CN111860560A - 模型参数调整方法、装置、电子设备及可读存储介质 - Google Patents
模型参数调整方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111860560A CN111860560A CN201911409865.2A CN201911409865A CN111860560A CN 111860560 A CN111860560 A CN 111860560A CN 201911409865 A CN201911409865 A CN 201911409865A CN 111860560 A CN111860560 A CN 111860560A
- Authority
- CN
- China
- Prior art keywords
- model
- target application
- intelligent terminal
- application model
- parameter
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000004891 communication Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Telephone Function (AREA)
- Stored Programmes (AREA)
Abstract
本申请提供了一种模型参数调整方法、装置、电子设备及可读存储介质,该方法通过向服务器发送模型获取请求,并接收服务器反馈的目标应用模型,当目标应用模型的准确率小于预设定的准确率阈值时,控制目标应用模型在不同的模型参数下运行,并获取目标应用模型在不同的模型参数下的运行结果,然后根据多个运行结果确定智能终端的最优模型参数,并根据最优模型参数重新配置目标应用模型。由于在得到的目标应用模型的准确率较低时,再重新调整模型参数以获得智能终端的最优模型参数,同样可使得该应用模型在智能终端上运行时可以得到较为理想的运行结果。
Description
技术领域
本申请涉及模型训练技术领域,具体而言,涉及一种模型参数调整方法、装置、电子设备及可读存储介质。
背景技术
传统技术中,模型的训练是需要先收集大量的样本数据,而后将样本数据分为训练集(包含正样本、负样本)、验证集,而后使用正样本和负样本分别训练模型。在训练完成之后还需要使用验证集中的样本来验证,而后再输出训练完成的模型。
通常地,智能设备会直接利用训练完成的模型去实现相应的功能,但并未考虑到训练完成的模型在不同型号的智能设备上运行的结果有很大的偏差,从而导致输出结果达不到预想的结果。
发明内容
有鉴于此,本申请的目的在于提供一种模型参数调整方法、装置、电子设备及可读存储介质,使得同一应用模型在不同的智能终端上均可以得到较为理想的运行结果。
第一方面,本申请提供了一种模型参数调整方法,应用于智能终端,所述智能终端与服务器通信连接,所述方法包括:
向所述服务器发送模型获取请求,所述模型获取请求包括所述智能终端的设备信息及目标应用模型的类型信息;
接收所述服务器反馈的目标应用模型,其中,所述目标应用模型为所述服务器通过初始模型参数配置初始应用模型得到的,所述初始应用模型及所述初始模型参数为所述服务器根据所述设备信息及所述类型信息确定的;
若所述目标应用模型的准确率小于预设定的准确率阈值,控制所述目标应用模型在不同的模型参数下运行,并获取所述目标应用模型在不同的模型参数下的运行结果;
根据多个所述运行结果确定所述智能终端的最优模型参数;
根据所述最优模型参数重新配置所述目标应用模型。
在一些实施例中,所述运行结果包括准确率及效率,所述根据多个所述运行结果确定所述智能终端的最优模型参数的步骤包括:
若存在一个准确率最高的所述目标应用模型,将准确率最高的所述目标应用模型对应的模型参数确定为最优模型参数;
若存在至少两个准确率最高的所述目标应用模型,则将至少两个准确率最高的所述目标应用模型中效率较高的所述目标应用模型对应的模型参数确定为最优模型参数。
在一些实施例中,在所述控制所述目标应用模型在不同的模型参数下运行,并获取所述目标应用模型在不同的模型参数下的运行结果的步骤之前,所述方法还包括:
接收所述服务器发送的模型参数范围;
所述控制所述目标应用模型在不同的模型参数下运行,并获取所述目标应用模型在不同的模型参数下的运行结果的步骤包括:
根据所述模型参数范围调整所述目标应用模型的模型参数,控制所述目标应用模型在不同的模型参数下运行,并获取所述目标应用模型在不同的模型参数下的运行结果。
在一些实施例中,在所述根据多个所述运行结果确定所述智能终端的最优模型参数的步骤之后,所述方法还包括:
向所述服务器发送所述智能终端的设备信息、所述最优模型参数及所述运行结果,所述设备信息、所述运行结果及所述最优模型参数一一对应。
在一些实施例中,所述方法还包括:
获取多个不同类型的原始应用模型;
运行每个所述原始应用模型,并获取每个原始应用模型的运行结果;
向所述服务器发送所述智能终端的设备信息、每个所述原始应用模型及对应的所述运行结果,以使所述服务器基于每个所述原始应用模型及对应的所述运行结果确定最适合所述智能终端的原始应用模型。
第二方面,本申请提供了一种模型参数调整方法,应用于服务器,所述服务器与智能终端通信连接,所述方法包括:
接收所述智能终端发送的模型获取请求,所述模型获取请求包括所述智能终端的设备信息及目标应用模型的类型信息;
根据所述设备信息及所述类型信息确定初始应用模型及初始模型参数;
基于所述初始模型参数配置所述初始应用模型得到目标应用模型;
向所述智能终端发送所述目标应用模型,以使所述智能终端在所述目标应用模型的准确率小于预设定的准确率阈值时,控制所述目标应用模型在不同的模型参数下运行以获取所述目标应用模型在不同的模型参数下的运行结果,并基于根据多个所述运行结果确定的所述智能终端的最优模型参数配置所述目标应用模型。
在一些实施例中,所述方法还包括:
接收所述智能终端发送的所述智能终端的设备信息、所述最优模型参数及所述运行结果,所述设备信息、所述运行结果及所述最优模型参数一一对应,所述运行结果包括准确率及效率;
根据所述设备信息对所述最优模型参数进行分组得到参数分组;
若一个所述参数分组内存在一个准确率最高的所述最优模型参数,将准确率最高的所述最优模型参数确定为所述初始模型参数;
若一个所述参数分组内存在至少两个准确率最高的所述最优模型参数,将至少两个准确率最高的最优模型参数中效率较高的所述最优模型参数确定为所述初始模型参数。
在一些实施例中,所述方法还包括:
根据一个所述参数分组内的所述最优模型参数确定所述参数分组对应的设备信息的模型参数范围。
在一些实施例中,所述方法还包括:
接收所述智能终端发送的至少两个原始应用模型及对应的所述运行结果;
基于每个所述原始应用模型及对应的所述运行结果确定最适合所述智能终端的原始应用模型。
第三方面,本申请提供了一种模型参数调整装置,应用于智能终端,所述智能终端与服务器通信连接,所述装置包括:
第一发送模块,用于向所述服务器发送模型获取请求,所述模型获取请求包括所述智能终端的设备信息及目标应用模型的类型信息;
第一接收模块,用于接收所述服务器反馈的目标应用模型,其中,所述目标应用模型为所述服务器通过初始模型参数配置初始应用模型得到的,所述初始应用模型及所述初始模型参数为所述服务器根据所述设备信息及所述类型信息确定的;
运行结果获取模块,用于若所述目标应用模型的准确率小于预设定的准确率阈值,控制所述目标应用模型在不同的模型参数下运行,并获取所述目标应用模型在不同的模型参数下的运行结果;
第一参数确定模块,用于根据多个所述运行结果确定所述智能终端的最优模型参数;
第一配置模块,用于根据所述最优模型参数重新配置所述目标应用模型。
在一些实施例中,所述运行结果包括准确率及效率,所述第一参数确定模块用于若存在一个准确率最高的所述目标应用模型,将准确率最高的所述目标应用模型对应的模型参数确定为最优模型参数;
所述第一参数确定模块用于若存在至少两个准确率最高的所述目标应用模型,则将至少两个准确率最高的所述目标应用模型中效率较高的所述目标应用模型对应的模型参数确定为最优模型参数。
在一些实施例中,所述第一接收模块还用于接收所述服务器发送的模型参数范围;
所述运行结果获取模块用于根据所述模型参数范围调整所述目标应用模型的模型参数,控制所述目标应用模型在不同的模型参数下运行,并获取所述目标应用模型在不同的模型参数下的运行结果。
在一些实施例中,所述第一发送模块还用于向所述服务器发送所述智能终端的设备信息、所述最优模型参数及所述运行结果,所述设备信息、所述运行结果及所述最优模型参数一一对应。
在一些实施例中,所述装置还包括:
原始模型获取模块,用于获取多个不同类型的原始应用模型;
所述运行结果获取模块还用于运行每个所述原始应用模型,并获取每个原始应用模型的运行结果;
所述第一发送模块还用于向所述服务器发送所述智能终端的设备信息、每个所述原始应用模型及对应的所述运行结果,以使所述服务器基于每个所述原始应用模型及对应的所述运行结果确定最适合所述智能终端的原始应用模型。
第四方面,本申请提供了一种模型参数调整装置,应用于服务器,所述服务器与智能终端通信连接,所述装置包括:
第二接收模块,用于接收所述智能终端发送的模型获取请求,所述模型获取请求包括所述智能终端的设备信息及目标应用模型的类型信息;
初始信息确定模块,用于根据所述设备信息及所述类型信息确定初始应用模型及初始模型参数;
第二配置模块,用于基于所述初始模型参数配置所述初始应用模型得到目标应用模型;
第二发送模块,用于向所述智能终端发送所述目标应用模型,以使所述智能终端在所述目标应用模型的准确率小于预设定的准确率阈值时,控制所述目标应用模型在不同的模型参数下运行以获取所述目标应用模型在不同的模型参数下的运行结果,并基于根据多个所述运行结果确定的所述智能终端的最优模型参数配置所述目标应用模型。
在一些实施例中,所述第二接收模块还用于接收所述智能终端发送的所述智能终端的设备信息、所述最优模型参数及所述运行结果,所述设备信息、所述运行结果及所述最优模型参数一一对应,所述运行结果包括准确率及效率;
所述模型参数调整装置还包括:
分组模块,用于根据所述设备信息对所述最优模型参数进行分组得到参数分组;
第二参数确定模块,用于若一个所述参数分组内存在一个准确率最高的所述最优模型参数,将准确率最高的所述最优模型参数确定为所述初始模型参数;
所述第二参数确定模块还用于若一个所述参数分组内存在至少两个准确率最高的所述最优模型参数,将至少两个准确率最高的最优模型参数中效率较高的所述最优模型参数确定为所述初始模型参数。
在一些实施例中,所述装置还包括:
参数范围确定模块,用于根据一个所述参数分组内的所述最优模型参数确定所述参数分组对应的设备信息的模型参数范围。
在一些实施例中,所述第二接收模块还用于接收所述智能终端发送的至少两个原始应用模型及对应的所述运行结果;
原始应用模型确定模块,用于基于每个所述原始应用模型及对应的所述运行结果确定最适合所述智能终端的原始应用模型。
第五方面,本申请提供了一种电子设备,可以包括存储介质和与存储介质通信的处理器。存储介质存储有处理器可执行的机器可读指令。当电子设备运行时,处理器与存储介质之间通过总线通信,处理器执行所述机器可读指令,以执行以下操作:
向所述服务器发送模型获取请求,所述模型获取请求包括所述智能终端的设备信息及目标应用模型的类型信息;
接收所述服务器反馈的目标应用模型,其中,所述目标应用模型为所述服务器通过初始模型参数配置初始应用模型得到的,所述初始应用模型及所述初始模型参数为所述服务器根据所述设备信息及所述类型信息确定的;
若所述目标应用模型的准确率小于预设定的准确率阈值,控制所述目标应用模型在不同的模型参数下运行,并获取所述目标应用模型在不同的模型参数下的运行结果;
根据多个所述运行结果确定所述智能终端的最优模型参数;
根据所述最优模型参数重新配置所述目标应用模型。
在一些实施例中,处理器执行所述机器可读指令,可执行以下操作:
接收所述智能终端发送的模型获取请求,所述模型获取请求包括所述智能终端的设备信息及目标应用模型的类型信息;
根据所述设备信息及所述类型信息确定初始应用模型及初始模型参数;
基于所述初始模型参数配置所述初始应用模型得到目标应用模型;
向所述智能终端发送所述目标应用模型,以使所述智能终端在所述目标应用模型的准确率小于预设定的准确率阈值时,控制所述目标应用模型在不同的模型参数下运行以获取所述目标应用模型在不同的模型参数下的运行结果,并基于根据多个所述运行结果确定的所述智能终端的最优模型参数配置所述目标应用模型。
第六方面,本申请提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行以下步骤:
向所述服务器发送模型获取请求,所述模型获取请求包括所述智能终端的设备信息及目标应用模型的类型信息;
接收所述服务器反馈的目标应用模型,其中,所述目标应用模型为所述服务器通过初始模型参数配置初始应用模型得到的,所述初始应用模型及所述初始模型参数为所述服务器根据所述设备信息及所述类型信息确定的;
若所述目标应用模型的准确率小于预设定的准确率阈值,控制所述目标应用模型在不同的模型参数下运行,并获取所述目标应用模型在不同的模型参数下的运行结果;
根据多个所述运行结果确定所述智能终端的最优模型参数;
根据所述最优模型参数重新配置所述目标应用模型。
在一些实施例中,所述计算机程序被处理器运行时可执行以下步骤:
接收所述智能终端发送的模型获取请求,所述模型获取请求包括所述智能终端的设备信息及目标应用模型的类型信息;
根据所述设备信息及所述类型信息确定初始应用模型及初始模型参数;
基于所述初始模型参数配置所述初始应用模型得到目标应用模型;
向所述智能终端发送所述目标应用模型,以使所述智能终端在所述目标应用模型的准确率小于预设定的准确率阈值时,控制所述目标应用模型在不同的模型参数下运行以获取所述目标应用模型在不同的模型参数下的运行结果,并基于根据多个所述运行结果确定的所述智能终端的最优模型参数配置所述目标应用模型。
相较于现有技术,本发明提供的模型参数调整方法、装置、电子设备及可读存储介质,通过向服务器发送模型获取请求,模型获取请求包括智能终端的设备信息及目标应用模型的类型信息,并接收服务器反馈的目标应用模型,当目标应用模型的准确率小于预设定的准确率阈值时,控制目标应用模型在不同的模型参数下运行,并获取目标应用模型在不同的模型参数下的运行结果,然后根据多个运行结果确定智能终端的最优模型参数,并根据最优模型参数重新配置目标应用模型。由于获取的目标应用模型的初始模型参数是服务器依据智能终端的设备信息确定的,其与智能终端较为适配,有利于智能终端运行该应用模型时取得较好的运行结果;其次,在得到的目标应用模型的准确率较低时,再重新调整模型参数以获得智能终端的最优模型参数,同样可使得该应用模型在智能终端上运行时可以得到较为理想的运行结果。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,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申请的某些实施例,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示出了本申请实施例提供的一种模型参数调整系统的架构示意图;
图2示出了本申请实施例提供的一种模型参数调整方法的流程图;
图3示出了本申请实施例提供的模型参数调整方法中,S204的具体方法的流程图;
图4示出了本申请实施例提供的一种模型参数调整方法进一步的流程图;
图5示出了本申请实施例提供的第一模型参数调整装置的结构示意图;
图6示出了本申请实施例提供的第一模型参数调整装置进一步的结构示意图;
图7示出了本申请实施例提供的另一种模型参数调整方法的流程图;
图8示出了本申请实施例提供的另一种模型参数调整方法在一种实施方式中的流程图;
图9示出了本申请实施例提供的另一种模型参数调整方法在另一种实施方式中的流程图;
图10示出了本申请实施例提供的第二模型参数调整装置的结构示意图;
图11示出了本申请实施例提供的第二模型参数调整装置在一种实施方式中的结构示意图;
图12示出了本申请实施例提供的第二模型参数调整装置在另一种实施方式中的结构示意图;
图13示出了本申请实施例提供的电子设备的一种结构示意图;
图14示出了本申请实施例提供的电子设备的另一种结构示意图。
图标:100-模型参数调整系统;110-服务器;120-智能终端;130-网络;200-第一模型参数调整装置;210-第一发送模块;220-第一接收模块;230-运行结果获取模块;240-第一参数确定模块;250-第一配置模块;260-原始模型获取模块;300-第二模型参数调整装置;310-第二接收模块;320-初始信息确定模块;330-第二配置模块;340-第二发送模块;350-分组模块;360-第二参数确定模块;370-参数范围确定模块;380-原始应用模型确定模块;400-电子设备;410-处理器;420-存储器;430-总线。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。
应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请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申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。需要说明的是,本申请实施例中将会用到术语“包括”,用于指出其后所声明的特征的存在,但并不排除增加其它的特征。
由于在现有技术中,在训练模式时并未考虑到模型运行环境的差异性,会导致同一模型在不同运行环境内(如不同型号的智能终端)时,得到的运行结果具备较大的差异性,也即一个模型在一些运行环境内有较好的运行结果,而在另一些运行环境内确无法满足用户的使用需求。
有鉴于此,本发明提供了一种模型参数调整方法、装置、电子设备及可读存储介质,使得同一应用模型在不同的智能终端上均可以得到较为理想的运行结果。
图1是本申请实施例提供的一种模型参数调整系统100的架构示意图。模型参数调整系统100可以包括服务器110、网络130及智能终端120中的一种或多种。其中,智能终端120通过网络130与服务器110通信连接。
其中,智能终端120用于与服务器110进行数据交换,并实现对服务器110反馈的目标应用模型的模型参数的参数调整,找到最适合智能终端120的模型参数。
在一些实施例中,智能终端120可以是移动设备,比如可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等,也可以是平板计算机、膝上型计算机、或机动车辆中的内置设备等。
服务器110用于接收智能终端120发送请求,并响应该智能终端120的请求。例如,服务器110可响应智能终端120发送的模型获取请求而反馈目标应用模型至智能终端120。
服务器110还用于接收智能终端120发送的数据,并对数据做出分析。例如,服务器110可接收智能终端120发送的智能终端120的设备信息、最优模型参数及运行结果,并基于智能终端120的设备信息、最优模型参数及运行结果分析得出最适合该类智能终端120的模型参数。
实施例一
下面结合上述图1示出的模型参数调整系统100中描述的内容,对本申请实施例提供的模型参数调整方法进行详细说明。
参照图2所示,为本申请实施例提供的一种模型参数调整方法的流程示意图,该方法可以由模型参数调整系统100中的智能终端120来执行,具体执行过程为:
S201,向服务器110发送模型获取请求,模型获取请求包括智能终端120的设备信息及目标应用模型的类型信息。
其中,设备信息可指智能终端120的型号或者传感器型号等等。例如,智能终端120可以为手机,该设备信息便可包括该手机的型号,例如是华为P30、iPhone11等。
该目标应用模型的类型信息可指智能终端120具体所需求的应用模型,例如是实现亮度调整功能的应用模型,或者是实现声音调整功能的应用模型等等。
S202,接收服务器110反馈的目标应用模型,其中,目标应用模型为服务器110通过初始模型参数配置初始应用模型得到的,初始应用模型及初始模型参数为服务器110根据设备信息及类型信息确定的。
可以理解地,目标应用模型即为服务器110响应该模型获取请求而反馈的。
在一种可选的实施方式中,服务器110中预先存储有具有不同设备信息的智能终端120在不同的初始应用模型下的初始模型参数。从而,服务器110在接收到该模型获取请求后,便解析该模型获取请求得到智能终端120的设备信息及目标应用模型的类型信息,然后根据设备信息及类型信息确定初始应用模型及初始模型参数,并根据初始模型参数配置初始应用模型而得到目标应用模型。
需要说明的是,该初始应用模型为初始状态下的应用模型,该初始应用模型的模型参数并未基于该智能终端120的设备信息进行调整。而该初始模型参数是基于智能终端120的设备信息获得的,与智能终端120相适配。因此,得到的目标应用模型即为与智能终端120较为适配的应用模型。
S203,若目标应用模型的准确率小于预设定的准确率阈值,控制目标应用模型在不同的模型参数下运行,并获取目标应用模型在不同的模型参数下的运行结果。
在一种可选的实施方式中,该运行结果包括准确率及效率。其中,效率可表征智能终端120运行该目标应用模型所需的时间。
虽然该目标应用模型已经是服务器110反馈的较为贴合智能终端120的应用模型了,但其仍然有可能达到不智能终端120对于模型的精度的要求。因此,在智能终端120接收到服务器110反馈的目标应用模型后,便运行该目标应用模型并获得运行该目标应用模型的准确率及效率,并判断该准确率是否小于预设定的准确率阈值。
若目标应用模型的准确率小于预设定的准确率阈值,则需调整该目标应用模型的模型参数,以便能确定该智能终端120的最优模型参数。
在一种可选的实施方式中,智能终端120在目标应用模型的准确率小于预设定的准确率阈值时,可随机调整该目标应用模型的模型参数以获得当前模型参数,并获得目标应用模型在当前模型参数下的准确率,然后根据准确率的变化趋势再次调整目标应用模型的模型参数。
智能终端120可以在准确率的变化趋势为往低变化时,则在下一次调整模型参数时,按照上一次调整模型参数的相反方向进行调整;智能终端120还可以在准确率的变化趋势为往高变化时,按照上一次调整模型参数的相同方向进行调整。例如,智能终端120因将模型参数调小而导致准确率下降,则在下一次调整时将模型参数调大;智能终端120因将模型参数调小而导致准确率升高,则在下一次调整时继续将模型参数调小。
在一种可选的实施方式中,智能终端120在每次调整模型参数后,都会获取目标应用模型在调整后的模型参数下的运行结果,并判断准确率是否大于或等于预设定的准确率阈值,若在一次模型参数调整后得到的准确率大于或等于预设定的准确率阈值,则可不进行下一次参数调整。
但在另一种可选的实施方式中,若智能终端120在一次模型参数调整后得到的准确率大于或等于预设定的准确率阈值,该智能终端120也可继续调整模型参数,以确认是否还能继续提升准确率。
如此,智能终端120可按照上述方式调整目标应用模型的模型参数,以便能尽快使得目标应用模型的准确率大于等于预设定的准确率阈值。
在一种可选的实施方式中,服务器110向智能终端120反馈目标应用模型时,还会反馈目标应用模型的模型参数范围,从而智能终端120可根据模型参数范围调整目标应用模型的模型参数,控制目标应用模型在不同的模型参数下运行,并获取目标应用模型在不同的模型参数下的运行结果。
可以理解地,通过确定目标应用模型的模型参数范围,可以减少调整模型参数的次数的情况下,确定最优模型参数,从而加快智能终端120确定最优模型参数的速度。
S204,根据多个运行结果确定智能终端120的最优模型参数。
在一种可选的实施方式中,请参阅图3,该S204可包括:
S2041,若存在一个准确率最高的目标应用模型,将准确率最高的目标应用模型对应的模型参数确定为最优模型参数。
例如,目标应用模型以第一组模型参数运行得到的准确率为98%,以第二组模型参数运行得到的准确率为90%,以第三组模型参数运行得到的准确率为95%,则准确率最高的目标应用模型即为以第一组模型参数运行的目标应用模型,从而将第一组模型参数确定为最优模型参数。
S2042,若存在至少两个准确率最高的目标应用模型,则将至少两个准确率最高的目标应用模型中效率较高的目标应用模型对应的模型参数确定为最优模型参数。
例如,目标应用模型以第一组模型参数运行得到的准确率为99%,效率为90%;以第二组模型参数运行得到的准确率为99%,效率为99%;以第三组模型参数运行得到的准确率为95%,效率为99%;则准确率最高的目标应用模型即为以第一组模型参数运行的目标应用模型以及以第二组模型参数运行的目标应用模型,但由于以第二组模型参数运行时的目标应用模型的效率更高,从而将第一组模型参数确定为最优模型参数。
S205,根据最优模型参数重新配置目标应用模型。
通过根据最优模型参数重新配置目标应用模型,使得在智能终端120上运行的目标应用模型是最适配该智能终端120的。
S206,向服务器110发送智能终端120的设备信息、最优模型参数及运行结果,设备信息、运行结果及最优模型参数一一对应。
在智能终端120确定了最优模型参数后,还会向服务器110发送智能终端120的设备信息、最优模型参数及运行结果。而服务器110在接收到该设备信息、最优模型参数及运行结果后,便进一步根据所述设备信息对所述最优模型参数进行分组得到参数分组,并根据每个参数分组内的最优模型参数进一步优化该设备信息对应的初始模型参数。
在一种可选的实施方式中,在步骤S201之前,为了确定智能终端120适合的应用模型的类型,请参阅图4,该模型参数调整方法还包括:
S207,获取多个不同类型的原始应用模型。
可以理解地,开发人员可训练多种不同类型的但可实现同一功能的模型。从而智能终端120便可获取这些不同类型的原始应用模型。
S208,运行每个原始应用模型,并获取每个原始应用模型的运行结果。
S209,向服务器110发送智能终端120的设备信息、每个原始应用模型及对应的运行结果,以使服务器110基于每个原始应用模型及对应的运行结果确定最适合智能终端120的原始应用模型。
服务器110在接收到智能终端120发送的每个原始应用模型及对应的运行结果后,便可确定哪种类型的原始应用模型是最适合该智能终端120的原始应用模型,并将最适合该智能终端120的原始应用模型确定为初始应用模型。
基于同一发明构思,本申请实施例中还提供了与模型参数调整方法对应的第一模型参数调整装置200,由于本申请实施例中的装置解决问题的原理与本申请实施例上述模型参数调整方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
实施例二
参照图5所示,为本申请实施例二提供的一种第一模型参数调整装置200的示意图,所述装置包括:第一发送模块210、第一接收模块220、运行结果获取模块230、第一参数确定模块240以及第一配置模块250。
其中,第一发送模块210,用于向服务器110发送模型获取请求,模型获取请求包括智能终端120的设备信息及目标应用模型的类型信息。
可以理解地,在一种可选的实施方式中,该第一发送模块210可用于执行S201。
第一接收模块220,用于接收服务器110反馈的目标应用模型,其中,目标应用模型为服务器110通过初始模型参数配置初始应用模型得到的,初始应用模型及初始模型参数为服务器110根据设备信息及类型信息确定的。
可以理解地,在一种可选的实施方式中,该第一接收模块220可用于执行S202。
运行结果获取模块230,若目标应用模型的准确率小于预设定的准确率阈值,控制目标应用模型在不同的模型参数下运行,并获取目标应用模型在不同的模型参数下的运行结果。
可以理解地,在一种可选的实施方式中,该运行结果获取模块230可用于执行S203。
第一参数确定模块240用于根据多个运行结果确定智能终端120的最优模型参数。
一种可能的实施方式中,第一参数确定模块240,具体用于:若存在一个准确率最高的目标应用模型,将准确率最高的目标应用模型对应的模型参数确定为最优模型参数,若存在至少两个准确率最高的目标应用模型,则将至少两个准确率最高的目标应用模型中效率较高的目标应用模型对应的模型参数确定为最优模型参数。
可以理解地,在一种可选的实施方式中,该第一参数确定模块240可用于执行S204、S2041及S2042。
第一配置模块250用于根据最优模型参数重新配置目标应用模型。
可以理解地,在一种可选的实施方式中,该第一配置模块250可用于执行S205。
一种可能的实施方式中,第一发送模块210,还用于:向服务器110发送智能终端120的设备信息、最优模型参数及运行结果,设备信息、运行结果及最优模型参数一一对应。
可以理解地,在一种可选的实施方式中,该第一发送模块210可用于执行S206。
一种可能的实施方式中,请参阅图6,第一模型参数调整装置200还包括原始模型获取模块260。
原始模型获取模块260用于,获取多个不同类型的原始应用模型。
可以理解地,在一种可选的实施方式中,该原始模型获取模块260可用于执行S207。
一种可能的实施方式中,运行结果获取模块230,还用于:运行每个原始应用模型,并获取每个原始应用模型的运行结果。
可以理解地,在一种可选的实施方式中,该运行结果获取模块230可用于执行S208。
一种可能的实施方式中,第一发送模块210,还用于:向服务器110发送智能终端120的设备信息、每个原始应用模型及对应的运行结果,以使服务器110基于每个原始应用模型及对应的运行结果确定最适合智能终端120的原始应用模型。
可以理解地,在一种可选的实施方式中,该第一发送模块210可用于执行S209。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
实施例三
基于同一发明构思,参照图7所示,本发明实施例还提供了一种模型参数调整方法的流程示意图,该方法可以由模型参数调整系统100中的服务器110来执行,具体执行过程为:
S501,接收智能终端120发送的模型获取请求,模型获取请求包括智能终端120的设备信息及目标应用模型的类型信息。
可以理解地,服务器110在接收到该模型获取请求后,便解析该模型获取请求得到智能终端120的设备信息及目标应用模型的类型信息。其中,设备信息可指智能终端120的型号或者传感器型号等等;该目标应用模型的类型信息可指智能终端120具体所需求的应用模型。
S502,根据设备信息及类型信息确定初始应用模型及初始模型参数。
在一种可选的实施方式中,服务器110中预先存储有具有不同设备信息的智能终端120在不同的初始应用模型下的初始模型参数。
初始应用模型为初始状态下的应用模型,该初始应用模型的模型参数并未基于该智能终端120的设备信息进行调整。在一种可选的实施方式中,根据类型信息确定的初始应用模型可以为服务器110根据与智能终端120相同类型的终端反馈的数据而确定的原始应用模型。
例如,终端A预先运行了模型A和模型B,并将终端A的设备信息、模型A及运行模型A的运行结果,模型B及模型B的运行结果上传至服务器110,则服务器110可确定最适合终端A的模型为模型B,并将模型B确定为原始应用模型并进行储存。若智能终端120与终端A的设备信息相同,则服务器110接收到该智能终端120发送的模型获取请求后,便会将模型B确定为该智能终端120的初始应用模型。
S503,基于初始模型参数配置初始应用模型得到目标应用模型。
S504,向智能终端120发送目标应用模型,以使智能终端120在目标应用模型的准确率小于预设定的准确率阈值时,控制目标应用模型在不同的模型参数下运行以获取目标应用模型在不同的模型参数下的运行结果,并基于根据多个运行结果确定的智能终端120的最优模型参数配置目标应用模型。
智能终端120在接收到目标应用模型后,便运行该目标应用模型并获得运行该目标应用模型的准确率及效率,并判断该准确率是否小于预设定的准确率阈值,若目标应用模型的准确率小于预设定的准确率阈值,则需调整该目标应用模型的模型参数,以便能确定该智能终端120的最优模型参数。
在一种可选的实施方式中,为了使得服务器110反馈给智能终端120的目标应用模型的模型参数更加贴合智能终端120的实际运行情况,服务器110还可以调整初始模型参数。请参阅图8,该模型参数调整方法还可包括:
S505,接收智能终端120发送的智能终端120的设备信息、最优模型参数及运行结果,设备信息、运行结果及最优模型参数一一对应,运行结果包括准确率及效率。
S506,根据设备信息对最优模型参数进行分组得到参数分组。
服务器110可将具有相同设备信息的最优模型参数作为一个参数分组。
S507,若一个参数分组内存在一个准确率最高的最优模型参数,将准确率最高的最优模型参数确定为初始模型参数。
例如,第一组模型参数对应的准确率为98%,第二组模型参数对应的准确率为90%,第三组模型参数对应的准确率为95%,则服务器110将第一组模型参数确定为初始模型参数。
S508,若一个参数分组内存在至少两个准确率最高的最优模型参数,将至少两个准确率最高的最优模型参数中效率较高的最优模型参数确定为初始模型参数。
例如,第一组模型参数对应的准确率为98%,效率为90%;第二组模型参数对应的准确率为90%,效率为99%;第三组模型参数对应的准确率为98%,效率为99%;则服务器110将第三组模型参数确定为初始模型参数。
S509,根据一个参数分组内的最优模型参数确定参数分组对应的设备信息的模型参数范围。
在一种可选的实施方式中,为了使得服务器110反馈给智能终端120的目标应用模型的类型更加贴合智能终端120,服务器110还可以调整初始模型参数。请参阅图9,该模型参数调整方法还可包括:
S510,接收智能终端120发送的至少两个原始应用模型及对应的运行结果。
S511,基于每个原始应用模型及对应的运行结果确定最适合智能终端120的原始应用模型。
可以理解地,服务器110确定最适合智能终端120的原始应用模型的过程可参照S508及S509,在此不再赘述。
基于同一发明构思,本申请实施例中还提供了与模型参数调整方法对应的第二模型参数调整装置300,由于本申请实施例中的装置解决问题的原理与本申请实施例上述模型参数调整方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
实施例四
参照图10所示,为本申请实施例四提供的一种第二模型参数调整装置300的示意图,装置包括:第二接收模块310、初始信息确定模块320、第二配置模块330以及第二发送模块340。
第二接收模块310,用于根据设备信息及类型信息确定初始应用模型及初始模型参数。
可以理解地,在一种可选的实施方式中,第二接收模块310可用于执行S501。
初始信息确定模块320,用于根据设备信息及类型信息确定初始应用模型及初始模型参数。
可以理解地,在一种可选的实施方式中,初始信息确定模块320可用于执行S502。
第二配置模块330,用于基于初始模型参数配置初始应用模型得到目标应用模型。
可以理解地,在一种可选的实施方式中,第二配置模块330可用于执行S503。
第二发送模块340,用于向智能终端120发送目标应用模型,以使智能终端120在目标应用模型的准确率小于预设定的准确率阈值时,控制目标应用模型在不同的模型参数下运行以获取目标应用模型在不同的模型参数下的运行结果,并基于根据多个运行结果确定的智能终端120的最优模型参数配置目标应用模型。
可以理解地,在一种可选的实施方式中,第二发送模块340可用于执行S504。
一种可能的实施方式中,第二接收模块310,还用于:接收智能终端120发送的智能终端120的设备信息、最优模型参数及运行结果,设备信息、运行结果及最优模型参数一一对应,运行结果包括准确率及效率。
可以理解地,在一种可选的实施方式中,第二接收模块310可用于执行S505。
一种可能的实施方式中,请参阅图11,第二模型参数调整装置300还包括分组模块350、第二参数确定模块360、参数范围确定模块370。
分组模块350,用于根据设备信息对最优模型参数进行分组得到参数分组。
可以理解地,在一种可选的实施方式中,分组模块350可用于执行S506。
第二参数确定模块360,用于若一个参数分组内存在一个准确率最高的最优模型参数,将准确率最高的最优模型参数确定为初始模型参数。
可以理解地,在一种可选的实施方式中,第二参数确定模块360可用于执行S507。
在一种可能的实施方式中,第二参数确定模块360还用于:若一个参数分组内存在至少两个准确率最高的最优模型参数,将至少两个准确率最高的最优模型参数中效率较高的最优模型参数确定为初始模型参数。
可以理解地,在一种可选的实施方式中,第二参数确定模块360可用于执行S508。
参数范围确定模块370,用于根据一个参数分组内的最优模型参数确定参数分组对应的设备信息的模型参数范围。
可以理解地,在一种可选的实施方式中,参数范围确定模块370可用于执行S509。
一种可能的实施方式中,请参阅图12,第二模型参数调整装置300还包括原始应用模型确定模块380。
第二接收模块310还用于接收智能终端120发送的至少两个原始应用模型及对应的运行结果。
可以理解地,在一种可选的实施方式中,第二接收模块310可用于执行S510。
原始应用模型确定模块380,用于基于每个原始应用模型及对应的运行结果确定最适合智能终端120的原始应用模型。
可以理解地,在一种可选的实施方式中,原始应用模型确定模块380可用于执行S511。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
实施例五
本申请实施例还提供了一种电子设备400,如图13所示,为本申请实施例提供的电子设备400的结构示意图,包括:处理器410、存储器420、和总线430。所述存储器420存储有所述处理器410可执行的机器可读指令(比如,图5示出的装置中的第一发送模块210、第一接收模块220、运行结果获取模块230、第一参数确定模块240以及第一配置模块250对应的执行指令等),当电子设备400运行时,所述处理器410与所述存储器420之间通过总线430通信,所述机器可读指令被所述处理器410执行时执行如下处理:
向服务器110发送模型获取请求,模型获取请求包括智能终端120的设备信息及目标应用模型的类型信息;
接收服务器110反馈的目标应用模型,其中,目标应用模型为服务器110通过初始模型参数配置初始应用模型得到的,初始应用模型及初始模型参数为服务器110根据设备信息及类型信息确定的;
若目标应用模型的准确率小于预设定的准确率阈值,控制目标应用模型在不同的模型参数下运行,并获取目标应用模型在不同的模型参数下的运行结果;
根据多个运行结果确定智能终端120的最优模型参数;
根据最优模型参数重新配置目标应用模型。
在一种可选的实施方式中,为了使得服务器110反馈的应用模型更加贴合智能终端120的实际运行环境,处理器410还可以执行如下处理:向服务器110发送智能终端120的设备信息、最优模型参数及运行结果,设备信息、运行结果及最优模型参数一一对应。
在一种可选的实施方式中,为了确定智能终端120适合的应用模型的类型,处理器410还可以执行如下处理:获取多个不同类型的原始应用模型,并运行每个原始应用模型,并获取每个原始应用模型的运行结果,然后向服务器110发送智能终端120的设备信息、每个原始应用模型及对应的运行结果,以使服务器110基于每个原始应用模型及对应的运行结果确定最适合智能终端120的原始应用模型。
实施例六
本申请实施例还提供了一种电子设备400,如图14所示,为本申请实施例提供的电子设备400的结构示意图,包括:处理器410、存储器420、和总线430。存储器420存储有处理器410可执行的机器可读指令(比如,图10示出的装置中的第二接收模块310、初始信息确定模块320、第二配置模块330以及第二发送模块340对应的执行指令等),当电子设备400运行时,处理器410与存储器420之间通过总线430通信,机器可读指令被处理器410执行时执行如下处理:
接收智能终端120发送的模型获取请求,模型获取请求包括智能终端120的设备信息及目标应用模型的类型信息。
根据设备信息及类型信息确定初始应用模型及初始模型参数。基于初始模型参数配置初始应用模型得到目标应用模型。
向智能终端120发送目标应用模型,以使智能终端120在目标应用模型的准确率小于预设定的准确率阈值时,控制目标应用模型在不同的模型参数下运行以获取目标应用模型在不同的模型参数下的运行结果,并基于根据多个运行结果确定的智能终端120的最优模型参数配置目标应用模型。
在一种可选的实施方式中,为了使得反馈给智能终端120的目标应用模型的模型参数更加贴合智能终端120的实际运行情况,处理器410还可执行如下处理:接收智能终端120发送的智能终端120的设备信息、最优模型参数及运行结果,设备信息、运行结果及最优模型参数一一对应,运行结果包括准确率及效率,根据设备信息对最优模型参数进行分组得到参数分组,若一个参数分组内存在一个准确率最高的最优模型参数,将准确率最高的最优模型参数确定为初始模型参数,若一个参数分组内存在至少两个准确率最高的最优模型参数,将至少两个准确率最高的最优模型参数中效率较高的最优模型参数确定为初始模型参数,以及根据一个参数分组内的最优模型参数确定参数分组对应的设备信息的模型参数范围。
在一种可选的实施方式中,为了使得服务器110反馈给智能终端120的目标应用模型的类型更加贴合智能终端120,处理器410还可执行如下处理:接收智能终端120发送的至少两个原始应用模型及对应的运行结果,并基于每个原始应用模型及对应的运行结果确定最适合智能终端120的原始应用模型。
实施例七
本申请实施例还提供了一种可读存储介质,该可读存储介质上存储有计算机程序,该计算机程序被处理器410运行时执行上述模型参数调整方法的步骤。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述模型参数调整方法,使得同一应用模型在不同的智能终端120上均可以得到较为理想的运行结果。
综上所述,本申请提供的模型参数调整方法、装置、电子设备及可读存储介质,通过向服务器发送模型获取请求,模型获取请求包括智能终端的设备信息及目标应用模型的类型信息,并接收服务器反馈的目标应用模型,当目标应用模型的准确率小于预设定的准确率阈值时,控制目标应用模型在不同的模型参数下运行,并获取目标应用模型在不同的模型参数下的运行结果,然后根据多个运行结果确定智能终端的最优模型参数,并根据最优模型参数重新配置目标应用模型。由于获取的目标应用模型的初始模型参数是服务器依据智能终端的设备信息确定的,其与智能终端较为适配,有利于智能终端运行该应用模型时取得较好的运行结果;其次,在得到的目标应用模型的准确率较低时,再重新调整模型参数以获得智能终端的最优模型参数,同样可使得该应用模型在智能终端上运行时可以得到较为理想的运行结果。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考方法实施例中的对应过程,本申请中不再赘述。在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (13)
1.一种模型参数调整方法,其特征在于,应用于智能终端,所述智能终端与服务器通信连接,所述方法包括:
向所述服务器发送模型获取请求,所述模型获取请求包括所述智能终端的设备信息及目标应用模型的类型信息;
接收所述服务器反馈的目标应用模型,其中,所述目标应用模型为所述服务器通过初始模型参数配置初始应用模型得到的,所述初始应用模型及所述初始模型参数为所述服务器根据所述设备信息及所述类型信息确定的;
若所述目标应用模型的准确率小于预设定的准确率阈值,控制所述目标应用模型在不同的模型参数下运行,并获取所述目标应用模型在不同的模型参数下的运行结果;
根据多个所述运行结果确定所述智能终端的最优模型参数;
根据所述最优模型参数重新配置所述目标应用模型。
2.根据权利要求1所述的模型参数调整方法,其特征在于,所述运行结果包括准确率及效率,所述根据多个所述运行结果确定所述智能终端的最优模型参数的步骤包括:
若存在一个准确率最高的所述目标应用模型,将准确率最高的所述目标应用模型对应的模型参数确定为最优模型参数;
若存在至少两个准确率最高的所述目标应用模型,则将至少两个准确率最高的所述目标应用模型中效率较高的所述目标应用模型对应的模型参数确定为最优模型参数。
3.根据权利要求1所述的模型参数调整方法,其特征在于,在所述控制所述目标应用模型在不同的模型参数下运行,并获取所述目标应用模型在不同的模型参数下的运行结果的步骤之前,所述方法还包括:
接收所述服务器发送的模型参数范围;
所述控制所述目标应用模型在不同的模型参数下运行,并获取所述目标应用模型在不同的模型参数下的运行结果的步骤包括:
根据所述模型参数范围调整所述目标应用模型的模型参数,控制所述目标应用模型在不同的模型参数下运行,并获取所述目标应用模型在不同的模型参数下的运行结果。
4.根据权利要求1-3中任意一项所述的模型参数调整方法,其特征在于,在所述根据多个所述运行结果确定所述智能终端的最优模型参数的步骤之后,所述方法还包括:
向所述服务器发送所述智能终端的设备信息、所述最优模型参数及所述运行结果,所述设备信息、所述运行结果及所述最优模型参数一一对应。
5.根据权利要求1-3中任意一项所述的模型参数调整方法,其特征在于,所述方法还包括:
获取多个不同类型的原始应用模型;
运行每个所述原始应用模型,并获取每个原始应用模型的运行结果;
向所述服务器发送所述智能终端的设备信息、每个所述原始应用模型及对应的所述运行结果,以使所述服务器基于每个所述原始应用模型及对应的所述运行结果确定最适合所述智能终端的原始应用模型。
6.一种模型参数调整方法,其特征在于,应用于服务器,所述服务器与智能终端通信连接,所述方法包括:
接收所述智能终端发送的模型获取请求,所述模型获取请求包括所述智能终端的设备信息及目标应用模型的类型信息;
根据所述设备信息及所述类型信息确定初始应用模型及初始模型参数;
基于所述初始模型参数配置所述初始应用模型得到目标应用模型;
向所述智能终端发送所述目标应用模型,以使所述智能终端在所述目标应用模型的准确率小于预设定的准确率阈值时,控制所述目标应用模型在不同的模型参数下运行以获取所述目标应用模型在不同的模型参数下的运行结果,并基于根据多个所述运行结果确定的所述智能终端的最优模型参数配置所述目标应用模型。
7.根据权利要求6所述的模型参数调整方法,其特征在于,所述方法还包括:
接收所述智能终端发送的所述智能终端的设备信息、所述最优模型参数及所述运行结果,所述设备信息、所述运行结果及所述最优模型参数一一对应,所述运行结果包括准确率及效率;
根据所述设备信息对所述最优模型参数进行分组得到参数分组;
若一个所述参数分组内存在一个准确率最高的所述最优模型参数,将准确率最高的所述最优模型参数确定为所述初始模型参数;
若一个所述参数分组内存在至少两个准确率最高的所述最优模型参数,将至少两个准确率最高的最优模型参数中效率较高的所述最优模型参数确定为所述初始模型参数。
8.根据权利要求7所述的模型参数调整方法,其特征在于,所述方法还包括:
根据一个所述参数分组内的所述最优模型参数确定所述参数分组对应的设备信息的模型参数范围。
9.根据权利要求6-8中任意一项所述的模型参数调整方法,其特征在于,所述方法还包括:
接收所述智能终端发送的至少两个原始应用模型及对应的所述运行结果;
基于每个所述原始应用模型及对应的所述运行结果确定最适合所述智能终端的原始应用模型。
10.一种模型参数调整装置,其特征在于,应用于智能终端,所述智能终端与服务器通信连接,所述装置包括:
第一发送模块,用于向所述服务器发送模型获取请求,所述模型获取请求包括所述智能终端的设备信息及目标应用模型的类型信息;
第一接收模块,用于接收所述服务器反馈的目标应用模型,其中,所述目标应用模型为所述服务器通过初始模型参数配置初始应用模型得到的,所述初始应用模型及所述初始模型参数为所述服务器根据所述设备信息及所述类型信息确定的;
运行结果获取模块,用于若所述目标应用模型的准确率小于预设定的准确率阈值,控制所述目标应用模型在不同的模型参数下运行,并获取所述目标应用模型在不同的模型参数下的运行结果;
第一参数确定模块,用于根据多个所述运行结果确定所述智能终端的最优模型参数;
第一配置模块,用于根据所述最优模型参数重新配置所述目标应用模型。
11.一种模型参数调整装置,其特征在于,应用于服务器,所述服务器与智能终端通信连接,所述装置包括:
第二接收模块,用于接收所述智能终端发送的模型获取请求,所述模型获取请求包括所述智能终端的设备信息及目标应用模型的类型信息;
初始信息确定模块,用于根据所述设备信息及所述类型信息确定初始应用模型及初始模型参数;
第二配置模块,用于基于所述初始模型参数配置所述初始应用模型得到目标应用模型;
第二发送模块,用于向所述智能终端发送所述目标应用模型,以使所述智能终端在所述目标应用模型的准确率小于预设定的准确率阈值时,控制所述目标应用模型在不同的模型参数下运行以获取所述目标应用模型在不同的模型参数下的运行结果,并基于根据多个所述运行结果确定的所述智能终端的最优模型参数配置所述目标应用模型。
12.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1至9任一所述方法的步骤。
13.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至9任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911409865.2A CN111860560B (zh) | 2019-12-31 | 2019-12-31 | 模型参数调整方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911409865.2A CN111860560B (zh) | 2019-12-31 | 2019-12-31 | 模型参数调整方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111860560A true CN111860560A (zh) | 2020-10-30 |
CN111860560B CN111860560B (zh) | 2023-12-08 |
Family
ID=72970751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911409865.2A Active CN111860560B (zh) | 2019-12-31 | 2019-12-31 | 模型参数调整方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111860560B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023040885A1 (zh) * | 2021-09-18 | 2023-03-23 | 维沃移动通信有限公司 | 参数选择方法、参数配置方法、终端及网络侧设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109242105A (zh) * | 2018-08-17 | 2019-01-18 | 第四范式(北京)技术有限公司 | 机器学习模型中超参数的调优方法、装置、设备及介质 |
CN109508485A (zh) * | 2018-10-30 | 2019-03-22 | 平安医疗健康管理股份有限公司 | 一种数据处理模型发布方法、装置、服务器及存储介质 |
WO2019227371A1 (zh) * | 2018-05-31 | 2019-12-05 | 深圳市蚂蚁雄兵物联技术有限公司 | 设备连接方法、装置、电子设备及可读存储介质 |
-
2019
- 2019-12-31 CN CN201911409865.2A patent/CN111860560B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019227371A1 (zh) * | 2018-05-31 | 2019-12-05 | 深圳市蚂蚁雄兵物联技术有限公司 | 设备连接方法、装置、电子设备及可读存储介质 |
CN109242105A (zh) * | 2018-08-17 | 2019-01-18 | 第四范式(北京)技术有限公司 | 机器学习模型中超参数的调优方法、装置、设备及介质 |
CN109508485A (zh) * | 2018-10-30 | 2019-03-22 | 平安医疗健康管理股份有限公司 | 一种数据处理模型发布方法、装置、服务器及存储介质 |
Non-Patent Citations (2)
Title |
---|
孙军;赵小庆;王军;冯嵩;谭景春;: "面向STEP-NC铣削加工参数优化", 沈阳建筑大学学报(自然科学版), no. 02 * |
王瑜;武延军;吴敬征;刘晓燕;: "基于异构网络面向多标签系统的推荐模型研究", 软件学报, no. 10 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023040885A1 (zh) * | 2021-09-18 | 2023-03-23 | 维沃移动通信有限公司 | 参数选择方法、参数配置方法、终端及网络侧设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111860560B (zh) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10877639B2 (en) | Page shortcut display method, apparatus, terminal, and server, and storage medium | |
EP3255553B1 (en) | Transmission control method and device for direct memory access | |
US10754869B2 (en) | Managing data format of data received from devices in an internet of things network | |
US10460258B2 (en) | Computer system, and method and program for controlling edge device | |
AU2017404119A1 (en) | Random forest model training method, electronic apparatus and storage medium | |
CN110460653A (zh) | 自动驾驶车辆数据传输的方法及装置 | |
CN101202027B (zh) | 显示器屏幕显示控制系统与控制方法 | |
CN110069288A (zh) | Usb设备共享方法、装置及系统 | |
CN111860560A (zh) | 模型参数调整方法、装置、电子设备及可读存储介质 | |
CN113405249B (zh) | 用于空调器的控制方法、装置、空调器及存储介质 | |
US9756451B2 (en) | Terminal apparatus and information processing method | |
CN105045873A (zh) | 一种数据文件的推送方法、装置及系统 | |
US20180059652A1 (en) | Techniques for implementing universal commands in a welding or cutting system | |
CN105404529A (zh) | 刷机用操作系统弹窗的弹出方法、装置及系统 | |
CN110995856B (zh) | 一种服务器扩展的方法、装置、设备及存储介质 | |
CN105739694B (zh) | 一种穿戴式设备交互的方法、终端及穿戴式设备 | |
CN109269628B (zh) | 监测马达振动的方法、终端设备以及计算机可读存储介质 | |
CN114513380B (zh) | 用于控制家电设备的方法及装置、家电设备、存储介质 | |
CN110275785A (zh) | 数据处理方法、装置、客户端和服务器 | |
CN116633955A (zh) | 通信方法、装置、车辆、介质及设备 | |
WO2016125315A1 (en) | Information processing apparatus, information processing method, and control program | |
CN106873881B (zh) | 电子设备及玩具控制方法 | |
CN106951147A (zh) | 一种应用调取方法及装置 | |
US20220141811A1 (en) | Information processing device, information processing method, and program | |
US10333837B2 (en) | Virtual network switch system and method of constructing the same |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |