内容提供者
模型生成方法及装置、电子设备和存储介质.pdf
2023-07-25
10金币
874KB
33页
韶敏****ab
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33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
模型生成方法及装置、电子设备和存储介质.pdf
本公开涉及一种模型生成方法及装置、电子设备和存储介质，所述方法包括：响应于针对目标数据集的划分操作，对目标数据集进行划分，得到多个子数据集以及与各个子数据集分别对应的标签集；响应于针对数据处理模型的训练操作，根据训练操作指示的子数据集以及标签集，对训练操作指示的数据处理模型进行训练，得到训练后的数据处理模型。本公开实施例可实现提高学生对人工智能技术的学习效果。
2023-07-25
10
874KB
场景模型生成方法、装置、电子设备和存储介质.pdf
本发明实施例公开了一种场景模型生成方法、装置、电子设备和计算机可读存储介质；本发明实施例可获取目标场景的关联模型，所述关联模型包括所述目标场景的至少一个子基础模型，所述子基础模型携带有样式控制节点；获取所述目标场景的目标样式控制参数；基于所述样式控制节点，根据所述目标样式控制参数调整所述子基础模型的控制参数，得到所述目标场景的目标样式模型，所述子基础模型的控制参数用于控制所述子基础模型对应的场景样式的显示。本发明实施例可以避免场景模型制作时的重复工作量，提升场景模型的制作效率。
2023-07-24
10
631KB
预训练模型的生成方法、装置、电子设备和存储介质.pdf
本公开提出了一种预训练模型的生成方法、装置、电子设备和存储介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域，可应用于图像处理、图像识别等场景。方案为：对包含多个模型的超网络执行对应的训练任务，从训练后的超网络中选取部分模型进行模型组合得到多组候选模型组合，采用各组候选模型组合对第一样本集进行特征提取，根据各组候选模型组合所提取特征的信息熵，从多组候选模型组合中选取目标模型组合，根据目标模型组合生成预训练模型。本公开中超网络训练多个模型，提高了模型训练的速度和关联性，通过信息熵评估模型组合提
2023-07-25
10
783KB
预训练模型的生成方法、装置、电子设备和存储介质.pdf
本公开提出了一种预训练模型的生成方法、装置、电子设备和存储介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域，可应用于图像处理、图像识别等场景。方案为：对包含多个模型的超网络执行对应的训练任务，从训练后的超网络中选取部分模型进行模型组合得到多组候选模型组合，采用第一图像集测试各组候选模型组合，以得到各组候选模型组合对第一图像集进行特征提取时所关注的关注图像区域，根据各组候选模型组合的关注图像区域的面积，从多组候选模型组合中选取目标模型组合，根据目标模型组合生成预训练模型，本公开中根据各组候选
2023-07-25
10
948KB
预训练模型的生成方法、装置、电子设备和存储介质.pdf
本公开提出了一种预训练模型的生成方法、装置、电子设备和存储介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域，可应用于图像处理、图像识别等场景。方法为：采用模型集合内选取的多个候选模型，对测试集内的样本进行特征提取，并对各候选模型输出的特征进行特征融合，得到融合特征，根据融合特征执行设定的目标识别任务，以得到预测信息，根据预测信息与样本的标准信息之间的差异，确定多个候选模型的组合性能，在组合性能满足设定性能指标的情况下，根据多个候选模型生成预训练模型，本公开中根据候选模型的组合在目标识别任务
2023-07-25
10
788KB