指标的预测准确度，以及每个出行指标的预测准确度对应的第一权重值，确定预设神经网络模型的预测准确度；根据预设神经网络模型的预测准确度，确定用户出行预测模型。这样，依据每个出行指标的预测准确度和权重值调整神
2023-07-25
10
1.2MB
模型训练方法、装置、电子设备及存储介质.pdf
本公开提供了一种模型训练方法、装置、电子设备及存储介质，涉及人工智能领域，尤其涉及神经网络、大数据等技术领域。具体实现方案为：将视频样本输入待训练的多模态特征提取模型，得到视频特征和文本特征；采用同一视频样本的视频特征和文本特征构建正样本，不同视频样本的视频特征和文本特征构建负样本；基于正负样本训练多模态特征提取模型的；进而采用已训练的多模态特征提取模型提取视频特征和文本特征；采用文本特征和视频特征的融合特征微调目标任务的网络模型。本公开实施例中自动标注出正负样本，能够支持采用海量数据训练多模态特征提取模
2023-06-02
10
924KB