[发明专利]模型生成服务器及其模型生成方法

说明书

一种模型生成服务器及其模型生成方法。模型生成服务器存储一模型生成程序，其具有一配置组合。模型生成服务器针对特征类别、模型演算法类别及超参数，随机产生多个第一配置组合码，以设定配置组合，并基于第一优化演算法，运行模型生成程序，以决定一第一模型。根据第一模型对应的配置组合码所指示至少一选定特征类别及至少一选定模型演算法类别，模型生成服务器更针对特征、模型演算法及超参数，随机产生多个第二配置组合码，以设定配置组合，并基于第二优化演算法，运行模型生成程序，以决定一优化模型。

【技术领域】

本发明是关于模型生成服务器及其模型生成方法。具体而言，本发明的模型生成服务器进行二个阶段配置编码及优化程序，来生成优化模型。

【背景技术】

随着科技的快速发展，机器学习及深度学习已成为目前科技研究的主流，且被广泛的应用在各种领域，例如：人脸辨识、自动驾驶、语音自动口译等。通过机器学习及深度学习以生成所需应用的模型的过程中，在进行模型训练前，开发者必须先通过人工方式依经验设定所需自原始数据中撷取的特征，并选择欲训练的模型演算法，同时在模型训练过程中亦需调整与模型演算法相关的所有参数(例如：基础参数及超参数)。

然而，在目前模型训练的过程中，机器学习及深度学习通常只能自动调整模型演算法的基础参数，例如：卷积层或全连接层的权重(weight)和偏置项(bias)，而超参数大多是人工根据经验设定，并需经由多次的尝试来进行调整。在可选择的特征数量及模型演算法数量相当繁多，且超参数的调整仍需经由人工不断地反复地尝试调整的情况下，开发者需投入大量的时间在选择所需撷取的特征及所需训练的模型演算法，并调整超参数，才得以生成适当的模型，且难以评估所生成的模型是否为一优化模型。

因此，便需要生成优化模型的一种模型生成机制，以用于如：人脸辨识、自动驾驶、语音自动口译等相关应用中。

【发明内容】

本发明的目的在于提供一种模型生成机制，其借由将模型训练中可选择的特征配置与模型演算法配置及可调整的超参数配置，进行配置组合编码，以产生多个配置组合码，并基于配置组合码，进行模型训练，同时基于优化演算法决定优化配置组合码，来生成优化模型。再者，本发明的模型生成机制是将优化程序分成两阶段，第一阶段主要是针对特征类别及模型演算法类别来进行第一阶段优化模型选择，而第二阶段进一步地对第一阶段优化模型所对应的特征类别中的特征及模型演算法类别中的模型演算法来进行第二阶段优化模型选择，并自动调整超参数配置，以生成最终的模型。如此一来，本发明的模型生成机制可有效地选择所需撷取的特征及所需训练的模型演算法，并自动调整超参数，以生成一优化模型。