[发明专利]一种超参数的调整方法、装置及计算机可读存储介质

权利要求书

1.一种超参数的调整方法，其特征在于，包括：

利用采集函数集合中每一个采集函数分别选取采样点进行采样，以获得采样信息；

将获得的采样信息输入机器学习模型，得到与采样信息个数对应的计算结果；

获取符合预设条件的目标计算结果，并将所述目标计算结果对应的采样函数作为目标采样函数；

将所述目标采样函数作为贝叶斯优化调参方法中的采样函数对机器学习模型的超参数进行调整。

2.根据权利要求1所述的调整方法，其特征在于，所述采样函数集合至少包括以下至少两种采样函数：期望提升策略EI采样函数、概率提升策略PI采样函数、高斯过程上置信边界策略GP-UCB采样函数、基于信息的汤普森采样函数和熵增加策略采样函数。

3.根据权利要求1所述的调整方法，其特征在于，所述预设条件包括：精度小于第一预设阈值。

4.根据权利要求1所述的调整方法，其特征在于，所述预设条件包括：损失值小于第二预设阈值。

5.根据权利要求1所述的调整方法，其特征在于，所述利用采集函数集合中每一个采集函数分别选取采样点进行采样，以获得采样信息，包括：

当所述机器学习模型的运行步数超过预设步数，利用所述采集函数集合中每一个采集函数分别选取采样点进行采样，以获得采样信息；

或者，

当所述机器学习模型的运行时间超过预设时间，利用所述采集函数集合中每一个采集函数分别选取采样点进行采样，以获得采样信息。

6.一种超参数的调整装置，其特征在于，包括：

获取模块，用于利用采集函数集合中每一个采集函数分别选取采样点进行采样，以获得采样信息；

处理模块，用于将获得的采样信息输入机器学习模型，得到与采样信息个数对应的计算结果；

所述获取模块，还用于获取符合预设条件的目标计算结果，并将所述目标计算结果对应的采样函数作为目标采样函数；

所述处理模块，还用于将所述目标采样函数作为贝叶斯优化调参方法中的采样函数对机器学习模型的超参数进行调整。

7.根据权利要求6所述的调整装置，其特征在于，所述采样函数集合至少包括以下至少两种采样函数：期望提升策略EI采样函数、概率提升策略PI采样函数、高斯过程上置信边界策略GP-UCB采样函数、基于信息的汤普森采样函数和熵增加策略采样函数。

8.根据权利要求6所述的调整装置，其特征在于，当所述机器学习模型的运行步数超过预设步数，所述获取模块具体用于利用所述采集函数集合中每一个采集函数分别选取采样点进行采样，以获得采样信息；

当所述机器学习模型的运行时间超过预设时间，所述获取模块具体用于利用所述采集函数集合中每一个采集函数分别选取采样点进行采样，以获得采样信息。

9.一种超参数的调整装置，其特征在于，包括：处理器和存储器，其中，存储器中存储有以下可被处理器执行的命令：

利用采集函数集合中每一个采集函数分别选取采样点进行采样，以获得采样信息；

将获得的采样信息输入机器学习模型，得到与采样信息个数对应的计算结果；

获取符合预设条件的目标计算结果，并将所述目标计算结果对应的采样函数作为目标采样函数；

将所述目标采样函数作为贝叶斯优化调参方法中的采样函数对机器学习模型的超参数进行调整。

10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机可执行命令，所述计算机可执行命令用于执行以下步骤：

利用采集函数集合中每一个采集函数分别选取采样点进行采样，以获得采样信息；

将获得的采样信息输入机器学习模型，得到与采样信息个数对应的计算结果；

获取符合预设条件的目标计算结果，并将所述目标计算结果对应的采样函数作为目标采样函数；

将所述目标采样函数作为贝叶斯优化调参方法中的采样函数对机器学习模型的超参数进行调整。