[发明专利]一种模型参数确定方法、装置、存储介质及电子设备

权利要求书

1.一种模型参数确定方法，其特征在于，包括：

基于第一领域中的基础数据以及元学习算法初始化预设模型的参数；

基于第二领域中针对特定应用的应用数据微调所述预设模型的参数。

2.根据权利要求1所述的参数确定方法，其特征在于，所述基于第一领域的基础数据以及元学习算法初始化预设模型的参数，包括：

确定第一重迭代开始时所述预设模型的参数；

将从所述基础数据中选择出的第一样本构建的任务作为训练数据，通过多轮第一重迭代对所述预设模型的参数进行更新，直至在第一重迭代结束时完成模型参数的初始化，其中，每一轮第一重迭代执行以下步骤：

利用所述预设模型的参数初始化所述预设模型的临时参数；

将从所述基础数据中选择出的第一样本构建的任务作为训练数据，通过多轮第二重迭代对所述预设模型的临时参数进行更新，并在第二重迭代结束时利用所述预设模型的临时参数更新所述预设模型的参数。

3.根据权利要求2所述的参数确定方法，其特征在于，每个任务均包含从所述基础数据中选择出的N×K个第一样本，其中，N和K均取正整数，N为从所述基础数据的所有数据类别中选择出的数据类别的个数，K为从被选择出的每个数据类别中进一步选择出的第一样本的个数。

4.根据权利要求3所述的参数确定方法，其特征在于，在每一轮第一重迭代中，在所述将从所述基础数据中选择出的第一样本构建的任务作为训练数据，通过多轮第二重迭代对所述预设模型的临时参数进行更新之前，所述方法还包括：

从所述基础数据的所有数据类别中选择出N个数据类别；

所述将从所述基础数据中选择出的第一样本构建的任务作为训练数据，通过多轮第二重迭代对所述预设模型的临时参数进行更新，包括：

在每一轮第二重迭代中从被选择出的所述N个数据类别中的每个数据类别中进一步选择出K个第一样本以构建包含N×K个第一样本的任务，并利用构建好的任务训练所述预设模型以更新所述预设模型的临时参数。

5.根据权利要求2所述的参数确定方法，其特征在于，更新所述预设模型的临时参数采用如下公式：

其中，θ为所述预设模型的临时参数，i为第二重迭代的轮次，β为所述预设模型的临时参数的学习率，为梯度算子，T为从所述基础数据中选择出的第一样本构建的任务，L为损失函数；

更新所述预设模型的参数采用如下公式：

φ_k＝φ_k-1-α(θ_m-φ_k-1)

其中，φ为所述预设模型的参数，k为第一重迭代的轮次，α为所述预设模型的参数的学习率，m为第二重迭代的总轮次。

6.根据权利要求2所述的参数确定方法，其特征在于，所述方法还包括：

每进行预设轮次的第一重迭代后，将从所述基础数据中选择出的第二样本构建的任务作为测试数据，对所述预设模型进行测试。

7.根据权利要求1-6中任一项所述的参数确定方法，其特征在于，所述第一领域和所述第二领域为同一领域。

8.一种模型参数确定装置，其特征在于，包括：

参数初始化模块，用于基于第一领域中的基础数据以及元学习算法初始化预设模型的参数；

参数微调模块，用于基于第二领域中针对特定应用的应用数据微调所述预设模型的参数。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器读取并运行时，执行如权利要求1-8中任一项所述的方法。

10.一种电子设备，其特征在于，包括：存储器以及处理器，所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理器读取并运行时，执行如权利要求1-8中任一项所述的方法。