本公开涉及通信,尤其涉及一种模型调整方法和装置。
背景技术:
1、在未来的万物智联网络中,网络节点趋向于智能化,网络节点智能化导致了信息空间快速扩张、甚至维度灾难,加剧了表征信息承载空间的难度,导致传统的网络服务能力与高维信息空间难以匹配,通信传输的数据量过大,信息业务服务系统无法持续满足人们复杂、多样和智能化信息传输的需求。而通过人工智能模型来编码、传播、解码业务信息,可显著降低通信业务中的数据传输量,极大地提升了信息传输效率。这些模型相对稳定,并具有复用性、传播性。模型的传播和复用将有助于增强网络智能,同时降低开销和资源浪费,形成节点极智、网络极简的智简网络。
2、随着深度学习技术的发展,深度学习模型得以广泛地应用,然而目前存在如何将其他模型应用于目标模型的场景中的技术问题。
技术实现思路
1、本公开提供了一种模型调整方法和装置。
2、根据本公开的第一方面,提供了一种模型调整方法,其中,包括:
3、获取与目标模型相关联的第一模型和第二模型,其中,目标模型为第一模型和第二模型之间的过渡模型;
4、将标准训练集输入到第一模型中,以得到第一输出结果;
5、将标准训练集输入到第二模型中,以得到第二输出结果;
6、根据第一输出结果和第二输出结果对第一模型进行参数调整,以得到第三模型,使得第三模型的功能接近目标模型的功能;
7、其中,第一模型的模型参数为第一参数,第二模型的模型参数为第二参数,第三模型的模型参数为第三参数;
8、第三参数介于第一参数和第二参数之间。
9、根据本公开的第二方面,提供了一种模型调整装置,其中,包括:
10、获取单元,获取与目标模型相关联的第一模型和第二模型,其中,目标模型为第一模型和第二模型之间的过渡模型;
11、第一输入单元,将标准训练集输入到第一模型中,以得到第一输出结果;
12、第二输入单元,将标准训练集输入到第二模型中,以得到第二输出结果;
13、调整单元,根据第一输出结果和第二输出结果对第一模型进行参数调整,以得到第三模型,使得第三模型的功能接近目标模型;
14、其中,第一模型的模型参数为第一参数,第二模型的模型参数为第二参数,第三模型的模型参数为第三参数;
15、第三参数介于第一参数和第二参数之间。
16、根据本公开的第三方面,提供了一种电子设备,包括:
17、至少一个处理器;以及
18、与至少一个处理器通信违接的存储器;其中,
19、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上述方法。
20、根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行上述方法。
21、本公开提供的技术方案带来的有益效果是:
22、本公开实施例提供的方案,获取与目标模型相关联的第一模型和第二模型,此处的目标模型为第一模型和第二模型之间的过渡模型,通过第一模型处理标准训练集的第一输出结果和第二模型处理标准训练集的第二输出结果对第一模型进行参数调整,以得到第三模型,使得第三模型的第三参数介于第一模型的第一参数和第二模型的第二参数之间;从而实现对本地的现有模型进行参数调整,使得参数调整后的模型可以应用在目标模型的应用场景,进而提升网络性能。
23、应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
1.一种模型调整方法,其特征在于,包括:
2.如权利要求1所述的模型调整方法,其中,所述得到所述第三模型,包括:
3.如权利要求1或2所述的模型调整方法,其中,所述进行参数调整,包括:
4.如权利要求1所述的模型调整方法,其中,在获取所述第一模型和所述第二模型之前,还包括:
5.如权利要求1所述的模型调整方法,其中,还包括:
6.如权利要求1所述的模型调整方法,其中,还包括:
7.如权利要求1所述的模型调整方法,其中,
8.一种模型调整装置,其特征在于,包括:
9.一种电子设备,包括:
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。