[发明专利]确定模型的方法、设备以及计算机可读存储介质

说明书

本申请提供了一种确定模型的方法、设备以及计算机可读存储介质。该方法包括：利用验证集对依次训练得到的Q个模型中的Msubgt;i/subgt;个模型分别进行Msubgt;i/subgt;次验证，得到Msubgt;i/subgt;*N个损失值，根据Msubgt;i/subgt;*N个损失值统计N个样本中每个样本在Msubgt;i/subgt;次验证中得到的N个统计信息，根据N个统计信息所指示的N个样本在Msubgt;i/subgt;次验证中的变化规律在N个样本中确定Psubgt;i/subgt;个样本，根据Psubgt;i/subgt;个样本在Msubgt;i/subgt;次验证中得到的至少部分损失值在Q个模型中确定目标模型。本申请在验证集的第i过程根据验证集的Msubgt;i/subgt;次验证在验证集的N个样本中剔除不满足要求的样本，有助于提高根据验证集确定模型的准确性。

技术领域

本申请涉及软件技术领域，尤其涉及软件技术领域一种确定模型的方法、设备以及计算机可读存储介质。

背景技术

在深度学习训练过程中，通过验证集可以对模型的能力进行初步评估，根据验证集可以选择出训练的较优模型。如果验证集的样本数据分布情况与训练集的样本数据分布情况一致，这样，可以保证验证集对模型的能力的初步评估结果的准确性，从而确定出较优模型。然而，由于样本的来源比较复杂，种类比较繁多，很难保证划分在验证集的样本数据分布情况与划分在训练集的样本数据分布情况完全一致，例如，在图像领域，验证集的样本数据的均值与训练集的样本数据的均值不一致，验证集的样本数据的方差与训练集的样本数据的方差也不一致，从而造成根据验证集所确定的模型的准确性较差。

发明内容

本申请实施例提供了一种确定模型的方法、设备以及计算机可读存储介质，有助于提高根据验证集确定模型的准确性。

第一方面，本申请实施例提供了一种确定模型的方法，包括：针对依次训练得到的Q个模型中的M_i个模型执行以下第i过程：利用验证集对所述M_i个模型分别进行M_i次验证，得到M_i*N个损失值，所述验证集包括N个样本，一次验证对应所述N个样本的N个损失值，一次验证的所述N个损失值与所述N个样本一一对应；根据所述M_i*N个损失值统计所述N个样本中每个样本在所述M_i次验证中得到的N个统计信息，所述N个统计信息用于指示所述N个样本在所述M_i次验证中的损失值的变化规律；根据所述N个统计信息所指示的所述N个样本在所述M_i次验证中的变化规律在所述N个样本中确定P_i个样本，所述P_i个样本中的任意一个样本在所述M_i次验证中得到M_i个损失值的变化趋势依次下降；根据所述P_i个样本在所述M_i次验证中得到的至少部分损失值在所述Q个模型中确定目标模型；其中，M_i小于或等于Q，P_i小于或等于N，i遍历完1至L，L小于或等于Q，Q，M_i，N，P_i，L，i为正整数。