技术特征:
技术总结
本申请涉及一种用于提升深度学习网络预测性能的方法、装置及储存介质,属于人工智能及计算机技术领域,该方法包括:利用预先设置的训练集对第一神经网络模型进行m轮次迭代训练;利用预先设置的验证集对训练得到的神经网络模型进行验证;基于训练得到的神经网络模型所应用的场景确定出对应的性能指标;从m轮次迭代训练得到的神经网络模型中选择确定出的性能指标达到融合标准的多个神经网络模型;获取选择的多个神经网络模型的网络参数,将多个神经网络模型的网络参数融合;将融合后的网络参数赋给第二神经网络模型得到具有融合后的网络参数的神经网络模型;不仅未增加训练模型的时间,还可以提高网络预测效率,也可以满足应用场景的不同需求。
技术研发人员:刘通;牛群遥;朱林;孙茂芬;章勇;曹李军;吴仁良;杨浩
受保护的技术使用者:苏州科达科技股份有限公司
技术研发日:2018.09.29
技术公布日:2019.02.22