[发明专利]超参数的确定方法、装置、设备、存储介质以及计算机程序产品

说明书

本公开提供了一种超参数的确定方法、装置、设备、存储介质以及计算机程序产品，涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，可应用于智慧城市和智慧金融场景下。该方法的一具体实施方式包括：利用以下步骤进行迭代处理，直至满足迭代结束条件：确定候选超参数组；利用候选超参数组对模型进行训练，得到训练后的模型以及模型精度；基于候选超参数组与模型精度确定高斯过程函数；基于高斯过程函数确定新的候选超参数组；以及响应于满足迭代结束条件，从迭代过程产生的所有候选超参数组中确定目标超参数组。该实施方式无需手动调节超参数，省时省力，也提升了确定超参数的效率。

技术领域

本公开涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，尤其涉及超参数的确定方法、装置、设备、存储介质以及计算机程序产品，可应用于智慧城市和智慧金融场景下。

背景技术

随着计算机技术的发展，数据处理模型获得了广泛的应用。数据处理模型的超参数是指在开始学习过程之前设置的参数，而不是在训练过程中学习到的参数。超参数的选取直接影响着数据处理模型的性能。

发明内容

本公开实施例提出了一种超参数的确定方法、装置、设备、存储介质以及计算机程序产品。

第一方面，本公开实施例提出了一种超参数的确定方法，包括：利用以下步骤进行迭代处理，直至满足迭代结束条件：确定候选超参数组；利用候选超参数组对模型进行训练，得到训练后的模型以及模型精度；基于候选超参数组与模型精度确定高斯过程函数；基于高斯过程函数确定新的候选超参数组；以及响应于满足迭代结束条件，从迭代过程产生的所有候选超参数组中确定目标超参数组。

第二方面，本公开实施例提出了一种超参数的确定装置，包括：迭代模块，被配置成利用以下模块进行迭代处理，直至满足迭代结束条件；第一确定模块，被配置成确定候选超参数组；训练模块，被配置成利用候选超参数组对模型进行训练，得到训练后的模型以及模型精度；第二确定模块，被配置成基于候选超参数组与模型精度确定高斯过程函数；第三确定模块，被配置成基于高斯过程函数确定新的候选超参数组；第四确定模块，被配置成响应于满足迭代结束条件，从迭代过程产生的所有候选超参数组中确定目标超参数组。

第三方面，本公开实施例提出了一种模型训练方法，包括：获取初始识别模型和训练样本集，其中，训练样本集中包括多个人脸图像样本；配置初始识别模型的超参数，其中，超参数通过第一方面中任一实现方式描述的方法确定；利用训练样本集对初始识别模型进行训练，得到训练完成的人脸识别模型。

第四方面，本公开实施例提出了一种人脸识别方法，包括：获取待识别人脸图像；利用第三方面中任一实现方式得到的人脸识别模型对待识别人脸图像进行识别，得到人脸识别结果。

第五方面，本公开实施例提出了一种模型训练装置，包括：第一获取模块，被配置成获取初始识别模型和训练样本集，其中，训练样本集中包括多个人脸图像样本；配置模块，被配置成配置初始识别模型的超参数，其中，超参数通过第一方面中任一实现方式描述的方法确定；得到模块，被配置成利用训练样本集对初始识别模型进行训练，得到训练完成的人脸识别模型。

第六方面，本公开实施例提出了一种人脸识别装置，包括：第二获取模块，被配置成获取待识别人脸图像；识别模块，被配置成利用第五方面中任一实现方式得到的人脸识别模型对所述待识别人脸图像进行识别，得到人脸识别结果。

第七方面，本公开实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

第八方面，本公开实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。