[发明专利]模型训练方法、装置、计算机设备及存储介质

说明书

本申请是关于一种模型训练方法。该方法包括：获取第一样本集，第一样本集包含第一样本图像以及第一样本图像的行为信息，行为信息用于指示虚拟对象的行为动作；通过第一样本集进行模型训练，获得初始模型；获取第二样本集，第二样本集包含第二样本图像以及第二样本图像的行为信息，第二样本图像是通过初始模型控制虚拟对象时的场景画面图像；通过第二样本集对初始模型进行再训练，获得对象控制模型。不需要长时间的在线训练，也不需要准备大量的训练样本，只需要在初始时准备少量训练样本，后续样本在训练过程中对初始模型的执行结果进行修正获得，从而极大的提高对虚拟场景中的虚拟对象进行控制的机器学习模型的训练效率。

技术领域

本申请实施例涉及机器学习技术领域，特别涉及一种模型训练方法、装置、计算机设备及存储介质。

背景技术

在很多构建虚拟场景的应用程序(比如虚拟现实应用程序、三维地图程序、第一人称射击游戏、多人在线战术竞技游戏等)中，系统有对虚拟场景中的虚拟对象进行自动控制的需求。

在相关技术中，虚拟场景中的虚拟对象的自动控制可以通过训练好的深度强化学习模型进行控制。其中，深度强化学习模型为在线训练的机器学习模型，在训练深度强化学习模型时，开发人员预先为深度强化学习模型定义初始参数，并通过深度强化学习模型在线控制虚拟对象，并根据对虚拟对象的控制的反馈不断的对深度强化学习模型的参数进行更新，直至深度强化学习模型对虚拟对象的控制效果达到预定要求。

然而，相关技术中的深度强化学习模型经过需要较长时间的在线训练，导致模型训练的效率较低。

发明内容

本申请实施例提供了一种模型训练方法、装置、计算机设备及存储介质，能够提高对虚拟场景中的虚拟对象进行控制的机器学习模型的训练效率，技术方案如下：

一方面，提供了一种模型训练方法，所述方法包括：

获取第一样本集，所述第一样本集包含第一样本图像以及所述第一样本图像的行为信息，所述第一样本图像是通过终端控制虚拟场景中的虚拟对象时的场景画面图像，所述行为信息用于指示所述虚拟对象的行为动作；

通过所述第一样本集进行模型训练，获得初始模型；

获取第二样本集，所述第二样本集包含第二样本图像以及所述第二样本图像的行为信息，所述第二样本图像是通过所述初始模型控制所述虚拟对象时的场景画面图像，所述第二样本图像的行为信息是对所述初始模型根据所述第二样本图像获得的行为动作进行修正获得的行为信息；

通过所述第二样本集对所述初始模型进行再训练，获得对象控制模型。

另一方面，提供了一种模型训练装置，所述装置包括：

第一样本获取模块，用于获取第一样本集，所述第一样本集包含第一样本图像以及所述第一样本图像的行为信息，所述第一样本图像是通过终端控制虚拟场景中的虚拟对象时的场景画面图像，所述行为信息用于指示所述虚拟对象的行为动作；

第一训练模块，用于通过所述第一样本集进行模型训练，获得初始模型；

第二样本获取模块，用于获取第二样本集，所述第二样本集包含第二样本图像以及所述第二样本图像的行为信息，所述第二样本图像是通过所述初始模型控制所述虚拟对象时的场景画面图像，所述第二样本图像的行为信息是对所述初始模型根据所述第二样本图像获得的行为动作进行修正获得的行为信息；

第二训练模块，用于通过所述第二样本集对所述初始模型进行再训练，获得对象控制模型。

另一方面，提供了一种计算机设备，所述计算机设备包含处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述的模型训练方法。