CN113327598A - 模型的训练方法、语音识别方法、装置、介质及设备 - Google Patents
模型的训练方法、语音识别方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN113327598A CN113327598A CN202110736548.2A CN202110736548A CN113327598A CN 113327598 A CN113327598 A CN 113327598A CN 202110736548 A CN202110736548 A CN 202110736548A CN 113327598 A CN113327598 A CN 113327598A
- Authority
- CN
- China
- Prior art keywords
- learning rate
- training
- model
- preset
- range
- 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
- 238000012549 training Methods 0.000 title claims abstract description 167
- 238000000034 method Methods 0.000 title claims abstract description 107
- 230000008569 process Effects 0.000 claims abstract description 41
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 12
- 230000000875 corresponding effect Effects 0.000 description 133
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000002864 sequence alignment Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
- G10L2015/0635—Training updating or merging of old and new templates; Mean values; Weighting
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Machine Translation (AREA)
Abstract
本公开涉及一种模型的训练方法、语音识别方法、装置、介质及设备。所述语音识别模型通过主节点和多个工作节点对预设模型进行联合训练获得，所述语音识别模型训练方法包括：针对每一所述工作节点中的预设模型，获取所述预设模型在当前的迭代步骤对应的训练语音数据；根据每一所述预设模型对应的训练语音数据，确定所述主节点中的预设模型在所述迭代步骤对应的目标梯度；确定所述迭代步骤对应的学习率；根据所述学习率和所述目标梯度对所述主节点中的预设模型的模型参数进行更新。由此，在迭代过程中可以动态确定与该迭代步骤对应的学习率，提高学习率与训练过程中的匹配性，提高训练所得的语音识别模型泛化性和稳定性的同时，提升训练效率。
Description
技术领域
本公开涉及计算机技术领域，具体地，涉及一种模型的训练方法、语音识别方法、装置、介质及设备。
背景技术
随着深度学习的兴起，各种完全依赖于神经网络进行端到端建模的方法逐渐兴起。在进行语音识别时，由于输入的语音数据和输出的文本数据的长度不同，可以通过对齐算法进行序列对齐映射的方式进行语音识别。
相关技术中，为了提高模型对语音识别的准确度，通常会采用多任务学习的方式对模型进行训练，在该训练方式中通常会依赖超大规模的语音-文本的训练语音数据进行训练。然而大部分训练的设备上的显存有限，难以支持超大规模的训练语音数据下的语音识别模型的训练过程。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开提供一种语音识别模型训练方法，所述语音识别模型通过主节点和多个工作节点对预设模型进行联合训练，所述方法包括：
针对每一所述工作节点中的预设模型，获取所述预设模型在当前的迭代步骤对应的训练语音数据，其中，每一所述工作节点中的预设模型的模型参数相同；
根据每一所述预设模型对应的训练语音数据，确定所述主节点中的预设模型在所述迭代步骤对应的目标梯度；
确定所述迭代步骤对应的学习率，其中，在迭代过程中所述学习率与迭代次数成正相关关系增大至第一学习率，并从所述第一学习率每间隔预设迭代次数减小，直至第二学习率；
根据所述学习率和所述目标梯度对所述主节点中的预设模型的模型参数进行更新。
第二方面，提供一种语音识别方法，所述方法包括：
接收待识别的语音数据；
将所述语音数据输入语音识别模型，获得所述语音数据对应的目标文本，其中，所述语音识别模型是通过本公开第一方面所述的语音识别模型的训练方法进行训练所得。
第三方面，提供一种语音识别模型训练装置，所述语音识别模型通过主节点和多个工作节点对预设模型进行联合训练，所述装置包括：
获取模块，用于针对每一所述工作节点中的预设模型，获取所述预设模型在当前的迭代步骤对应的训练语音数据，其中，每一所述工作节点中的预设模型的模型参数相同；
第一确定模块，用于根据每一所述预设模型对应的训练语音数据，确定所述主节点中的预设模型在所述迭代步骤对应的目标梯度；
第二确定模块，用于确定所述迭代步骤对应的学习率，其中，在迭代过程中所述学习率与迭代次数成正相关关系增大至第一学习率，并从所述第一学习率每间隔预设迭代次数减小，直至第二学习率；
更新模块，用于根据所述学习率和所述目标梯度对所述主节点中的预设模型的模型参数进行更新。
第四方面，提供一种语音识别装置，所述装置包括：
接收模块，用于接收待识别的语音数据；
输入模块，用于将所述语音数据输入语音识别模型，获得所述语音数据对应的目标文本，其中，所述语音识别模型是通过本公开第一方面所述的语音识别模型的训练方法进行训练所得。
第五方面，提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面和第二方面所述方法的步骤。
第六方面，提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面和第二方面所述方法的步骤。
在上述技术方案中，通过主节点和多个工作节点对预设模型进行联合训练获得语音识别模型，在该训练过程中，针对每一所述工作节点中的预设模型，获取所述预设模型在当前的迭代步骤对应的训练语音数据；根据每一所述预设模型对应的训练语音数据，确定所述主节点中的预设模型在所述迭代步骤对应的目标梯度；确定所述迭代步骤对应的学习率，从而可以根据所述学习率和所述目标梯度对所述主节点中的预设模型的模型参数进行更新。由此，通过上述技术方案，可以通过多个节点对同一预设模型的联合训练获得语音识别模型，则可以将大规模训练语音数据的压力分配至多个工作节点，使得该语音识别模型的训练方法可以应用于显存有限的设备中，提高该语音识别模型的训练方法的使用范围。同时，在迭代过程中可以动态确定与该迭代步骤对应的学习率，提高学习率与训练过程中的匹配性，提高训练所得的语音识别模型泛化性和稳定性的同时，进一步提升语音识别模型的训练效率，提升用户使用体验。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
图1是根据本公开的一种实施方式提供的语音识别模型的训练方法的流程图；
图2是根据本公开的一种实施方式提供的学习率与迭代次数的关系图；
图3是根据本公开的一种实施方式提供的工作节点和训练语音数据的对应关系图；
图4是根据本公开的一种实施方式提供的语音识别模型的训练装置的框图；
图5是根据本公开的一种实施方式提供的语音识别装置的框图；
图6示出了适于用来实现本公开实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
图1所示，为根据本公开的一种实施方式提供的语音识别模型的训练方法的流程图，所述语音识别模型通过主节点和多个工作节点对预设模型进行联合训练。在本公开实施例中，可以采用并行更新的方式实现语音识别模型的训练，通过多个工作节点完成对同一模型的训练。主节点用于维护该模型的全局模型参数。如图1所示，所述方法包括：
在步骤11中，针对每一工作节点中的预设模型，获取预设模型在当前的迭代步骤对应的训练语音数据，其中，每一所述工作节点中的预设模型的模型参数相同。
其中，每一工作节点中的预设模型的模型参数可以从主节点中维护的全局模型参数中同步而来，从而保证该多个工作节点在当前的迭代步骤进行训练时的模型参数的一致性，即多个工作节点基于同一模型参数进行训练，以模拟一个节点对预设模型的训练过程。
在该实施例中，在每一迭代步骤中该多个工作节点可以从该主节点同步模型参数，主节点可以将其维护的全局模型参数发布给各个工作节点，则每一工作节点可以以该全局模型参数对应的模型作为该迭代步骤对应的预设模型进行训练。
在一种可能的实施例中，在对模型进行训练的过程中需要依赖于超大规模的训练语音数据，为了使得训练语音数据与显存相匹配，在本公开实施例中可以将训练语音数据切分为多组训练语音数据，每组训练语音数据对应于一个工作节点。每一迭代步骤对应的多组训练语音数据可以从该预设模型对应的训练语音数据整体中进行随机选择，从而可以保证每一迭代步骤中训练语音数据的随机性，以及多组训练语音数据的多样性。
在步骤12中，根据每一预设模型对应的训练语音数据，确定主节点中的预设模型在所述迭代步骤对应的目标梯度。
其中，在本公开实施例中，在每一工作节点的预设模型中，可以基于该工作节点中预设模型对应的训练语音数据，对该工作节点的预设模型进行单独训练，之后基于每一工作节点中的预设模型在该迭代步骤对应的梯度，确定主节点中的预设模型在所述迭代步骤对应的目标梯度。
在步骤13中，确定迭代步骤对应的学习率，其中，在迭代过程中所述学习率与迭代次数成正相关关系增大至第一学习率，并从所述第一学习率每间隔预设迭代次数减小，直至第二学习率。
学习率(Learning rate)通常作为监督学习以及深度学习中重要的超参数，其决定着目标函数能否收敛到局部最小值以及何时收敛到最小值。当学习率设置过小时，收敛过程将变得十分缓慢。而当学习率设置过大时，梯度可能会在最小值附近来回震荡，甚至可能无法收敛。
因此，在本公开的实施例中，可以根据训练过程的迭代次数动态确定当前迭代步骤对应的学习率，提高学习率与训练过程中的匹配性。在该实施例中，在迭代过程中所述学习率与迭代次数成正相关关系增大至第一学习率，即在迭代过程初期中可以采用每一迭代步骤学习率增大的方式快速确定出模型收敛的初步位置，并保证模型的泛化性，之后从所述第一学习率每间隔预设迭代次数减小，直至第二学习率，即在迭代过程末期中可以采用间隔几次迭代步骤学习率减小的方式以在可能的收敛位置周围确定出最优收敛位置，以便模型可以快速收敛。
在步骤14中，根据学习率和目标梯度对主节点中的预设模型的模型参数进行更新。
其中，在确定出学习率和目标梯度后，基于学习率和梯度对预设模型进行更新的方式可以采用本领域常用的模型模型更新方式对对主节点中的预设模型的模型参数进行更新，如可以基于梯度下降法对预设模型的模型参数进行更新，在此不再赘述。
在上述技术方案中，通过主节点和多个工作节点对预设模型进行联合训练获得语音识别模型，在该训练过程中，针对每一所述工作节点中的预设模型，获取所述预设模型在当前的迭代步骤对应的训练语音数据；根据每一所述预设模型对应的训练语音数据，确定所述主节点中的预设模型在所述迭代步骤对应的目标梯度；确定所述迭代步骤对应的学习率，从而可以根据所述学习率和所述目标梯度对所述主节点中的预设模型的模型参数进行更新。由此，通过上述技术方案，可以通过多个节点对同一预设模型的联合训练获得语音识别模型，则可以将大规模训练语音数据的压力分配至多个工作节点，使得该语音识别模型的训练方法可以应用于显存有限的设备中，提高该语音识别模型的训练方法的使用范围。同时，在迭代过程中可以动态确定与该迭代步骤对应的学习率，提高学习率与训练过程中的匹配性，提高训练所得的语音识别模型泛化性和稳定性的同时，进一步提升语音识别模型的训练效率，提升用户使用体验。
在一种可能的实施例中，如图2所示，所述预设模型的迭代次数按照由小至大的顺序被划分为第一范围、第二范围和第三范围，且三个范围互不重合。
在本公开实施例中，第一范围为该预设模型进行训练的初期，第二范围为该预设模型训练的中间阶段，第三范围为该预设模型进行训练的末期。每一范围对应的迭代次数可以根据该预设模型在训练过程对应的迭代总次数确定，示例地，迭代总次数可以是N次，其中可以分别设置第一范围、第二范围、第三范围对应的比例分别为α1、α2和α3，且α1+α2+α3＝1，从而可以对第一范围、第二范围和第三范围进行划分。
若所述迭代次数属于所述第一范围，所述学习率与所述迭代次数成正比例关系增大至所述第一学习率。
其中，在超大规模的训练语音数据下，该训练语音数据的多样性是比较大的，在第一范围中，学习率与迭代次数成正相关关系增大，即随着迭代次数增加学习率可以线性增加，从而可以在第一范围中使得每一迭代步骤的学习率均匀增加，避免直接采用较大的学习率时导致模型直接偏置到该训练语音数据中的某一应用场景的问题，使得训练初期预设模型中可以学习到更多场景下的一些知识，保证收敛位置查找的可靠性和有效性，提高训练所得的模型的泛化性。
若所述迭代次数属于所述第二范围，所述学习率为所述第一学习率。
在通过第一范围对应的迭代次数的迭代训练获得一个知识较全面的预设模型后，在第二范围对应的迭代次数对应的迭代步骤中，则可以直接以第一范围中最大的学习率进行更新，在保证模型泛化性的基础上以较大的步长对优化空间进行探索，以便快速确定出优化空间，获得局部最优解。
若所述迭代次数属于所述第三范围，所述第三范围以所述预设迭代次数间隔划分为多个子范围，每一子范围对应的学习率相同，当前的子范围对应的学习率按照预设衰减率进行减小获得下一子范围对应的学习率，直至下一子范围对应的学习率为所述第二学习率。
在一种可能的实施例中，针对第三范围，可以通过以下公式确定下一子范围对应的学习率：
其中，L’用于表示下一子范围对应的学习率；
L用于表示当前的子范围对应的学习率，该当前的子范围中的迭代次数小于下一子范围的迭代次数；
d用于表示所述预设衰减率；
n用于表示所述预设迭代次数；
N用于表示训练过程对应的迭代总次数；
R用于表示所述第三范围对应的迭代次数占所述迭代总次数的比例。
其中，针对第三范围中的第一个子范围，其对应的学习率为第二范围对应的学习率。通过上述方案，针对每一子范围而言，每一子范围对应的学习率以指数关系降低，从而可以使得学习率降低的速度逐渐减慢，便于对最优解位置的精确探索。
之后在第三范围对应的迭代次数对应的迭代步骤中，若继续以较大的学习率进行更新，则会由于更新过程中跳动的步长过大导致收敛波动。因此，在其对应的迭代步骤中，基于第二范围对应的迭代步骤，预设模型已经确定该优化空间，则此时可以间隔减小学习率，已在该优化空间中进一步进行更加精确的探索，以便确定最优解，提高模型的收敛效率和收敛准确度。
由此，通过上述技术方案，可以根据训练过程的迭代次数动态确定当前迭代步骤对应的学习率，提高学习率与训练过程中的匹配性。并且，在第一范围对应的迭代步骤中，学习率与迭代次数成正相关关系增大，可以有效提高训练前期所能学习到的知识的全面性，保证训练获得的语音识别模型的稳定性和泛化性。并且结合第二范围和第三范围的迭代步骤，既可以快速且准确的确定出优化空间，又可以精确确定出收敛位置，便于提高预设模型训练过程的收敛效率，提高语音识别模型的训练效率和训练准确度，提升用户使用体验。
在一种可能的实施例中，所述训练语音数据被划分为多个批次的数据，每一所述工作节点中批次的数量相同。示例地，针对上文所述的每组训练语音数据，可以将每组训练语音数据划分为M个批次的数据。
相应地，在步骤12中，根据每一预设模型对应的训练语音数据，确定主节点中的预设模型在迭代步骤对应的目标梯度的示例性实现方式如下，该步骤可以包括：
将所述多个工作节点中对应于同一批次的训练语音数据，分别输入该工作节点中的预设模型，并确定每一所述预设模型与所述批次的训练语音数据所对应的批次梯度。
示例地，如图3所示，每一工作节点中的训练语音数据均被划分为M个批次，则在该迭代步骤中，针对每一工作节点，可以先将批次1的数据输入该工作节点的预设模型中，从而可以基于该预设模型的输出以及训练语音数据的标注确定该批次的训练语音数据对应的梯度，即为批次梯度。
具体地，针对工作节点A1，可以将该工作节点A1中的批次1的数据输入工作节点A1的预设模型，从而在工作节点A1中，可以基于该预设模型确定该批次1中的数据对应的梯度。针对工作节点A2，可以将该工作节点A2中的批次1的数据输入工作节点A2的预设模型，从而在工作节点A2中，可以基于该预设模型确定该批次1中的数据对应的梯度，其他工作节点的处理方式相同，在此不再赘述。
其中，基于模型确定梯度的过程可以本领域中常用的梯度计算方式，在此不再赘述。
之后，可以根据所述多个工作节点中的每一批次的训练语音数据所对应的批次梯度，确定所述目标梯度。
作为示例，针对每一工作节点，可以针对每一批次的训练语音数据计算出批次梯度之后，对该工作节点的每一批次对应的批次梯度进行累加，确定该工作节点对应的整体梯度。之后可以基于每一工作节点的整体梯度，确定目标梯度，如可以对每一工作节点的整体梯度进行平均的方式确定该目标梯度。
由此，通过上述技术方案，在确定主节点中的预设模型对应的目标梯度时，可以针对每一工作节点中的每一批次的训练语音数据确定其对应的批次梯度，保证对每一工作节点中的训练语音数据的梯度计算的同步性和实时性，提高目标梯度的计算效率，进而提高预设模型更新的效率。
作为另一示例，所述根据所述多个工作节点中的每一批次的训练语音数据所对应的批次梯度，确定所述目标梯度的另一示例性实现方式如下，该步骤可以包括：
将所述多个工作节点中与同一批次对应的批次梯度的平均值，确定为所述主节点中所述预设模型与所述批次对应的梯度。
在该实施例中，在每一工作节点中确定出同一批次对应的批次梯度后，则可以直接对该批次对应的批次梯度进行平均，即在工作节点A1-Ak均确定出批次1对应的批次梯度后，可以直接对多个工作节点A1-Ak对应的批次梯度进行平均处理，以获得该批次对应的整体梯度，可以在一定程度上提高该批次的数据的考量，保证对该批次的数据对应的知识的参考。
之后，将所述预设模型与每一批次对应的梯度之和确定为所述目标梯度。
由此，通过上述技术方案，可以针对每一批次的训练语音数据，均确定出该模型在该批次的训练语音数据下的整体梯度，进一步提高采用多训练语音数据对同一模型进行训练的准确性，保证多个工作节点中预设模型训练的同步性和实时性，并且可以在一定程度上提高语音识别模型的训练效率和训练准确性，进而提高训练所得的语音识别模型的准确率。
本公开还提供一种语音识别方法，所述方法包括：
接收待识别的语音数据；
将所述语音数据输入语音识别模型，获得所述语音数据对应的目标文本，其中，所述语音识别模型是通过上文任一所述的语音识别模型的训练方法进行训练所得。
通过上述技术方案，在语音识别模型的训练过程中，可以通过多个节点对同一预设模型的联合训练获得语音识别模型，同时，在迭代过程中可以动态确定与该迭代步骤对应的学习率，提高学习率与训练过程中的匹配性，提高训练所得的语音识别模型泛化性和稳定性的同时，并且可以在一定程度上提高训练所得的语音识别模型的准确性，从而可以有效提高识别出的目标文本的准确性，提高用户使用体验。
图4所示，为根据本公开的一种实施方式提供的语音识别模型的训练装置的框图。所述语音识别模型通过主节点和多个工作节点对预设模型进行联合训练，该装置40包括：
获取模块41，用于针对每一所述工作节点中的预设模型，获取所述预设模型在当前的迭代步骤对应的训练语音数据，其中，每一所述工作节点中的预设模型的模型参数相同；
第一确定模块42，用于根据每一所述预设模型对应的训练语音数据，确定所述主节点中的预设模型在所述迭代步骤对应的目标梯度；
第二确定模块43，用于确定所述迭代步骤对应的学习率，其中，在迭代过程中所述学习率与迭代次数成正相关关系增大至第一学习率，并从所述第一学习率每间隔预设迭代次数减小，直至第二学习率；
更新模块44，用于根据所述学习率和所述目标梯度对所述主节点中的预设模型的模型参数进行更新。
可选地，所述预设模型的迭代次数按照由小至大的顺序被划分为第一范围、第二范围和第三范围，且三个范围互不重合；
若所述迭代次数属于所述第一范围，所述学习率与所述迭代次数成正比例关系增大至所述第一学习率；若所述迭代次数属于所述第二范围，所述学习率为所述第一学习率；若所述迭代次数属于所述第三范围，所述第三范围以所述预设迭代次数间隔划分为多个子范围，每一子范围对应的学习率相同，当前的子范围对应的学习率按照预设衰减率进行减小获得下一子范围对应的学习率，直至下一子范围对应的学习率为所述第二学习率。
可选地，通过以下公式确定下一子范围对应的学习率：
其中，L’用于表示下一子范围对应的学习率；
L用于表示当前的子范围对应的学习率，该当前的子范围中的迭代次数小于下一子范围的迭代次数；
d用于表示所述预设衰减率；
n用于表示所述预设迭代次数；
N用于表示训练过程对应的迭代总次数；
R用于表示所述第三范围对应的迭代次数占所述迭代总次数的比例。
可选地，所述训练语音数据被划分为多个批次的数据，每一所述工作节点中批次的数量相同；
所述第一确定模块42，包括：
第一确定子模块，用于将所述多个工作节点中对应于同一批次的训练语音数据，分别输入该工作节点中的预设模型，并确定每一所述预设模型与所述批次的训练语音数据所对应的批次梯度；
第二确定子模块，用于根据所述多个工作节点中的每一批次的训练语音数据所对应的批次梯度，确定所述目标梯度。
可选地，所述第二确定子模块，包括：
第三确定子模块，用于将所述多个工作节点中与同一批次对应的批次梯度的平均值，确定为所述主节点中所述预设模型与所述批次对应的梯度；
第四确定子模块，用于将所述预设模型与每一批次对应的梯度之和确定为所述目标梯度。
图5所示，为根据本公开的一种实施方式提供的语音识别装置的框图，所述装置包括：
接收模块51，用于接收待识别的语音数据；
输入模块52，用于将所述语音数据输入语音识别模型，获得所述语音数据对应的目标文本，其中，所述语音识别模型是通过本公开任意实施例所提供的语音识别模型的训练方法进行训练所得。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
下面参考图6，其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备执行一种语音识别模型训练方法，所述语音识别模型通过主节点和多个工作节点对预设模型进行联合训练，所述方法包括：针对每一所述工作节点中的预设模型，获取所述预设模型在当前的迭代步骤对应的训练语音数据，其中，每一所述工作节点中的预设模型的模型参数相同；根据每一所述预设模型对应的训练语音数据，确定所述主节点中的预设模型在所述迭代步骤对应的目标梯度；确定所述迭代步骤对应的学习率，其中，在迭代过程中所述学习率与迭代次数成正相关关系增大至第一学习率，并从所述第一学习率每间隔预设迭代次数减小，直至第二学习率；根据所述学习率和所述目标梯度对所述主节点中的预设模型的模型参数进行更新。
或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备执行一种语音识别方法，所述方法包括：接收待识别的语音数据；将所述语音数据输入语音识别模型，获得所述语音数据对应的目标文本，其中，所述语音识别模型是通过本公开任意实施例所述的语音识别模型的训练方法进行训练所得。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“针对每一所述工作节点中的预设模型，获取所述预设模型在当前的迭代步骤对应的训练语音数据的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，示例1提供了一种语音识别模型训练方法，所述语音识别模型通过主节点和多个工作节点对预设模型进行联合训练，所述方法包括：
针对每一所述工作节点中的预设模型，获取所述预设模型在当前的迭代步骤对应的训练语音数据，其中，每一所述工作节点中的预设模型的模型参数相同；
根据每一所述预设模型对应的训练语音数据，确定所述主节点中的预设模型在所述迭代步骤对应的目标梯度；
确定所述迭代步骤对应的学习率，其中，在迭代过程中所述学习率与迭代次数成正相关关系增大至第一学习率，并从所述第一学习率每间隔预设迭代次数减小，直至第二学习率；
根据所述学习率和所述目标梯度对所述主节点中的预设模型的模型参数进行更新。
根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述预设模型的迭代次数按照由小至大的顺序被划分为第一范围、第二范围和第三范围，且三个范围互不重合；
若所述迭代次数属于所述第一范围，所述学习率与所述迭代次数成正比例关系增大至所述第一学习率；若所述迭代次数属于所述第二范围，所述学习率为所述第一学习率；若所述迭代次数属于所述第三范围，所述第三范围以所述预设迭代次数间隔划分为多个子范围，每一子范围对应的学习率相同，当前的子范围对应的学习率按照预设衰减率进行减小获得下一子范围对应的学习率，直至下一子范围对应的学习率为所述第二学习率。
根据本公开的一个或多个实施例，示例3提供了示例2的方法，通过以下公式确定下一子范围对应的学习率：
其中，L’用于表示下一子范围对应的学习率；
L用于表示当前的子范围对应的学习率，该当前的子范围中的迭代次数小于下一子范围的迭代次数；
d用于表示所述预设衰减率；
n用于表示所述预设迭代次数；
N用于表示训练过程对应的迭代总次数；
R用于表示所述第三范围对应的迭代次数占所述迭代总次数的比例。
根据本公开的一个或多个实施例，示例4提供了示例1的方法，所述训练语音数据被划分为多个批次的数据，每一所述工作节点中批次的数量相同；
所述根据每一所述预设模型对应的训练语音数据，确定所述主节点中的预设模型在所述迭代步骤对应的目标梯度，包括：
将所述多个工作节点中对应于同一批次的训练语音数据，分别输入该工作节点中的预设模型，并确定每一所述预设模型与所述批次的训练语音数据所对应的批次梯度；
根据所述多个工作节点中的每一批次的训练语音数据所对应的批次梯度，确定所述目标梯度。
根据本公开的一个或多个实施例，示例5提供了示例4的方法，所述根据所述多个工作节点中的每一批次的训练语音数据所对应的批次梯度，确定所述目标梯度，包括：
将所述多个工作节点中与同一批次对应的批次梯度的平均值，确定为所述主节点中所述预设模型与所述批次对应的梯度；
将所述预设模型与每一批次对应的梯度之和确定为所述目标梯度。
根据本公开的一个或多个实施例，示例6提供了一种语音识别方法，所述方法包括：
接收待识别的语音数据；
将所述语音数据输入语音识别模型，获得所述语音数据对应的目标文本，其中，所述语音识别模型是通过本公开任意实施例所述的语音识别模型的训练方法进行训练所得。
根据本公开的一个或多个实施例，示例7提供了一种语音识别模型训练装置，所述语音识别模型通过主节点和多个工作节点对预设模型进行联合训练，所述装置包括：
获取模块，用于针对每一所述工作节点中的预设模型，获取所述预设模型在当前的迭代步骤对应的训练语音数据，其中，每一所述工作节点中的预设模型的模型参数相同；
第一确定模块，用于根据每一所述预设模型对应的训练语音数据，确定所述主节点中的预设模型在所述迭代步骤对应的目标梯度；
第二确定模块，用于确定所述迭代步骤对应的学习率，其中，在迭代过程中所述学习率与迭代次数成正相关关系增大至第一学习率，并从所述第一学习率每间隔预设迭代次数减小，直至第二学习率；
更新模块，用于根据所述学习率和所述目标梯度对所述主节点中的预设模型的模型参数进行更新。
根据本公开的一个或多个实施例，示例8提供了一种语音识别装置，所述装置包括：
接收模块，用于接收待识别的语音数据；
输入模块，用于将所述语音数据输入语音识别模型，获得所述语音数据对应的目标文本，其中，所述语音识别模型是通过本公开任意实施例所述的语音识别模型的训练方法进行训练所得。
根据本公开的一个或多个实施例，示例9提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开任意实施例所述方法的步骤。
根据本公开的一个或多个实施例，示例10提供了一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开任意实施例所述方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
Claims (10)
1.一种语音识别模型训练方法，其特征在于，所述语音识别模型通过主节点和多个工作节点对预设模型进行联合训练，所述方法包括：
针对每一所述工作节点中的预设模型，获取所述预设模型在当前的迭代步骤对应的训练语音数据，其中，每一所述工作节点中的预设模型的模型参数相同；
根据每一所述预设模型对应的训练语音数据，确定所述主节点中的预设模型在所述迭代步骤对应的目标梯度；
确定所述迭代步骤对应的学习率，其中，在迭代过程中所述学习率与迭代次数成正相关关系增大至第一学习率，并从所述第一学习率每间隔预设迭代次数减小，直至第二学习率；
根据所述学习率和所述目标梯度对所述主节点中的预设模型的模型参数进行更新。
2.根据权利要求1所述的方法，其特征在于，所述预设模型的迭代次数按照由小至大的顺序被划分为第一范围、第二范围和第三范围，且三个范围互不重合；
若所述迭代次数属于所述第一范围，所述学习率与所述迭代次数成正比例关系增大至所述第一学习率；若所述迭代次数属于所述第二范围，所述学习率为所述第一学习率；若所述迭代次数属于所述第三范围，所述第三范围以所述预设迭代次数间隔划分为多个子范围，每一子范围对应的学习率相同，当前的子范围对应的学习率按照预设衰减率进行减小获得下一子范围对应的学习率，直至下一子范围对应的学习率为所述第二学习率。
3.根据权利要求2所述的方法，其特征在于，通过以下公式确定下一子范围对应的学习率：
其中，L’用于表示下一子范围对应的学习率；
L用于表示当前的子范围对应的学习率，该当前的子范围中的迭代次数小于下一子范围的迭代次数；
d用于表示所述预设衰减率；
n用于表示所述预设迭代次数；
N用于表示训练过程对应的迭代总次数；
R用于表示所述第三范围对应的迭代次数占所述迭代总次数的比例。
4.根据权利要求1所述的方法，其特征在于，所述训练语音数据被划分为多个批次的数据，每一所述工作节点中批次的数量相同；
所述根据每一所述预设模型对应的训练语音数据，确定所述主节点中的预设模型在所述迭代步骤对应的目标梯度，包括：
将所述多个工作节点中对应于同一批次的训练语音数据，分别输入该工作节点中的预设模型，并确定每一所述预设模型与所述批次的训练语音数据所对应的批次梯度；
根据所述多个工作节点中的每一批次的训练语音数据所对应的批次梯度，确定所述目标梯度。
5.根据权利要求4所述的方法，其特征在于，所述根据所述多个工作节点中的每一批次的训练语音数据所对应的批次梯度，确定所述目标梯度，包括：
将所述多个工作节点中与同一批次对应的批次梯度的平均值，确定为所述主节点中所述预设模型与所述批次对应的梯度；
将所述预设模型与每一批次对应的梯度之和确定为所述目标梯度。
6.一种语音识别方法，其特征在于，所述方法包括：
接收待识别的语音数据；
将所述语音数据输入语音识别模型，获得所述语音数据对应的目标文本，其中，所述语音识别模型是通过权利要求1-5中任一项所述的语音识别模型的训练方法进行训练所得。
7.一种语音识别模型训练装置，其特征在于，所述语音识别模型通过主节点和多个工作节点对预设模型进行联合训练，所述装置包括：
获取模块，用于针对每一所述工作节点中的预设模型，获取所述预设模型在当前的迭代步骤对应的训练语音数据，其中，每一所述工作节点中的预设模型的模型参数相同；
第一确定模块，用于根据每一所述预设模型对应的训练语音数据，确定所述主节点中的预设模型在所述迭代步骤对应的目标梯度；
第二确定模块，用于确定所述迭代步骤对应的学习率，其中，在迭代过程中所述学习率与迭代次数成正相关关系增大至第一学习率，并从所述第一学习率每间隔预设迭代次数减小，直至第二学习率；
更新模块，用于根据所述学习率和所述目标梯度对所述主节点中的预设模型的模型参数进行更新。
8.一种语音识别装置，其特征在于，所述装置包括：
接收模块，用于接收待识别的语音数据；
输入模块，用于将所述语音数据输入语音识别模型，获得所述语音数据对应的目标文本，其中，所述语音识别模型是通过权利要求1-5中任一项所述的语音识别模型的训练方法进行训练所得。
9.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-6中任一项所述方法的步骤。
10.一种电子设备，其特征在于，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-6中任一项所述方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110736548.2A CN113327598B (zh) | 2021-06-30 | 2021-06-30 | 模型的训练方法、语音识别方法、装置、介质及设备 |
| PCT/CN2022/089607 WO2023273579A1 (zh) | 2021-06-30 | 2022-04-27 | 模型的训练方法、语音识别方法、装置、介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110736548.2A CN113327598B (zh) | 2021-06-30 | 2021-06-30 | 模型的训练方法、语音识别方法、装置、介质及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113327598A true CN113327598A (zh) | 2021-08-31 |
| CN113327598B CN113327598B (zh) | 2023-11-14 |
Family
ID=77423535
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110736548.2A Active CN113327598B (zh) | 2021-06-30 | 2021-06-30 | 模型的训练方法、语音识别方法、装置、介质及设备 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113327598B (zh) |
| WO (1) | WO2023273579A1 (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114267328A (zh) * | 2021-12-14 | 2022-04-01 | 北京达佳互联信息技术有限公司 | 一种语音合成模型的训练方法、装置、设备以及存储介质 |
| CN114841341A (zh) * | 2022-04-25 | 2022-08-02 | 北京百度网讯科技有限公司 | 模型训练及数据处理方法、装置、设备和存储介质 |
| CN115188371A (zh) * | 2022-07-13 | 2022-10-14 | 合肥讯飞数码科技有限公司 | 一种语音识别模型训练方法、语音识别方法及相关设备 |
| WO2023273579A1 (zh) * | 2021-06-30 | 2023-01-05 | 北京有竹居网络技术有限公司 | 模型的训练方法、语音识别方法、装置、介质及设备 |
| CN116013256A (zh) * | 2022-12-19 | 2023-04-25 | 镁佳(北京)科技有限公司 | 一种语音识别模型构建及语音识别方法、装置及存储介质 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116663639B (zh) * | 2023-07-31 | 2023-11-03 | 浪潮电子信息产业股份有限公司 | 一种梯度数据同步方法、系统、装置及介质 |
| CN116755941B (zh) * | 2023-08-21 | 2024-01-09 | 之江实验室 | 一种节点故障感知的分布式模型训练的方法及装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180075849A1 (en) * | 2016-09-12 | 2018-03-15 | Pindrop Security, Inc. | End-to-end speaker recognition using deep neural network |
| CN110135573A (zh) * | 2018-02-02 | 2019-08-16 | 阿里巴巴集团控股有限公司 | 一种深度学习模型的训练方法、计算设备以及系统 |
| CN110705705A (zh) * | 2019-09-25 | 2020-01-17 | 浪潮电子信息产业股份有限公司 | 卷积神经网络模型同步训练方法、集群及可读存储介质 |
| CN111160531A (zh) * | 2019-12-30 | 2020-05-15 | 北京迈格威科技有限公司 | 神经网络模型的分布式训练方法、装置及电子设备 |
| CN111354345A (zh) * | 2020-03-11 | 2020-06-30 | 北京字节跳动网络技术有限公司 | 生成语音模型和语音识别的方法、装置、设备以及介质 |
| CN112435656A (zh) * | 2020-12-11 | 2021-03-02 | 平安科技（深圳）有限公司 | 模型训练方法、语音识别方法、装置、设备及存储介质 |
| CN112560327A (zh) * | 2020-11-13 | 2021-03-26 | 盐城工学院 | 一种基于深度梯度下降森林的轴承剩余寿命预测方法 |
| CN113032117A (zh) * | 2021-03-10 | 2021-06-25 | 北京百度网讯科技有限公司 | 深度学习框架的训练方法、装置及存储介质 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9508347B2 (en) * | 2013-07-10 | 2016-11-29 | Tencent Technology (Shenzhen) Company Limited | Method and device for parallel processing in model training |
| CN104463324A (zh) * | 2014-11-21 | 2015-03-25 | 长沙马沙电子科技有限公司 | 一种基于大规模高性能集群的卷积神经网络并行处理方法 |
| WO2019042571A1 (en) * | 2017-09-04 | 2019-03-07 | Huawei Technologies Co., Ltd. | DESCENT OF STOCHASTIC GRADIENT DISTRIBUTED TO AVERAGE ASYNCHRONOUS GRADIENT FORMATION |
| CN110379416B (zh) * | 2019-08-15 | 2021-10-22 | 腾讯科技（深圳）有限公司 | 一种神经网络语言模型训练方法、装置、设备及存储介质 |
| CN112529029B (zh) * | 2019-09-18 | 2024-09-13 | 华为技术有限公司 | 信息处理方法、装置及存储介质 |
| US20210089887A1 (en) * | 2019-09-24 | 2021-03-25 | Apple Inc. | Variance-Based Learning Rate Control For Training Machine-Learning Models |
| CN111382844B (zh) * | 2020-03-11 | 2023-07-07 | 华南师范大学 | 一种深度学习模型的训练方法及装置 |
| CN113327598B (zh) * | 2021-06-30 | 2023-11-14 | 北京有竹居网络技术有限公司 | 模型的训练方法、语音识别方法、装置、介质及设备 |
-
2021
- 2021-06-30 CN CN202110736548.2A patent/CN113327598B/zh active Active
-
2022
- 2022-04-27 WO PCT/CN2022/089607 patent/WO2023273579A1/zh active Application Filing
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180075849A1 (en) * | 2016-09-12 | 2018-03-15 | Pindrop Security, Inc. | End-to-end speaker recognition using deep neural network |
| CN110135573A (zh) * | 2018-02-02 | 2019-08-16 | 阿里巴巴集团控股有限公司 | 一种深度学习模型的训练方法、计算设备以及系统 |
| CN110705705A (zh) * | 2019-09-25 | 2020-01-17 | 浪潮电子信息产业股份有限公司 | 卷积神经网络模型同步训练方法、集群及可读存储介质 |
| CN111160531A (zh) * | 2019-12-30 | 2020-05-15 | 北京迈格威科技有限公司 | 神经网络模型的分布式训练方法、装置及电子设备 |
| CN111354345A (zh) * | 2020-03-11 | 2020-06-30 | 北京字节跳动网络技术有限公司 | 生成语音模型和语音识别的方法、装置、设备以及介质 |
| CN112560327A (zh) * | 2020-11-13 | 2021-03-26 | 盐城工学院 | 一种基于深度梯度下降森林的轴承剩余寿命预测方法 |
| CN112435656A (zh) * | 2020-12-11 | 2021-03-02 | 平安科技（深圳）有限公司 | 模型训练方法、语音识别方法、装置、设备及存储介质 |
| CN113032117A (zh) * | 2021-03-10 | 2021-06-25 | 北京百度网讯科技有限公司 | 深度学习框架的训练方法、装置及存储介质 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023273579A1 (zh) * | 2021-06-30 | 2023-01-05 | 北京有竹居网络技术有限公司 | 模型的训练方法、语音识别方法、装置、介质及设备 |
| CN114267328A (zh) * | 2021-12-14 | 2022-04-01 | 北京达佳互联信息技术有限公司 | 一种语音合成模型的训练方法、装置、设备以及存储介质 |
| CN114841341A (zh) * | 2022-04-25 | 2022-08-02 | 北京百度网讯科技有限公司 | 模型训练及数据处理方法、装置、设备和存储介质 |
| CN114841341B (zh) * | 2022-04-25 | 2023-04-28 | 北京百度网讯科技有限公司 | 图像处理模型训练及图像处理方法、装置、设备和介质 |
| CN115188371A (zh) * | 2022-07-13 | 2022-10-14 | 合肥讯飞数码科技有限公司 | 一种语音识别模型训练方法、语音识别方法及相关设备 |
| CN116013256A (zh) * | 2022-12-19 | 2023-04-25 | 镁佳(北京)科技有限公司 | 一种语音识别模型构建及语音识别方法、装置及存储介质 |
| CN116013256B (zh) * | 2022-12-19 | 2024-01-30 | 镁佳(北京)科技有限公司 | 一种语音识别模型构建及语音识别方法、装置及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023273579A1 (zh) | 2023-01-05 |
| CN113327598B (zh) | 2023-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113327598A (zh) | 模型的训练方法、语音识别方法、装置、介质及设备 | |
| CN112650841A (zh) | 信息处理方法、装置和电子设备 | |
| CN112712801A (zh) | 一种语音唤醒方法、装置、电子设备及存储介质 | |
| CN110781373A (zh) | 榜单更新方法、装置、可读介质和电子设备 | |
| CN111353601A (zh) | 用于预测模型结构的延时的方法和装置 | |
| CN114038465B (zh) | 语音处理方法、装置和电子设备 | |
| CN111898061B (zh) | 搜索网络的方法、装置、电子设备和计算机可读介质 | |
| CN112380883A (zh) | 模型训练方法、机器翻译方法、装置、设备及存储介质 | |
| CN111797263A (zh) | 图像标签生成方法、装置、设备和计算机可读介质 | |
| CN114697206B (zh) | 物联网节点管理方法、装置、设备和计算机可读介质 | |
| CN112507676B (zh) | 能源报表生成方法、装置、电子设备和计算机可读介质 | |
| CN112669816B (zh) | 模型的训练方法、语音识别方法、装置、介质及设备 | |
| CN110209851B (zh) | 模型训练方法、装置、电子设备及存储介质 | |
| CN111628913B (zh) | 在线时长的确定方法、装置、可读介质和电子设备 | |
| CN111262907B (zh) | 服务实例访问方法、装置和电子设备 | |
| CN113240108A (zh) | 模型训练方法、装置和电子设备 | |
| CN111680754A (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
| CN112685996A (zh) | 文本标点预测方法、装置、可读介质和电子设备 | |
| CN111221424A (zh) | 用于生成信息的方法、装置、电子设备和计算机可读介质 | |
| CN112437013B (zh) | 网络图中的路径获取方法及路由组网的维护方法 | |
| CN111625707B (zh) | 推荐应答方法、装置、介质和设备 | |
| CN113704076B (zh) | 任务优化方法、装置、电子设备和计算机可读介质 | |
| CN111787107B (zh) | 消息处理方法、装置、可读介质和电子设备 | |
| CN112862110B (zh) | 模型生成方法、装置和电子设备 | |
| CN115946127A (zh) | 工业机械臂智能路径规划方法、系统、电子设备以及存储介质 |
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 |