数据处理模型的训练方法、装置、电子设备和存储介质与流程

本公开涉及自动驾驶，具体涉及一种数据处理模型的训练方法、装置、电子设备和存储介质。

背景技术：

1、环境感知技术是智能驾驶的核心技术之一，基于环境感知技术可以利用传感器获取智能网联汽车附近的道路、车辆位置以及障碍物等数据信息，并将所得数据信息传输至车载控制中心，从而为智能网联汽车提供决策依据。基于环境感知技术所产生的感知任务可以包括2d、3d等不同坐标维度的感知任务，也包括相机、雷达、超声波等不同模态的感知任务，各个感知任务所收集得到的数据量通常较多，而且其中标注数据的比例也比较小。

2、相关技术在模型训练过程中，针对上述多类型模型训练任务的训练效果不佳，影响所得数据处理模型的数据处理效果。

技术实现思路

1、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。

2、为此，本公开的目的在于提出一种数据处理模型的训练方法、装置、电子设备和存储介质，能够基于多个任务次序信息保证多个模型训练任务被有序执行，从而可以结合多个样本交通数据有效提升对初始数据处理模型的训练效果，有效提升所得目标数据处理模型的数据处理能力。

3、本公开第一方面实施例提出的数据处理模型的训练方法，包括：获取多个样本交通数据；确定与所述多个样本交通数据分别对应的多个模型训练任务；生成与所述多个模型训练任务分别对应的多个任务次序信息；根据所述多个任务次序信息分别执行相应所述多个模型训练任务，其中，所述模型训练任务被执行时，基于所述样本交通数据训练相应初始数据处理模型，得到目标数据处理模型。

4、本公开第一方面实施例提出的数据处理模型的训练方法，通过获取多个样本交通数据，确定与多个样本交通数据分别对应的多个模型训练任务，生成与多个模型训练任务分别对应的多个任务次序信息，根据多个任务次序信息分别执行相应多个模型训练任务，其中，模型训练任务被执行时，基于样本交通数据训练相应初始数据处理模型，得到目标数据处理模型，由此，能够基于多个任务次序信息保证多个模型训练任务被有序执行，从而可以结合多个样本交通数据有效提升对初始数据处理模型的训练效果，有效提升所得目标数据处理模型的数据处理能力。

5、本公开第二方面实施例提出的数据处理模型的训练装置，包括：获取模块，用于获取多个样本交通数据；确定模块，用于确定与所述多个样本交通数据分别对应的多个模型训练任务；生成模块，用于生成与所述多个模型训练任务分别对应的多个任务次序信息；处理模块，用于根据所述多个任务次序信息分别执行相应所述多个模型训练任务，其中，所述模型训练任务被执行时，基于所述样本交通数据训练相应初始数据处理模型，得到目标数据处理模型。

6、本公开第二方面实施例提出的数据处理模型的训练装置，通过获取多个样本交通数据，确定与多个样本交通数据分别对应的多个模型训练任务，生成与多个模型训练任务分别对应的多个任务次序信息，根据多个任务次序信息分别执行相应多个模型训练任务，其中，模型训练任务被执行时，基于样本交通数据训练相应初始数据处理模型，得到目标数据处理模型，由此，能够基于多个任务次序信息保证多个模型训练任务被有序执行，从而可以结合多个样本交通数据有效提升对初始数据处理模型的训练效果，有效提升所得目标数据处理模型的数据处理能力。

7、本公开第三方面实施例提出的电子设备，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数据处理模型的训练方法。

8、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数据处理模型的训练方法。

9、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由处理器执行时，执行如本公开第一方面实施例提出的数据处理模型的训练方法。

10、本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。

技术特征：

1.一种数据处理模型的训练方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述确定与所述多个样本交通数据分别对应的多个模型训练任务，包括：

3.如权利要求1所述的方法，其特征在于，所述生成与所述多个模型训练任务分别对应的多个任务次序信息，包括：

4.如权利要求3所述的方法，其特征在于，所述确定所述相应模型训练任务与其他模型训练任务之间基于所述共享权重参数的关联信息，包括：

5.如权利要求4所述的方法，其特征在于，所述根据所述第一梯度信息和所述第二梯度信息，确定所述基于所述共享权重参数的关联信息，包括：

6.如权利要求5所述的方法，其特征在于，所述根据所述相似度信息，确定所述相应模型训练任务与其他模型训练任务之间基于所述共享权重参数具有相容性特征或相斥性特征，包括：

7.如权利要求6所述的方法，其特征在于，所述共享权重参数的数量是多个，多个所述共享权重参数分别具有对应的多个所述关联信息；

8.如权利要求7所述的方法，其特征在于，所述任务次序信息包括：组级次序信息，所述组级次序信息描述所述相应模型训练任务所属训练任务分组的组间执行次序；

9.如权利要求8所述的方法，其特征在于，所述任务次序信息还包括：任务级次序信息，所述任务级次序信息描述所述相应模型训练任务在其所属训练任务分组中的组内执行次序；

10.如权利要求9所述的方法，其特征在于，所述根据所述多个任务次序信息分别执行相应所述多个模型训练任务，包括：

11.一种数据处理模型的训练装置，其特征在于，包括：

12.如权利要求11所述的装置，其特征在于，所述确定模块，具体用于：

13.如权利要求11所述的装置，其特征在于，所述生成模块，包括：

14.如权利要求13所述的装置，其特征在于，所述第二确定子模块，包括：

15.如权利要求14所述的装置，其特征在于，所述第三确定单元，具体用于：

16.如权利要求15所述的装置，其特征在于，所述第三确定单元，还用于：

17.如权利要求16所述的装置，其特征在于，所述共享权重参数的数量是多个，多个所述共享权重参数分别具有对应的多个所述关联信息；

18.如权利要求17所述的装置，其特征在于，所述任务次序信息包括：组级次序信息，所述组级次序信息描述所述相应模型训练任务所属训练任务分组的组间执行次序；

19.如权利要求18所述的装置，其特征在于，所述任务次序信息还包括：任务级次序信息，所述任务级次序信息描述所述相应模型训练任务在其所属训练任务分组中的组内执行次序；

20.如权利要求19所述的装置，其特征在于，所述处理模块，具体用于：

21.一种电子设备，其特征在于，包括：

22.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，其中，所述计算机指令用于使所述计算机执行权利要求1-10中任一项所述的方法。

23.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-10中任一项所述方法的步骤。

技术总结
本公开提出一种数据处理模型的训练方法、装置、电子设备和存储介质，该方法包括：获取多个样本交通数据，确定与多个样本交通数据分别对应的多个模型训练任务，生成与多个模型训练任务分别对应的多个任务次序信息，根据多个任务次序信息分别执行相应多个模型训练任务，其中，模型训练任务被执行时，基于样本交通数据训练相应初始数据处理模型，得到目标数据处理模型，由此，能够基于多个任务次序信息保证多个模型训练任务被有序执行，从而可以结合多个样本交通数据有效提升对初始数据处理模型的训练效果，有效提升所得目标数据处理模型的数据处理能力。

技术研发人员：周天宝
受保护的技术使用者：小米汽车科技有限公司
技术研发日：
技术公布日：2024/1/15