模型训练的方法、评估方法、计算机设备及存储介质与流程

本发明涉及人工智能，具体涉及一种模型训练的方法、评估方法、计算机设备及存储介质。

背景技术：

1、ai（artificial intelligence）大模型（例如自动驾驶感知大模型）的训练过程通常比较长，且只能根据训练结束后的训练结果去评估训练结果是否达到期望目标。如果未达到期望目标，就需要重新训练，势必会浪费大量的时间，降低ai模型的训练效率。

2、相应地，本领域需要一种新的技术方案来解决上述问题。

技术实现思路

1、为了克服上述缺陷，提出了本发明，以提供解决或至少部分地解决如何提高模型训练效率的技术问题的模型训练的模型训练的方法、评估方法、计算机设备及存储介质。

2、在第一方面，提供一种模型训练的评估方法，所述方法包括：

3、获取在模型训练过程中训练产生的临时模型；

4、采用所述临时模型对测试数据执行模型推理任务，并获取在执行模型推理任务的过程中针对所述测试数据产生的数据特征；

5、根据所述测试数据与所述数据特征进行模型训练评估。

6、在上述模型训练的评估方法的一个技术方案中，“根据所述测试数据与所述数据特征进行模型训练评估”的步骤具体包括：

7、对所述测试数据与所述数据特征进行可视化处理；

8、根据可视化处理的结果进行模型训练评估；

9、和/或，

10、所述测试数据包括图像和/或雷达点云。

11、在上述模型训练的评估方法的一个技术方案中，“对所述测试数据与所述数据特征进行可视化处理”的步骤具体包括：

12、分别获取针对各测试数据产生的数据特征；

13、将各测试数据分别与各自对应的数据特征进行融合，以形成各测试数据的融合数据；

14、分别对各融合数据进行可视化处理。

15、在上述模型训练的评估方法的一个技术方案中，“对所述测试数据与所述数据特征进行可视化处理”的步骤还包括：

16、采用图形化工具对所述测试数据进行显示，并在显示的结果上叠加显示所述数据特征。

17、在上述模型训练的评估方法的一个技术方案中，“获取在模型训练过程中训练产生的临时模型”的步骤具体包括：

18、定时获取在模型训练过程中训练产生的临时模型，以便能够根据定时获取的临时模型，在模型训练过程中定时地进行模型训练评估。

19、在上述模型训练的评估方法的一个技术方案中，所述方法还包括：

20、根据每次定时地进行模型训练评估的评估结果，获取所述评估结果的变化趋势；

21、根据所述变化趋势，再次进行模型训练评估。

22、在上述模型训练的评估方法的一个技术方案中，“根据所述测试数据与所述数据特征进行模型训练评估”的步骤还包括：

23、获取所述测试数据所表征对象的第一对象信息，与所述数据特征所表征对象的第二对象信息之间的信息偏差；

24、根据所述信息偏差，进行模型训练评估。

25、在第二方面，提供一种模型训练的方法，所述方法包括：

26、在模型训练的过程中，采用上述第一方面提供的模型训练的评估方法进行模型训练评估；

27、根据评估的结果，优化模型训练。

28、在第三方面，提供一种计算机设备，该计算机设备包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行上述模型训练评估或模型训练方法的技术方案中任一项技术方案所述的方法。

29、在第四方面，提供一种计算机可读存储介质，该计算机可读存储介质其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述模型训练评估或模型训练方法的技术方案中任一项技术方案所述的方法。

30、本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：

31、在实施本发明提供的模型训练的评估方法的技术方案中，可以获取在模型训练过程中训练产生的临时模型，采用临时模型对测试数据执行模型推理任务，并获取在执行模型推理任务的过程中针对测试数据产生的数据特征，根据测试数据与数据特征进行模型训练评估。基于上述实施方式，可以在模型训练过程中进行模型训练评估，不再需要等到模型训练结束才能进行模型训练评估，这样在发现模型训练存在问题之后可以及时地解决，有效避免了现有技术中只能在模型训练结束后进行模型训练评估，且在评估结果没有达到期望目标时必须要重新进行训练，导致训练效率降低、浪费训练资源的问题。

技术特征：

1.一种模型训练的评估方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，

3.根据权利要求2所述的方法，其特征在于，“对所述测试数据与所述数据特征进行可视化处理”的步骤具体包括：

4.根据权利要求2所述的方法，其特征在于，“对所述测试数据与所述数据特征进行可视化处理”的步骤还包括：

5.根据权利要求1所述的方法，其特征在于，“获取在模型训练过程中训练产生的临时模型”的步骤具体包括：

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

7.根据权利要求1所述的方法，其特征在于，“根据所述测试数据与所述数据特征进行模型训练评估”的步骤还包括：

8.一种模型训练的方法，其特征在于，所述方法包括：

9.一种计算机设备，包括处理器和存储装置，所述存储装置适于存储多条程序代码，其特征在于，所述程序代码适于由所述处理器加载并运行以执行权利要求1至7中任一项所述的模型训练的评估方法或者执行权利要求8所述的模型训练的方法。

10.一种计算机可读存储介质，其中存储有多条程序代码，其特征在于，所述程序代码适于由处理器加载并运行以执行权利要求1至7中任一项所述的模型训练的评估方法或者执行权利要求8所述的模型训练的方法。

技术总结
本发明涉及人工智能技术领域，具体提供一种模型训练的方法、评估方法、计算机设备及存储介质，旨在解决提高模型训练效率的问题。为此目的，本发明提供的方法包括获取在模型训练过程中训练产生的临时模型，采用临时模型对测试数据执行模型推理任务并获取在执行模型推理任务的过程中针对测试数据产生的数据特征，根据测试数据与数据特征进行模型训练评估。基于上述方法，可以在模型训练过程中进行模型训练评估，不再需要等到模型训练结束才能进行模型训练评估，这样在发现模型训练存在问题之后可以及时地解决，有效提高了训练效率并避免了训练资源浪费。

技术研发人员：戴俊,刘杨洋,魏来,麻啸,王阳,曹添,任少卿
受保护的技术使用者：安徽蔚来智驾科技有限公司
技术研发日：
技术公布日：2024/1/16