[发明专利]训练模型的方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种训练模型的方法，包括：

获取样本数据集，并在所述样本数据集中随机选取若干个样本数据作为子样本数据集；

基于所述子样本数据集对待训练模型进行训练，得到第一训练参数，以及第二训练参数的取值区间；

基于所述样本数据集、所述第一训练参数、所述第二训练参数的取值区间，对所述待训练模型进行训练，得到第二训练参数与第三训练参数；

将所述第一训练参数、所述第二训练参数及所述第三训练参数确定为所述待训练模型的模型参数。

2.根据权利要求1所述的方法，其中，所述第一训练参数为训练结果与样本数据的分布相关联、但训练结果与样本数据的数量无关联的参数，所述第二训练参数为训练结果与样本数据的分布和数量均关联的参数，所述第三训练参数为训练结果与样本数据的数量相关联、但训练结果与样本数据的分布无关联的参数。

3.根据权利要求2所述的方法，所述基于所述子样本数据集对待训练模型进行训练之前，还包括：

获取所述待训练模型中的各个待训练参数的训练特征，所述各个待训练参数的训练特征用于表征所述各个待训练参数的训练结果与样本数据的数量及分布之间的关联关系；

根据所述各个待训练参数的训练特征，将所述各个待训练参数划分为第一训练参数、第二训练参数及第三训练参数。

4.根据权利要求1所述的方法，其中，所述基于所述子样本数据集对待训练模型进行训练，得到第一训练参数，以及第二训练参数的取值区间，包括：

基于所述子样本数据集对所述待训练模型进行训练，得到所述第一训练参数；

获取所述第二训练参数的预置训练区间，基于所述子样本数据集、所述第一训练参数及所述预置训练区间，对所述待训练模型执行K次训练过程，得到K次训练结果对应的第二训练参数，K为大于2的整数；

根据所述K次训练结果对应的第二训练参数，调整所述第二训练参数的预置训练区间，并将调整后的第二训练参数的预置训练区间确定为所述第二训练参数的取值区间。

5.根据权利要求4所述的方法，其中，所述根据所述K次训练结果对应的第二训练参数，调整所述预置训练区间，包括：

选取所述K次训练结果对应的第二训练参数中的最大值和最小值；

将所述第二训练参数的预置训练区间的最大值和最小值调整为所述K次训练结果对应的第二训练参数中的最大值和最小值。

6.根据权利要求1所述的方法，所述在所述样本数据集中随机选取若干个样本数据作为子样本数据集之前，还包括：

确定所述样本数据集中的样本数据量大于预设的样本数量阈值。

7.根据权利要求1-6任一项所述的方法，其中，所述待训练模型为深度学习模型，所述第一训练参数包括激活函数和初始化函数，所述第二训练参数为学习率，所述第三训练参数为网络层数和网络节点的个数。

8.一种训练模型的装置，包括：

样本数据处理模块，用于获取样本数据集，并在所述样本数据集中随机选取若干个样本数据作为子样本数据集；

训练模块，用于基于所述子样本数据集对待训练模型进行训练，得到第一训练参数，以及第二训练参数的取值区间；

所述训练模块，还用于基于所述样本数据集、所述第一训练参数、所述第二训练参数的取值区间，对所述待训练模型进行训练，得到第二训练参数与第三训练参数；

确定模块，用于将所述第一训练参数、所述第二训练参数及所述第三训练参数确定为所述待训练模型的模型参数。

9.根据权利要求8所述的装置，其中，所述第一训练参数为训练结果与样本数据的分布相关联、但训练结果与样本数据的数量无关联的参数，所述第二训练参数为训练结果与样本数据的分布和数量均关联的参数，所述第三训练参数为训练结果与样本数据的数量相关联、但训练结果与样本数据的分布无关联的参数。