[发明专利]任务数据的处理方法、装置、设备和存储介质

说明书

本发明提供一种任务数据的处理方法、装置、设备和存储介质，该方法包括：获取待处理的任务数据；将所述待处理的任务数据输入至预设的多任务学习网络进行处理，得到多个目标输出数据；其中，所述多任务学习网络为基于多个训练完成的目标单任务学习网络和第一训练数据集进行训练得到的神经网络。该方法中的多任务学习网络可对待处理数据更加准确的输出，从而降低处理待处理任务数据时存在的过拟合概率。进一步的，将待处理的任务数据输入至本实施例中的多任务学习网络中时，可提高待处理任务数据的处理精度以及处理效率。

技术领域

本发明涉及神经网络领域，特别涉及一种任务数据的处理方法、装置、设备和存储介质。

背景技术

随着神经网络技术的发展，神经网络被应用到越来越多的领域，例如运用神经网络进行垃圾邮件过滤、网页检索、图像识别以及语音识别等。其中，神经网络可分为单任务学习网络与多任务学习网络。

针对多任务学习网络，传统技术在训练得到该多任务学习网络时，经常采用隐藏层的硬参数(Hard)或软参数(Soft)共享的方式进行构建。以硬参数共享方式为例，其在具体构建多任务学习网络时，是基于相应的训练数据以及初始多任务神经网络，通过调整神经网络中相应神经元的权重值和偏置值，得到多任务学习网络，从而利用该多任务学习网络进行多任务的图像识别等任务。

但是，采用传统技术得到的多任务学习网络，在处理多个任务数据时经常存在过拟合的情况，导致任务数据处理精度不高，处理效率低下。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高任务数据处理精度以及处理效率的任务数据的处理方法、装置、设备和存储介质。

第一方面，本发明实施例提供一种任务数据的处理方法，所述方法包括：

获取待处理的任务数据；

将所述待处理的任务数据输入至预设的多任务学习网络进行处理，得到多个目标输出数据；

其中，所述多任务学习网络为基于多个训练完成的目标单任务学习网络和第一训练数据集进行训练得到的神经网络，所述多任务学习网络具有多个任务处理层，一个任务处理层包括至少一个神经元函数；所述目标单任务学习网络为基于一个初始单任务学习网络和第二训练数据集进行训练得到的神经网络；

所述第一训练数据集包括所述多任务学习网络的第一训练输入数据和第一训练输出标签，所述第二训练数据集包括每个初始单任务学习网络的第二训练输入数据和第二训练输出标签。

第二方面，本发明实施例提供一种任务数据的处理装置，所述装置包括：

获取模块，用于获取待处理的任务数据；

确定模块，用于将所述待处理的任务数据输入至预设的多任务学习网络进行处理，得到多个目标输出数据；

其中，所述多任务学习网络为基于多个训练完成的目标单任务学习网络和第一训练数据集进行训练得到的神经网络，所述多任务学习网络具有多个任务处理层，一个任务处理层包括至少一个神经元函数；所述目标单任务学习网络为基于一个初始单任务学习网络和第二训练数据集进行训练得到的神经网络；

所述第一训练数据集包括所述多任务学习网络的第一训练输入数据和第一训练输出标签，所述第二训练数据集包括每个初始单任务学习网络的第二训练输入数据和第二训练输出标签。

第三方面，本发明实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取待处理的任务数据；

将所述待处理的任务数据输入至预设的多任务学习网络进行处理，得到多个目标输出数据；