CN114938332A - 模型参数配置方法、装置、电子设备及可读存储介质 - Google Patents
模型参数配置方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN114938332A CN114938332A CN202210759448.6A CN202210759448A CN114938332A CN 114938332 A CN114938332 A CN 114938332A CN 202210759448 A CN202210759448 A CN 202210759448A CN 114938332 A CN114938332 A CN 114938332A
- Authority
- CN
- China
- Prior art keywords
- target preset
- model
- configuration
- feature
- features
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000013598 vector Substances 0.000 claims description 46
- 238000011176 pooling Methods 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 101100501281 Caenorhabditis elegans emb-1 gene Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Stored Programmes (AREA)
Abstract
本发明涉及人工智能技术领域,提供了一种模型参数配置方法、装置、电子设备及可读存储介质,应用于电子设备,所述方法包括:获取待配置模型,其中,待配置模型包括预先划分的逻辑模块;从多个预设特征中确定作为逻辑模块输入参数的目标预设特征;对目标预设特征进行配置,以实现对待配置模型的参数配置。本发明对多个预设特征统一管理,预先对待配置模型进行抽象,划分成逻辑模块,再为逻辑模型确定目标预设特征,通过对目标预设特征进行配置,进而实现了待配置模型的高效配置。
Description
技术领域
本发明涉及人工智能技术领域,具体而言,涉及一种模型参数配置方法、装置、电子设备及可读存储介质。
背景技术
在人工智能技术领域,在对模型进行训练时,通常涉及到对大量参数的设置,比如,作为参数的特征的增加或者减少,特征的长度等,一方面,参数的数量较多,另一个方面,每一个参数的设置方式也比较多且比较复杂,再加上模型结构也比较复杂、且需要进行相应调整时,多个变化因素交互累加,导致模型训练过程中配置模型的工作量较大、且效率较低。
发明内容
本发明的目的在于提供了一种模型参数配置方法、装置、电子设备及可读存储介质,其能够简化模型的配置,提高配置效率。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种模型参数配置方法,应用于电子设备,所述方法包括:获取待配置模型,其中,所述待配置模型包括预先划分的逻辑模块;从多个预设特征中确定作为所述逻辑模块输入参数的目标预设特征;对所述目标预设特征进行配置,以实现对所述待配置模型的参数配置。
可选地,所述电子设备的显示界面上显示有多个预设特征,所述从多个预设特征中确定作为所述逻辑模块输入的目标预设特征的步骤包括:
响应用户在所述显示界面上的特征选定操作,所述特征选定操作包括用户在所述显示界面上从所述多个预设特征中选定的目标预设特征;
将所述目标预设特征作为所述逻辑模块的输入参数。
可选地,所述目标预设特征为一个,所述电子设备的显示界面上显示有所述目标预设特征的基本配置项,所述对所述目标预设特征进行配置,以实现对所述待配置模型的参数配置的步骤包括:
响应用户在所述显示界面上进行的配置选定操作,所述配置选定操作包括用户在所述显示界面上从所述基本配置项中选定的目标配置项及所述目标配置项的配置值;
按照所述配置值对所述目标配置项进行配置,以实现对所述待配置模型的参数配置。
可选地,所述目标预设特征为多个,所述电子设备的显示界面上显示有每一所述目标预设特征的共享配置项,所述对所述目标预设特征进行配置,以实现对所述待配置模型的参数配置的步骤包括:
响应用户在所述显示界面上输入的每一所述目标预设特征的共享配置项的共享标识值,至少两个所述目标预设特征的共享标识值相同;
为所述共享标识值相同的所述目标预设特征建立共享关系,存在共享关系的所述目标预设特征的特征值属于同一个集合。
可选地,所述目标预设特征包括多个子特征,所述电子设备的显示界面上显示有所述目标预设特征的池化配置项,所述对所述目标预设特征进行配置,以实现对所述待配置模型的参数配置的步骤包括:
响应用户在所述显示界面上输入的所述目标预设特征的池化方式;
按照所述池化方式对所述池化配置项进行配置,以实现对所述待配置模型的参数配置。
可选地,所述方法还包括:
获取所述逻辑模块的目标预设特征的特征值及配置项,所述配置项包括基本配置项及共享配置项和池化配置项中的至少一种;
根据所述配置项对所述特征值进行向量处理,得到所述逻辑模块的输出特征向量。
可选地,所述目标预设特征为多个,每一所述目标预设特征的所述基本配置项包括顺序配置项,所述根据所述配置项对所述特征值进行向量处理,得到所述逻辑模块的输出特征向量的步骤包括:
对每一所述目标预设特征的特征值进行向量化处理,得到每一所述目标预设特征的特征向量;
按照每一所述目标预设特征的顺序配置项的值,将所有所述目标预设特征的特征向量进行拼接,得到所述逻辑模块的输出特征向量。
第二方面,本发明实施例提供了一种模型参数配置装置,应用于电子设备,所述装置包括:获取模块,用于获取待配置模型,其中,所述待配置模型包括预先划分的逻辑模块;确定模块,用于从多个预设特征中确定作为所述逻辑模块输入参数的目标预设特征;配置模块,用于对所述目标预设特征进行配置,以实现对所述待配置模型的参数配置。
第三方面,本发明实施例提供了一种电子设备,包括处理器和存储器;所述存储器用于存储程序;所述处理器用于在执行所述程序时,实现如上述第一方面所述的模型参数配置方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述第一方面所述的模型参数配置方法。
相对于现有技术,本发明实施例提供的模型参数配置方法、装置、电子设备及可读存储介质,对多个预设特征统一管理,预先对待配置模型进行抽象,划分成逻辑模块,再为逻辑模型确定目标预设特征,通过对目标预设特征进行配置,进而实现了待配置模型的高效配置。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的WideDeep模型的逻辑模块划分示例图。
图2为本发明实施例提供的DeepFM模型的逻辑模块划分示例图。
图3为本发明实施例提供的模型参数配置方法的流程示例图一。
图4为本发明实施例提供的模型参数配置方法的流程示例图二。
图5为本发明实施例提供的对进行修改的操作示例截图。
图6为本发明实施例提供的进行共享配置的操作示例截图。
图7为本发明实施例提供的模型参数配置方法的流程示例图三。
图8示出了本发明实施例提供的模型参数配置装置的方框示意图。
图9示出了本发明实施例提供的电子设备的方框示意图。
图标:10-电子设备;11-处理器;12-存储器;13-总线;100-模型参数配置装置;110-获取模块;120-确定模块;130-配置模块;140-生成模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本发明的实施例中的特征可以相互结合。
算法工程师在训练模型时,需要对许多参数进行设置,由于参数及参数的设置项繁多且复杂,通常的解决方案是使用特定格式对这些参数进行设置,例如json格式或者yaml格式,在模型训练脚本中编写响应的代码解析这些格式,这种方式会存在以下问题:
1.无论是json格式或yaml格式,不同的算法工程师采样的格式可能不同,格式不统一导致针对一种格式的解析代码无法复用于另一种格式的解析代码。
2.需要开发人员手动编写维护,成本高,且容易出错。
3.不能统一兼容训练框架,模型变动时需要改写代码,并重新编写对应的参数处理逻辑。
有鉴于此,本发明实施例提供了一种模型参数配置方法、装置、电子设备及可读存储介质,用于解决上述问题,下面将对其进行详细描述。
为了简化模型的配置,提高特征的复用度,本发明实施例从以下两个方面进行改进:(1)按照待配置模型的模型结构的处理逻辑将待配置模型划分为一个或者多个逻辑模块,在对待配置模型配置时,先确定每一个逻辑模块的输入参数,再对输入参数进行配置,最终实现对待配置模型的参数配置。当然,根据训练的需要,也可以在确定逻辑模块的输入参数后,通过修改其配置,实现对待配置模型的参数的重配置。(2)发明人针对模型训练的代码频繁更改的原因进行了分析之后发现,模型训练过程中通常需要对特征进行增减、更新多个特征在特征向量中的顺序,需要对特征进行一些常规配置、同一个待配置模型中不同的逻辑处理阶段存在同一特征的重复使用等,发明人根据上述分析结果对待配置模型的特征进行了抽象,以最大化地实现特征的复用和简化配置。
本发明实施例首先对待配置模型划分进行描述,以常见的WideDeep模型为例,请参照图1,图1为本发明实施例提供的WideDeep模型的逻辑模块划分示例图,图1中,WideDeep模型wide部分、deep部分及注意力部分各作为一个逻辑模块,分别为wide模块、deep模块及注意力模块,每个逻辑模块对应各自的输入参数,特征ft1~ft4为wide模块的输入参数,特征ft5~ft8为deep模块的输入参数,特征condition及ft8为注意力模块的输入。通过对各模块的输入参数进行设置,进而完成整个WideDeep模型的参数配置。再以另一种常见的DeepFM模型为例,图2为本发明实施例提供的DeepFM模型的逻辑模块划分示例图,图2中,将DeepFM模型的FM1部分、FM2部分、Deep部分、注意力部分各作为一个逻辑模块,分别为FM1模块、FM2模块、Deep模块、注意力模块,特征ft1、ft4和ft7是FM1模块的输入参数,特征ft1、ft2、ft3、ft4及ft6是FM2模块的输入参数,特征ft1~ft8是Deep模块的输入参数,特征condition-fts为注意力模块的输入参数。
需要说明的是,上述只是模块划分的一个示例,事实上,用户可以根据实际场景的需要,按照实际场景中逻辑处理的需要进行划分,最后将各个模块的处理结构合并即完成了整个模型结构搭建,简化了模型结构的搭建过程,降低了模型结构搭建的开发成本。
还需要说明的是,用户还可以通过界面为模型增加模块或者删除现有的模块,或者对现有的模块的属性进行修改,例如,修改模块的名称等。
在对待配置模型进行划分后,下面详细描述基于划分后的待配置模型,对其中逻辑模块进行配置的处理过程,请参照图3,图3为本发明实施例提供的模型参数配置方法的流程示例图一,该方法包括以下步骤:
步骤S100,获取待配置模型,其中,待配置模型包括预先划分的逻辑模块。
在本实施例中,待配置模型可以是多媒体资源推荐模型,该模型针对用户对多媒体资源的收听或者收看情况,给予满足用户喜好的多媒体资源的推荐,多媒体资源可以是音频、视频等资源,例如,歌曲专辑、网上课程等。
步骤S101,从多个预设特征中确定作为逻辑模块输入参数的目标预设特征。
在本实施例中,预设特征为待配置模型中涉及到的所有特征,本实施例对预设特征进行统一管理,为预设特征的抽象出多个参数,例如,每一个预设特征都支持向量大小、特征名称、向量名称等配置项,通过对配置项的配置,实现对待配置模型的配置。
在本实施例中,用户可以指定一个或者多个预设特征作为逻辑模块输入参数,目标预设特征为多个预设特征中作为逻辑模块输入参数的预设特征。用户可以方便地通过界面指定目标预设特征与逻辑模块之间的关联关系,不需要进行额外代码的开发,避免用户更改代码或者手动编辑配置文件,让用户专注于模型上层结构搭建,最大化减少开发成本。
在本实施例中,以多媒体资源推荐模型为例,预设特征可以是根据用户收听的历史记录得到的用户收听过的专辑id,用户最近预设历史时段内收听的专辑的主播的id、用户最近预设历史时段内收听的具体时间段列表等。
步骤S102,对目标预设特征进行配置,以实现对待配置模型的参数配置。
在本实施例中,作为一种实现方式,用户可以先为待配置模型指定目标预设特征,再对目标预设特征进行配置,也可以先对预设特征进行配置,再从配置后的预设特征中为待配置模型指定目标预设特征。
在本实施例中,对目标预设特征进行配置可以是对目标预设特征的配置项的值进行修改,或者解除目标预设特征和待配置模型之间的关系,即不再将目标预设特征作为待配置模型的输入参数。
本实施例提供的上述方法,预先对待配置模型进行抽象,划分成逻辑模块,再为逻辑模型确定目标预设特征,通过对目标预设特征进行配置,进而实现了待配置模型的高效配置。
在图3的基础上,本实施例还提供了一种确定目标预设特征的具体实现方式,请参照图4,图4为本发明实施例提供的模型参数配置方法的流程示例图二,步骤S101包括以下子步骤:
子步骤S1010,响应用户在显示界面上的特征选定操作,特征选定操作包括用户在显示界面上从多个预设特征中选定的目标预设特征。
在本实施中,为了简化配置,用户可以通过界面操作确定目标预设特征,本实施例中的模型参数配置方法的执行主体可以是电子设备,电子设备的显示界面上显示有多个预设特征,用户可以在显示界面上选定需要作为待配置模型的输入参数的目标预设特征。
子步骤S1011,将目标预设特征作为逻辑模块的输入参数。
在本实施例中,作为一种具体实现方式,可以建立目标预设特征和逻辑模块之间的关联关系,并标记关联方式为输入参数。
在本实施例中,目标预设特征可以包括不同的表现方式,可以是单个预设特征,可以包括多个预设特征,可以是由多个子特征组成,目标预设特征可以是这几种表现方式中的至少一种,每种表现方式下,具体的配置也会有差别,下面将对主要的几种表现方式进行介绍,可以理解的是,本领域技术人员完全可以在此基础上无需付出创造性的劳动进行扩展。
在本实施例中,若目标预设特征为一个,则对目标预设特征进行配置的方式可以是:
首先,响应用户在显示界面上进行的配置选定操作,配置选定操作包括用户在显示界面上从基本配置项中选定的目标配置项及目标配置项的配置值。
在本实施例中,基本配置项是一个独立的预设特征具有的配置项,例如,特征长度、特征向量的长度、特征入场退场参数等,显示界面上显示有目标预设特征的基本配置项,针对基本配置项,用户可以通过选中该基本配置项,对该基本配置项进行编辑,以输入该基本配置项的配置值,例如,基本配置项为:特征名称,输入的该特征名称的配置值为:user-id。请参照图5,图5为本发明实施例提供的对进行修改的操作示例截图。图5中,将emb_size这个配置项的值修改为10。
其次,按照配置值对目标配置项进行配置,以实现对待配置模型的参数配置。
需要说明的是,当目标预设特征为多个,需要为多个目标预设特征中的任一个目标预设特征的基本配置项进行配置时,仍然可以采用上述配置方式进行配置。
在本实施例中,若目标预设特征为多个,为了实现多个目标预设特征的共享,则对目标预设特征进行共享配置,以实现对待配置模型的参数配置的方式可以是:
首先,响应用户在显示界面上输入的每一目标预设特征的共享配置项的共享标识值,至少两个目标预设特征的共享标识值相同。
在本实施例中,显示界面上显示有每一目标预设特征的共享配置项,可以通过为两个或者多个目标预设特征设置相同的共享标识值,以建立起共享关系,例如,目标预设特征包括特征a、b、c、d,将b、c、d的共享配置项的共享标识值均设置为b-c-d,则意味着,b、c、d存在共享关系。
在本实施例中,以多媒体资源推荐模型为例,用户最近收听的专辑id特征,与候选的专辑id特征之间可以存在共享关系,用户最近收听的专辑的类别特征,与候选的专辑的类别特征之间可以存在共享关系,用户最近收听的专辑的主播的id特征,与候选的专辑的主播的id特征之间可以存在共享关系等。
其次,为共享标识值相同的目标预设特征建立共享关系,存在共享关系的目标预设特征的特征值属于同一个集合。
在本实施例中,特征值属于同一个集合的目标预设特征才可以共享,存在共享关系的目标预设特征,若其特征值相同,则最终生成的特征向量也相同,若其中一个目标预设特征的特征值发生变化后,则另一个与存在共享关系的特征值也发生变化。也避免了请参照图6,图6为本发明实施例提供的进行共享配置的操作示例截图,图6中,将第2行和第3行的特征共享标识emb_name的值均设置为“test1”。
本实施例提供的特征共享配置,可以大大简化对共享特征的维护工作量,也避免了共享特征修改时容易出现的漏改、错改的问题。
在本实施例中,若目标预设特征多个子特征,多个子特征可以通过不同的池化方式进行合并或者叠加,对目标预设特征进行池化配置,以实现对待配置模型的参数配置的方式可以是:
首先,响应用户在显示界面上输入的目标预设特征的池化方式。
在本实施例中,显示界面上显示有目标预设特征的池化配置项,对池化配置项进行编辑,可以输入池化方式,池化方式包括、但不限于平均池化、最大值池化等。
其次,按照池化方式对池化配置项进行配置,以实现对待配置模型的参数配。
需要说明的是,对于包括多个子特征的目标预设特征,可以根据需要设置或者不设置其池化配置项。
还需要说明的是,目标预设特征可以包括上述表现方式中的两种或者两种以上,此时,对于每一种方式的目标预设特征均可以按照对应的方式进行配置,例如,目标预设特征包括特征ft1~ft5,ft1~ft4是独立的单个特征,ft5是由多个子特征组成的,ft2~ft4是共享特征,对于ft1~ft4,可以配置其基本配置项,对于ft2~ft4,可以为其配置相同的共享标识值,以建立三者之间的共享关系,对于ft5,可以为其配置池化配置项。
在本实施例中,包括多个子特征的目标预设特征通常用于表示用户的行为记录,以多媒体资源推荐模型为例,目标预设特征可以是用户在预设历史时段内收听的时间段,以一天为例,如果用户经常在晚上收听,则对于一天收听的时间段可以是:{17,19,21},分别表示收听时间为17点、19点和21点,此时,该目标预设特征包括3个子特征:17、19和21。当然,目标预设特征可以包括多天的收听时段,此时,目标预设特征可以包括多天中每一天的收听时段的特征。目标预设特征可以是将多个子特征按照预设顺序排列后得到的,预设顺序可以是时间顺序或者是位置顺序等。
在本实施例中,在对待配置模型进行设置后,为了可以根据目标预设特征的配置项自动生成特征向量,本实施例还提供了一种生成特征向量的具体实现方式,请参照图7,图7为本发明实施例提供的模型参数配置方法的流程示例图三,该方法还包括以下步骤:
步骤S110,获取逻辑模块的目标预设特征的特征值及配置项,配置项包括基本配置项及共享配置项和池化配置项中的至少一种。
在本实施例中,基本配置项、共享配置项及池化配置项在前述实施例中已有描述,此处不再赘述。
步骤S111,根据配置项对特征值进行向量处理,得到逻辑模块的输出特征向量。
在本实施例中,例如,目标预设特征为一个时,其基本配置项为特征向量长度,特征向量长度设置为10,则进行向量处理后的输出特征向量的长度为10。
当目标预设特征为多个时,每一个目标预设特征的基本配置项还包括顺序配置项,顺序配置项用于表征目标预设特征对应的向量在输出特征向量中的位置,目标预设特征为多个时,可以通过在显示界面上调整目标预设特征的排列顺序,以对顺序配置项进行配置,例如,显示界面上从上到下按序排列的目标预设特征为a、b、c、d,可以通过拖拽上移或者下移调整其顺序,例如,将其调整为从上到下为:a、d、b、c。
此种情况下,得到逻辑模块的输出特征向量的具体实现方式为:
首先,对每一目标预设特征的特征值进行向量化处理,得到每一目标预设特征的特征向量。
其次,按照每一目标预设特征的顺序配置项的值,将所有目标预设特征的特征向量进行拼接,得到逻辑模块的输出特征向量。
例如,显示界面上从上到下按序排列的目标预设特征为a、b、c、d,其对应的向量为emb1、emb2、emb3及emb4,则拼接后的得到的输出特征向量为emb1emb2emb3 emb4。
当目标预设特征由多个子特征组成时,并且该目标预设特征配置了池化配置项,则得到逻辑模块的输出特征向量的具体实现方式为:
首先,对每一子特征的特征值进行向量化处理,得到每一子特征的特征向量。
其次,按照池化配置项的池化方式,对所有子特征的特征向量进行池化处理,得到逻辑模块的输出特征向量。
例如,目标预设特征ft包括3个子特征ft-1、ft-2、ft-3,ft的池化配置项配置的池化方式为平均池化,向量长度为5,则ft-1、ft-2、ft-3的特征向量分别表示为:{a1a2a3a4a5}、{b1b2b3b4b5}和{c1c2c3c4c5},若输出特征向量表示为{x1x2x3x4x5},其中,x1=avg(a1,b1,c1)、x2=avg(a2,b2,c2)、x3=avg(a3,b3,c3)、x4=avg(a4,b4,c4)、x5=avg(a5,b5,c5)。
此外,本实施例还可以将所有配置项导出到配置文件中,并对配置文件进行预览。
为了执行上述实施例及各个可能的实施方式中的相应步骤,下面给出一种模型参数配置装置100的实现方式,应用于电子设备。请参照图8,图8出了本发明实施例提供的模型参数配置装置100的方框示意图。需要说明的是,本实施例所提供的模型参数配置装置100,其基本原理及产生的技术效果和上述实施例相同,为简要描述,本实施例部分未提及指出。
模型参数配置装置100包括获取模块110、确定模块120、配置模块130及生成模块140。
获取模块110,用于获取待配置模型,其中,待配置模型包括预先划分的逻辑模块。
确定模块120,用于从多个预设特征中确定作为逻辑模块输入参数的目标预设特征。
可选地,电子设备的显示界面上显示有多个预设特征,确定模块120具体用于:响应用户在显示界面上的特征选定操作,特征选定操作包括用户在显示界面上从多个预设特征中选定的目标预设特征;将目标预设特征作为逻辑模块的输入参数。
配置模块130,用于对目标预设特征进行配置,以实现对待配置模型的参数配置。
可选地,目标预设特征为一个,电子设备的显示界面上显示有目标预设特征的基本配置项,配置模块130具体用于:响应用户在显示界面上进行的配置选定操作,配置选定操作包括用户在显示界面上从基本配置项中选定的目标配置项及目标配置项的配置值;按照配置值对目标配置项进行配置,以实现对待配置模型的参数配置。
可选地,目标预设特征为多个,电子设备的显示界面上显示有每一目标预设特征的共享配置项,配置模块130具体还用于:响应用户在显示界面上输入的每一目标预设特征的共享配置项的共享标识值,至少两个目标预设特征的共享标识值相同;为共享标识值相同的目标预设特征建立共享关系,存在共享关系的目标预设特征的特征值属于同一个集合。
可选地,目标预设特征包括多个子特征,电子设备的显示界面上显示有目标预设特征的池化配置项,配置模块130具体还用于:响应用户在显示界面上输入的目标预设特征的池化方式;按照池化方式对池化配置项进行配置,以实现对待配置模型的参数配置。
生成模块140,用于:获取逻辑模块的目标预设特征的特征值及配置项,配置项包括基本配置项及共享配置项和池化配置项中的至少一种;根据配置项对特征值进行向量处理,得到逻辑模块的输出特征向量。
可选地,目标预设特征为多个,每一目标预设特征的基本配置项包括顺序配置项,生成模块140具体用于:对每一目标预设特征的特征值进行向量化处理,得到每一目标预设特征的特征向量;按照每一目标预设特征的顺序配置项的值,将所有目标预设特征的特征向量进行拼接,得到逻辑模块的输出特征向量。
本发明实施例还提供了电子设备10的方框示意图,前述实施例中的方法应用于该电子设备10,请参照图9,图9示出了本发明实施例提供的电子设备10的方框示意图,电子设备10包括处理器11、存储器12和总线13,处理器11、存储器12及通过总线13连接。
处理器11可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,模型参数配置方法的各步骤可以通过处理器11中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器11可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器12用于存储程序,例如图8中的模型参数配置装置100。模型参数配置装置100包括至少一个可以软件或固件(firmware)的形式存储于存储器12中或固化在电子设备10的操作***(operating system,OS)中的软件功能模块。处理器11在接收到执行指令后,执行所述程序以实现上述实施例揭示的模型参数配置方法。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述的模型参数配置方法。
综上所述,本发明实施例提供了一种模型参数配置方法、装置、电子设备及可读存储介质,应用于电子设备,所述方法包括:获取待配置模型,其中,待配置模型包括预先划分的逻辑模块;从多个预设特征中确定作为逻辑模块输入参数的目标预设特征;对目标预设特征进行配置,以实现对待配置模型的参数配置。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种模型参数配置方法,其特征在于,应用于电子设备,所述方法包括:
获取待配置模型,其中,所述待配置模型包括预先划分的逻辑模块;
从多个预设特征中确定作为所述逻辑模块输入参数的目标预设特征;
对所述目标预设特征进行配置,以实现对所述待配置模型的参数配置。
2.如权利要求1所述的模型参数配置方法,其特征在于,所述电子设备的显示界面上显示有多个预设特征,所述从多个预设特征中确定作为所述逻辑模块输入的目标预设特征的步骤包括:
响应用户在所述显示界面上的特征选定操作,所述特征选定操作包括用户在所述显示界面上从所述多个预设特征中选定的目标预设特征;
将所述目标预设特征作为所述逻辑模块的输入参数。
3.如权利要求1所述的模型参数配置方法,其特征在于,所述目标预设特征为一个,所述电子设备的显示界面上显示有所述目标预设特征的基本配置项,所述对所述目标预设特征进行配置,以实现对所述待配置模型的参数配置的步骤包括:
响应用户在所述显示界面上进行的配置选定操作,所述配置选定操作包括用户在所述显示界面上从所述基本配置项中选定的目标配置项及所述目标配置项的配置值;
按照所述配置值对所述目标配置项进行配置,以实现对所述待配置模型的参数配置。
4.如权利要求1所述的模型参数配置方法,其特征在于,所述目标预设特征为多个,所述电子设备的显示界面上显示有每一所述目标预设特征的共享配置项,所述对所述目标预设特征进行配置,以实现对所述待配置模型的参数配置的步骤包括:
响应用户在所述显示界面上输入的每一所述目标预设特征的共享配置项的共享标识值,至少两个所述目标预设特征的共享标识值相同;
为所述共享标识值相同的所述目标预设特征建立共享关系,存在共享关系的所述目标预设特征的特征值属于同一个集合。
5.如权利要求1所述的模型参数配置方法,其特征在于,所述目标预设特征包括多个子特征,所述电子设备的显示界面上显示有所述目标预设特征的池化配置项,所述对所述目标预设特征进行配置,以实现对所述待配置模型的参数配置的步骤包括:
响应用户在所述显示界面上输入的所述目标预设特征的池化方式;
按照所述池化方式对所述池化配置项进行配置,以实现对所述待配置模型的参数配置。
6.如权利要求1所述的模型参数配置方法,其特征在于,所述方法还包括:
获取所述逻辑模块的目标预设特征的特征值及配置项,所述配置项包括基本配置项及共享配置项和池化配置项中的至少一种;
根据所述配置项对所述特征值进行向量处理,得到所述逻辑模块的输出特征向量。
7.如权利要求6所述的模型参数配置方法,其特征在于,所述目标预设特征为多个,每一所述目标预设特征的所述基本配置项包括顺序配置项,所述根据所述配置项对所述特征值进行向量处理,得到所述逻辑模块的输出特征向量的步骤包括:
对每一所述目标预设特征的特征值进行向量化处理,得到每一所述目标预设特征的特征向量;
按照每一所述目标预设特征的顺序配置项的值,将所有所述目标预设特征的特征向量进行拼接,得到所述逻辑模块的输出特征向量。
8.一种模型参数配置装置,其特征在于,应用于电子设备,所述装置包括:
获取模块,用于获取待配置模型,其中,所述待配置模型包括预先划分的逻辑模块;
确定模块,用于从多个预设特征中确定作为所述逻辑模块输入参数的目标预设特征;
配置模块,用于对所述目标预设特征进行配置,以实现对所述待配置模型的参数配置。
9.一种电子设备,其特征在于,包括处理器和存储器;所述存储器用于存储程序;所述处理器用于在执行所述程序时,实现如权利要求1-7中任一项所述的模型参数配置方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的模型参数配置方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210759448.6A CN114938332A (zh) | 2022-06-29 | 2022-06-29 | 模型参数配置方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210759448.6A CN114938332A (zh) | 2022-06-29 | 2022-06-29 | 模型参数配置方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114938332A true CN114938332A (zh) | 2022-08-23 |
Family
ID=82868866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210759448.6A Pending CN114938332A (zh) | 2022-06-29 | 2022-06-29 | 模型参数配置方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114938332A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110489093A (zh) * | 2019-10-16 | 2019-11-22 | 鹏城实验室 | 一种面向ai应用的持续构造方法、装置、终端及存储介质 |
CN111488211A (zh) * | 2020-04-09 | 2020-08-04 | 北京嘀嘀无限科技发展有限公司 | 基于深度学习框架的任务处理方法、装置、设备及介质 |
CN114444650A (zh) * | 2020-11-06 | 2022-05-06 | 安霸国际有限合伙企业 | 改进量化的多级对象检测网络的准确度的方法 |
WO2022095412A1 (zh) * | 2020-11-03 | 2022-05-12 | 前海飞算云智软件科技(深圳)有限公司 | 微服务开发方法、装置、存储介质及电子设备 |
-
2022
- 2022-06-29 CN CN202210759448.6A patent/CN114938332A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110489093A (zh) * | 2019-10-16 | 2019-11-22 | 鹏城实验室 | 一种面向ai应用的持续构造方法、装置、终端及存储介质 |
CN111488211A (zh) * | 2020-04-09 | 2020-08-04 | 北京嘀嘀无限科技发展有限公司 | 基于深度学习框架的任务处理方法、装置、设备及介质 |
WO2022095412A1 (zh) * | 2020-11-03 | 2022-05-12 | 前海飞算云智软件科技(深圳)有限公司 | 微服务开发方法、装置、存储介质及电子设备 |
CN114444650A (zh) * | 2020-11-06 | 2022-05-06 | 安霸国际有限合伙企业 | 改进量化的多级对象检测网络的准确度的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109117138B (zh) | 一种组态方法及装置、计算机可读存储介质 | |
CN109754072B (zh) | 网络离线模型的处理方法、人工智能处理装置及相关产品 | |
CN109636301A (zh) | 金融业务的工作流配置方法、***、终端及可读存储介质 | |
CN112733511A (zh) | 表单处理方法、***、电子设备及计算机可读存储介质 | |
CN110633959A (zh) | 基于图结构的审批任务创建方法、装置、设备及介质 | |
CN111413876A (zh) | 一种配置app的控制页面的方法及云平台、终端设备 | |
CN112149838A (zh) | 实现自动构建模型的方法、装置、电子设备和存储介质 | |
CN110781180A (zh) | 一种数据筛选方法和数据筛选装置 | |
CN109683948A (zh) | ***数据导入方法、装置、电子产品及存储介质 | |
CN108804100A (zh) | 创建界面元素的方法、装置、存储介质及移动终端 | |
CN109101311B (zh) | 一种显示视图兼容的方法及电子设备 | |
CN112558968A (zh) | 一种资源树视图的生成方法、装置、设备及存储介质 | |
CN114938332A (zh) | 模型参数配置方法、装置、电子设备及可读存储介质 | |
CN108804088B (zh) | 协议处理方法和装置 | |
CN115858078A (zh) | 特效渲染方法、装置、材质制作***、设备及存储介质 | |
KR102593844B1 (ko) | 딥러닝 네트워크 구성 방법, 딥러닝 자동화 플랫폼 서비스 시스템 및 이를 위한 컴퓨터 프로그램 | |
CN115098254A (zh) | 子任务序列的触发执行方法、***及电子设备 | |
CN114281310A (zh) | 页面框架设置方法、装置、设备、存储介质及程序产品 | |
CN115481343A (zh) | 目标组件的生成方法、装置、存储介质及电子装置 | |
CN113760403A (zh) | 状态机联动方法和装置 | |
CN114675819A (zh) | Rpa组件的推荐方法、装置、设备和可读存储介质 | |
CN111124386B (zh) | 基于Unity的动画事件处理方法、装置、设备和存储介质 | |
CN112418796A (zh) | 子流程节点激活方法、装置、电子设备及存储介质 | |
CN116382877B (zh) | 一种任务的执行方法、装置、存储介质及电子设备 | |
CN113722341B (zh) | 一种运营数据处理方法及相关装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |