

模型的处理方法、装置、计算机设备和可读存储介质.pdf
慧颖****23
亲,该文档总共23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
模型的处理方法、装置、计算机设备和可读存储介质.pdf
本发明涉及一种模型处理方法、装置、计算机设备和可读存储介质。该方法包括:从预设的功能区模型库中,获取待拖动至设计区域的功能区模型;其中,所述功能区模型为依据真实模型的第一属性信息抽象出来的立体轮廓控制框,所述真实模型中包括多个子模型;根据所述功能区模型的面和/或棱边的第二属性信息,确定所述功能区模型在所述设计区域的第一可视化摆放信息以及功能区子模型的第二可视化摆放信息;其中,所述第二属性信息与所述第一属性信息相关联;根据所述第一可视化摆放信息和所述第二可视化摆放信息,将所述功能区模型与所述功能区子模型拖动
模型的处理方法、装置、计算机设备和可读存储介质.pdf
本发明涉及一种模型的处理方法、装置、计算机设备和可读存储介质。该方法可以包括:获取多个功能区模型的第一属性信息;所述功能区模型为依据真实模型的第二属性信息抽象出来的立体轮廓控制框或三维模型;根据各所述第一属性信息,确定功能区组装规则;所述功能区组装规则用于表示功能区模型的空间位置分布及关联关系;根据所述功能区组装规则,确定组装结果集合;所述组装结果集合包括各个功能区模型的多种组合方式;根据预设的选择策略,从所述组装结果集合中确定目标组合方式;根据所述目标组合方式,将对应的功能区模型拖动至对应的设计区域。该
翻译模型的处理方法、装置和计算机可读存储介质.pdf
本公开涉及一种翻译模型的处理方法、装置和计算机可读存储介质,涉及计算机技术领域。本公开的方法包括:获取多组训练语句,其中,每组训练语句包括:原语句和目标翻译语句;针对每组训练语句,将原语句输入翻译模型的编码器,得到原语句的特征向量,并将原语句的特征向量输入翻译模型的解码器;针对解码器生成的除句尾之外每个位置的词语,确定该词语和该词语之前的各个词语组成的已生成语句与目标翻译语句之间的语义相似度;根据语义相似度选取该词语或者目标翻译语句中与该词语相同位置的词语生成下一位置的词语;根据解码器生成的各个位置的词语
模型参数的处理方法、装置、计算机设备和可读存储介质.pdf
本申请提供一种模型参数的处理方法、装置、计算机设备和可读存储介质,其中,该方法包括:获取预设模型的第一参数和第二参数,根据预设比率,从所述第二参数中移除出目标数量的第三参数,在所述第一参数和所述第三参数中选取出目标参数,将所述目标参数再生回所述预设模型中。该技术方案中,通过在剪枝后剩余的第二参数中移除出目标数量的第三参数,然后从被剪枝掉的第一参数和被移除掉的第三参数中选择出目标参数,再生回模型中,能够实现参数的零成本再生,避免剪枝过程中重要的参数被剪掉无法再生回来,提高模型的预测精度。
网络模型处理方法、装置、设备及计算机可读存储介质.pdf
本公开提供一种网络模型处理方法、装置、设备及计算机可读存储介质,方法包括:获取待训练数据集,待训练数据集中包括目标场景下的音频训练数据、音频训练数据对应的文本标注结果;根据预设的识别模型以及待训练模型,确定CTC损失函数、知识蒸馏损失函数以及注意力损失函数,识别模型为采用预设的旧场景训练数据训练后的网络模型,待训练模型是根据识别模型进行复制操作获得的;根据CTC损失函数、知识蒸馏损失函数以及注意力损失函数确定目标损失函数;采用待训练数据集以及目标损失函数对待训练模型进行训练,获得训练后的语音识别模型。从而