神经网络训练方法、装置、设备和存储介质.pdf
一吃****仪凡
亲,该文档总共22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
神经网络训练方法、装置、设备和存储介质.pdf
本发明涉及一种神经网络训练方法、装置、设备和存储介质,终端通过预设的提取方法,获取待训练图片的第一前景信息和第二前景信息,并根据第一前景信息,采用预设的编码器获得教师网络低维特征图,同时根据第二前景信息,采用编码器获得学生网络低维特征图,进而根据教师网络低维特征图和学生网络低维特征图,确定学生网络的监督损失函数,并根据监督损失函数,及预设的自学习损失函数,训练学生网络,自学习损失函数用于根据真实的数据标签训练学生网络。使得训练学生网络的损失函数中同时使用了只作用于前景信息的监督损失函数,和根据真实数据标签
神经网络训练方法、装置、电子设备及存储介质.pdf
本申请实施例提供了神经网络训练方法、装置,该方法包括:将多个训练样本分别输入多个子网络中,其中,每个子网络对应一个训练样本,每个子网络对应的训练样本不同;对目标子网络的目标网络单元输出的第一特征图和对应于第一特征图的第二特征图执行特征融合操作,得到图像融合结果,第二特征图为目标网络单元的关联网络单元输出的特征图或者目标网络单元的关联网络单元的融合特征图;根据图像融合结果得到预测结果;根据预测结果和最后一个目标子网络的监督信息,确定目标损失,以及至少基于目标损失,更新多个子网络。
神经网络模型的训练方法、装置、电子设备及存储介质.pdf
本公开提供了神经网络模型的训练方法、装置、电子设备及存储介质,涉及及机器学习领域,尤其涉及深度学习技术领域。具体实现方案为:基于行为一致的多个子张量,构建融合张量并将融合张量存储至预设显存中;构建融合张量与子张量间的映射关系;在需要使用目标子张量的情况下,基于映射关系从融合张量中提取目标子张量以训练神经网络模型;在需要使用融合张量的情况下,从预设显存中提取融合张量以训练神经网络模型。本公开将具有同一行为的子张量进行融合,以融合张量为单位进行处理,可减少计算量,节约计算资源。而且相比通信融合方式,能够减少占
神经网络训练方法、装置、可读存储介质和计算机设备.pdf
本申请涉及一种神经网络训练方法、装置、计算机可读存储介质和计算机设备,该方法包括:获取第二神经网络模型,第二神经网络模型的第一网络层包括多个特征领域,各个特征领域存在对应的模型参数,模型参数为与第一网络层连接的第二网络层的输入参数;从第一神经网络模型获取与第一网络层对应的第三网络层,第一神经网络模型已经达到收敛;获取第三网络层中与第一网络层中相同的特征领域,获取相同的特征领域对应的模型参数得到保留模型参数;将保留模型参数作为第二神经网络模型匹配的特征领域的模型参数;输入训练样本至第二神经网络模型进行训练,
预训练方法、装置、设备和存储介质.pdf
本申请公开了一种预训练方法、装置、设备和存储介质,属于计算机技术领域。所述方法包括:得到字符掩盖处理后的初始文本句;基于字符掩盖处理后的初始文本句和句前的附加字符,得到目标文本句;确定目标文本句对应的mask矩阵,mask矩阵包括多个元素,每个元素用于向待训练的特征提取模型指示在目标文本句中元素对应的两个字符在特征提取过程中的运算关联度,句前的附加字符对应的元素不为0;基于初始文本句、目标文本句和mask矩阵,对待训练的特征提取模型进行训练。采用本申请,不仅仅可以得到目标文本句中每个字符对应的特征向量,还