[发明专利]模型训练方法、装置、电子设备以及存储介质

权利要求书

1.一种模型训练方法，包括：

获取用于机器学习的第一目标特征数据，其中，所述第一目标特征数据为利用第一计算节点对训练数据进行处理得到的；以及

基于第二计算节点，完成利用所述第一目标特征数据对待训练模型的训练。

2.根据权利要求1所述的方法，其中，所述基于第二计算节点，完成利用所述第一目标特征数据对待训练模型的训练包括：

获取多个读进程；以及

利用所述多个读进程读取所述第一目标特征数据，以完成利用所述第一目标特征数据对所述待训练模型的训练。

3.根据权利要求1所述的方法，其中，所述基于第二计算节点，完成利用所述第一目标特征数据对待训练模型的训练包括：

通过异步读取的方式读取所述第一目标特征数据，以完成利用所述第一目标特征数据对所述待训练模型的训练。

4.根据权利要求1所述的方法，其中，所述基于第二计算节点，完成利用所述第一目标特征数据对待训练模型的训练包括：

将所述第一目标特征数据转换为所述待训练模型支持的向量数据；以及

利用所述向量数据完成对所述待训练模型的训练。

5.一种模型训练方法，包括：

利用第一计算节点对训练数据进行处理，得到用于机器学习的第一目标特征数据；以及

将所述第一目标特征数据输入至第二计算节点中，以便基于所述第二计算节点，完成利用所述第一目标特征数据对待训练模型的训练。

6.根据权利要求5所述的方法，其中，所述训练数据包括不同类型的样本数据，所述利用第一计算节点对训练数据进行处理，得到用于机器学习的第一目标特征数据包括：

获取所述不同类型的样本数据，其中，每种类型的所述样本数据包括多个；

对每个所述样本数据进行特征提取，得到用于表征每个所述样本数据的初始特征数据；

获取所述不同类型的样本数据之间的预设关系；以及

根据所述预设关系对不同类型的样本数据的初始特征数据进行关联，得到所述第一目标特征数据。

7.根据权利要求5所述的方法，其中，所述第一目标特征数据存储于配置文件中，所述方法还包括：

确定所述基于所述第二计算节点，完成利用所述第一目标特征数据对待训练模型的训练的过程为第一训练过程；

获取针对所述第一训练过程的第一分析结果，其中，所述第一分析结果中包括影响模型训练的准确率的第二目标特征数据；

将所述配置文件中的所述第二目标特征数据删除，得到包含第三目标特征数据的目标配置文件；以及

将所述目标配置文件输入至所述第二计算节点中，以便基于所述第二计算节点，完成利用所述第三目标特征数据对所述待训练模型的训练。

8.一种模型训练方法，包括：

获取用于机器学习的第一目标特征数据，其中，所述第一目标特征数据为利用第一计算节点对训练数据进行处理得到的；

将所述第一目标特征数据输入第二计算节点；以及

第二计算节点利用所述第一目标特征数据对所述待训练模型进行训练。

9.根据权利要求8所述的方法，还包括：

确定基于所述第二计算节点，完成利用所述训练数据对所述待训练模型进行训练的过程为第二训练过程；

获取在所述第二训练过程中调用的每个函数的被调用时长和被调用频率；

确定目标函数，其中，所述目标函数的被调用时长大于或等于预设时长，和/或所述目标函数的被调用频率大于或等于预设频率；

获取针对所述目标函数的第二分析结果，其中，所述第二分析结果中包括所述目标函数调用的参数信息；以及

根据所述参数信息确定对所述训练数据进行处理得到所述第一目标特征数据的过程由所述第一计算节点执行。

10.根据权利要求8所述的方法，其中，所述第一计算节点的计算性能高于所述第二计算节点。