[发明专利]算法模型的训练方法、装置、电子设备及存储介质

说明书

本公开提出一种算法模型的训练方法、装置、电子设备及存储介质。应用于算法平台，具体方案为：获取初始算法模型和目标算法类型，确定与目标算法类型对应的样本数据和与样本数据对应的标注数据，根据样本数据和与样本数据对应的标注数据训练初始算法模型，以得到目标算法模型。通过本公开，能够在训练算法模型的过程中，提升算法模型训练的灵活性和兼容性，有效地满足算法模型的个性化训练需求，从而有效地辅助拓展算法平台的应用场景，有效地辅助扩展算法平台的功能。

技术领域

本公开涉及人工智能技术领域，尤其涉及一种算法模型的训练方法、装置、电子设备及存储介质。

背景技术

算法平台是提供算法模型训练、测试、部署等功能的平台服务。通过算法平台提供的管理能力，算法工程师可以简单快捷的进行算法模型的训练、测试以及上线部署等操作。同时，算法平台亦可以作为开发人员学习算法模型，优化算法模型的高效工具。

相关技术中的算法平台，通常提供对于某一类固定类型的算法进行训练的能力，算法平台以产出的模型文件作为结果，供开发人员作为线上服务的算法模型文件集成进入线上服务中。

这种方式下，训练的算法模型类型单一，算法模型训练的兼容性较差，从而影响算法平台应用场景的拓展。

发明内容

本公开旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本公开的目的在于提出一种算法模型的训练方法、装置、电子设备及存储介质，能够在训练算法模型的过程中，提升算法模型训练的灵活性和兼容性，有效地满足算法模型的个性化训练需求，从而有效地辅助拓展算法平台的应用场景，有效地辅助扩展算法平台的功能。

为达到上述目的，本公开第一方面实施例提出的算法模型的训练方法，包括：获取初始算法模型和目标算法类型；确定与所述目标算法类型对应的样本数据和与所述样本数据对应的标注数据；根据所述样本数据和与所述样本数据对应的标注数据训练所述初始算法模型，以得到目标算法模型。

本公开第一方面实施例提出的算法模型的训练方法，通过获取初始算法模型和目标算法类型，确定与目标算法类型对应的样本数据和与样本数据对应的标注数据，根据样本数据和与样本数据对应的标注数据训练初始算法模型，以得到目标算法模型，能够在训练算法模型的过程中，提升算法模型训练的灵活性和兼容性，有效地满足算法模型的个性化训练需求，从而有效地辅助拓展算法平台的应用场景，有效地辅助扩展算法平台的功能。

为达到上述目的，本公开第二方面实施例提出的算法模型的训练装置，包括：第一获取模块，用于获取初始算法模型和目标算法类型；第一确定模块，用于确定与所述目标算法类型对应的样本数据和与所述样本数据对应的标注数据；训练模块，用于根据所述样本数据和与所述样本数据对应的标注数据训练所述初始算法模型，以得到目标算法模型。

本公开第二方面实施例提出的算法模型的训练装置，通过获取初始算法模型和目标算法类型，确定与目标算法类型对应的样本数据和与样本数据对应的标注数据，根据样本数据和与样本数据对应的标注数据训练初始算法模型，以得到目标算法模型，能够在训练算法模型的过程中，提升算法模型训练的灵活性和兼容性，有效地满足算法模型的个性化训练需求，从而有效地辅助拓展算法平台的应用场景，有效地辅助扩展算法平台的功能。

本公开第三方面实施例提出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如本公开第一方面实施例提出的算法模型的训练方法。

本公开第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开第一方面实施例提出的算法模型的训练方法。

本公开第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行如本公开第一方面实施例提出的算法模型的训练方法。