CN114186097A - 用于训练模型的方法和装置 - Google Patents
用于训练模型的方法和装置 Download PDFInfo
- Publication number
- CN114186097A CN114186097A CN202111517877.4A CN202111517877A CN114186097A CN 114186097 A CN114186097 A CN 114186097A CN 202111517877 A CN202111517877 A CN 202111517877A CN 114186097 A CN114186097 A CN 114186097A
- Authority
- CN
- China
- Prior art keywords
- training
- classification model
- video classification
- label
- model
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/75—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Abstract
本申请公开了用于训练模型的方法和装置,涉及深度学习、视频处理技术领域。该方法包括:获取训练数据、以及获取训练数据的真实标签;采用初始视频分类模型预测训练数据的预测标签;采用真实标签与预测标签构建第一损失函数;采用第一损失函数训练初始视频分类模型,并得到训练完成的目标视频分类模型,其中,在第一训练阶段,采用第一学习率训练初始视频分类模型,以及在第二训练阶段,采用第二学习率训练初始视频分类模型。采用该方法训练得到的目标视频分类模型对视频分类,可以提高对视频进行分类的准确性。
Description
技术领域
本公开涉及计算机技术领域,具体涉及深度学习、视频处理技术领域,尤其涉及用于训练模型的方法和装置。
背景技术
随着移动终端的普及以及移动终端硬件性能的提升,用视频记录生活逐渐成为了人们的日常行为习惯,视频数据急速增长。如何对海量的视频进行准确的理解与分类成为亟待解决的问题。
发明内容
本公开提供了一种用于训练模型的方法、装置、电子设备以及计算机可读存储介质。
根据第一方面,提供了一种用于训练模型的方法,该方法包括:获取训练数据、以及获取训练数据的真实标签;采用初始视频分类模型预测训练数据的预测标签;采用真实标签与预测标签构建第一损失函数;采用第一损失函数训练初始视频分类模型,并得到训练完成的目标视频分类模型,其中,在第一训练阶段,采用第一学习率训练初始视频分类模型,以及在第二训练阶段,采用第二学习率训练初始视频分类模型。
根据第二方面,提供了一种视频分类方法,该方法包括:获取待分类的视频;采用目标视频分类模型对待分类的视频进行分类,其中,目标视频分类模型基于如第一方面所描述的方法训练得到。
根据第三方面,提供了一种用于训练模型的装置,该装置包括:第一获取单元,被配置为获取训练数据、以及获取训练数据的真实标签;第一预测单元,被配置为采用初始视频分类模型预测训练数据的预测标签;第一构建单元,被配置为采用真实标签与预测标签构建第一损失函数;第一训练单元,被配置为采用第一损失函数训练初始视频分类模型,并得到训练完成的目标视频分类模型,其中,在第一训练阶段,采用第一学习率训练初始视频分类模型,以及在第二训练阶段,采用第二学习率训练初始视频分类模型。
根据第四方面,提供了一种视频分类装置,该装置包括:获取待分类的视频;采用目标视频分类模型对待分类的视频进行分类,其中,目标视频分类模型基于如第一方面所描述的方法训练得到。
根据第五方面,本公开的实施例提供了一种电子设备,包括:一个或多个处理器:存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面提供的用于训练模型的方法或者实现如第二方面提供的视频分类方法。
根据第六方面,本公开的实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中,程序被处理器执行时实现第一方面提供的用于训练模型的方法或者实现如第二方面提供的视频分类方法。
本公开提供的用于训练模型的方法、装置,获取训练数据、以及获取训练数据的真实标签;采用初始视频分类模型预测训练数据的预测标签;采用真实标签与预测标签构建第一损失函数;采用第一损失函数训练初始视频分类模型,并得到训练完成的目标视频分类模型,其中,在第一训练阶段,采用第一学习率训练初始视频分类模型,以及在第二训练阶段,采用第二学习率训练初始视频分类模型,采用目标视频分类模型对视频分类,可以提高对视频进行分类的准确性。
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。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请的实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的用于训练模型的方法的一个实施例的流程图;
图3是根据本申请的用于训练模型的方法的另一个实施例的流程图;
图4是根据本申请的用于训练模型的方法的一个应用场景中用于训练模型的系统所包括的模块的示意图。
图5是根据本申请的用于训练模型的方法的一个应用场景中学习率随训练进程变化的示意图;
图6是根据本申请的视频分类方法的一个实施例的流程图;
图7是根据本申请的用于训练模型的装置的一个实施例的结构示意图;
图8是根据本申请的视频分类装置的一个实施例的结构示意图;
图9是用来实现本申请实施例的用于训练模型的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1示出了可以应用本申请的用于训练模型的方法或用于训练模型的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装各种仿真类进程或者对系统进行测试的进程。终端设备101、102、103上还可以安装有各种客户端应用,例如,信息输入类应用、视频类应用、播放类应用、音频类应用、搜索类应用、购物类应用、金融类应用等。
终端设备101、102、103可以是具有显示屏并且支持接收服务器消息的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、电子播放器、膝上型便携计算机和台式计算机等等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种硬件模组或者电子设备,当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以获取训练数据、以及获取训练数据的真实标签;采用初始视频分类模型预测训练数据的预测标签;采用真实标签与预测标签构建第一损失函数;采用第一损失函数训练初始视频分类模型,并得到训练完成的目标视频分类模型,其中,在第一训练阶段,采用第一学习率训练初始视频分类模型,以及在第二训练阶段,采用第二学习率训练初始视频分类模型。
需要说明的是,本公开的实施例所提供的用于训练模型的方法一般由服务器105执行,相应地,用于训练模型的装置一般设置于服务器105中。
应该理解,图1中的设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的设备、网络和服务器。
继续参考图2,示出了根据本公开的用于训练模型的方法的一个实施例的流程200。用于训练模型的方法,包括以下步骤:
步骤201,获取训练数据、以及获取训练数据的真实标签。
在本实施例中,用于训练模型的方法的执行主体(例如图1所示的服务器)通过有线或者无线的方式从终端设备、云端等存储空间获取训练数据,以及获取与训练数据对应的真实标签。
步骤202,采用初始视频分类模型预测训练数据的预测标签。
在本实施例中,可以获取初始视频分类模型,将训练数据输入初始视频分类模型中,以获取初始视频分类模型预测的预测标签。其中,初始视频分类模型可以是未经训练的深度学习模型(如,神经网络模型),也可以是经过初步预训练的深度学习模型。
步骤203,采用真实标签与预测标签构建第一损失函数。
在本实施例中,可以采用训练数据的真实标签、与初始视频分类模型预测的训练数据的预测标签,构建第一损失函数。其中,第一损失函数用于训练该初始视频分类模型,使该初始视频分类模型的预测结果逐渐拟合真实标签。
步骤204,采用第一损失函数训练初始视频分类模型,并得到训练完成的目标视频分类模型,其中,在第一训练阶段,采用第一学习率训练初始视频分类模型,以及在第二训练阶段,采用第二学习率训练初始视频分类模型。
在本实施例中,可以采用第一损失函数训练初始视频分类模型,并得到训练完成的目标视频分类模型。具体地,在训练初始视频分类模型的第一训练阶段,采用第一学习率训练初始视频分类模型,以及在训练初始视频分类模型的第二训练阶段,采用第二学习率训练初始视频分类模型。
其中,可以采用时间对训练阶段进行划分,即,将训练开始的前预设时间段作为第一训练阶段,并将之后的时间段作为第二训练阶段;也可以采用迭代轮次/训练次数对训练阶段进行划分,即,将训练开始的前预设迭代轮次作为第一训练阶段,并将之后的迭代轮次作为第二训练阶段。
第一学习率与第二学习率是两种不同的学习率,学习率是深度学习模型中用于控制网络参数更新的参数,在训练深度学习模型的过程中,将输出误差反向传播给网络参数,以此来拟合样本的输出(预测标签),使其逐步趋向于最优解(真实标签),而用于控制每一次更新网络参数利用多少误差的参数即称为学习率(Learning rate),也称为步长。
本实施例提供的用于训练模型的方法,获取训练数据、以及获取训练数据的真实标签;采用初始视频分类模型预测训练数据的预测标签;采用真实标签与预测标签构建第一损失函数;采用第一损失函数训练初始视频分类模型,并得到训练完成的目标视频分类模型,其中,在第一训练阶段,采用第一学习率训练初始视频分类模型,以及在第二训练阶段,采用第二学习率训练初始视频分类模型,在不同的模型训练阶段使用不同的学习率对模型进行训练,可以提升训练模型的效率、以及提升训练后所得模型的预测准确性。
可选地,第一学习率基于训练进程动态确定,第二学习率基于训练进程动态确定。
在本实施例中,第一学习率以及第二学习率均可以基于训练进程动态的确定。
具体地,可以基于预设参数确定当前训练进程所使用的学习率,其中,预设参数可以采用当前训练进程中所使用的epoch的计量(一个epoch是指所有训练样本在神经网络中都进行了一次正向传播和一次反向传播)。更具体地,在确定第一学习率时,可以采用以epoch的计量为自变量、以第一学习率为因变量的第一函数式计算,在确定第二学习率时,可以采用以epoch的计量为自变量、以第二学习率为因变量的第二函数式计算。
具体地,可以基于迭代次数确定每个迭代中所使用的学习率,更具体地,在确定第一学习率时,可以采用以迭代次数为自变量、以第一学习率为因变量的第三函数式计算;在确定第二学习率时,可以采用以迭代次数为自变量、以第二学习率为因变量的第四函数式计算。
具体地,可以基于迭代时间确定每个迭代中所使用的学习率,更具体地,在确定第一学习率时,可以采用以当前时间为自变量、以第一学习率为因变量的第五函数式计算;在确定第二学习率时,可以采用以当前时间为自变量、以第二学习率为因变量的第六函数式计算。
由此,第一训练阶段与第二训练阶段可以采用基于不同函数式确定的学习率,并且每个训练阶段内,不同训练进程所采用的学习率动态变化,可以有效提升训练模型的效率,以及训练所得的模型的预测准确性。
可选地,初始视频分类模型为卷积神经网络模型,初始视频分类模型包括归一化层,方法包括:针对初始视频分类模型中的每一层卷积层,将该卷积层的输出数据经过归一化层的处理后,输入该卷积层的下一层卷积层进行数据处理。
在本实施例中,初始视频分类模型可以采用卷积神经网络模型,初始视频分类模型中可以包括归一化层,针对初始视频分类模型中的每一层卷积层,将该卷积层的输出数据进过归一化层的处理后,才将处理后的输出数据输入下一层卷积层中、以进行下一步的数据处理。采用归一化层对卷积层输出的数据进行归一化操作,可以避免网络中间层数据分布发生改变,提升训练精度。
可选地,采用真实标签与预测标签构建第一损失函数,包括:对预测标签进行标签平滑处理;采用经过标签平滑处理后的预测标签与真实标签构建第一损失函数。
在本实施例中,可以对预测标签进行标签平滑处理,之后采用经过标签平滑处理后的预测标签、与真实标签构建第一损失函数。对预测标签进行标签平滑处理可以对模型中的分类器层进行正则化,提高模型的泛化能力。
进一步参考图3,其示出了用于训练模型的方法的另一个实施例的流程300。该用于训练模型的方法的流程300,包括以下步骤:
步骤301,获取训练数据、以及获取训练数据的真实标签。
步骤302,采用初始视频分类模型预测训练数据的预测标签。
步骤303,采用预先训练好的教师模型,预测训练数据的实际标签。
在本实施例中,可以采用预先训练好的教师模型预测训练数据的实际标签。其中,教师模型是指采用大量训练数据训练好的、包含大量网络层以及大量网络参数的较大规模的网络。实际标签是指教师模型所预测的训练数据的标签。
步骤304,采用真实标签与预测标签构建第一损失函数。
步骤305,采用预测标签与实际标签构建第二损失函数。
在本实施例中,可以采用初始视频分类模型所预测的预测标签、与教师模型所预测的实际标签构建第二损失函数。其中,第二损失函数用于训练该初始视频分类模型,使该初始视频分类模型的预测结果逐渐拟合教师模型预测的实际标签。
步骤306,采用第一损失函数以及第二损失函数共同训练初始视频分类模型,并得到目标视频分类模型,其中,在第一训练阶段,采用第一学习率训练初始视频分类模型,以及在第二训练阶段,采用第二学习率训练初始视频分类模型。
在本实施例中,可以采用第一损失函数以及第二损失函数共同训练初始视频分类模型,并得到目标视频分类模型,具体地,在迭代训练过程中,可以基于第一损失函数值与第二损失函数值的加权结果优化模型参数。
本实施例中对步骤301、步骤302、步骤304的描述与步骤201、步骤202、步骤203的描述一致,此处不再赘述。
本实施例提供的用于训练模型的方法相比于图2描述的实施例,增加了基于教师模型预测训练数据的实际标签,基于预测标签与实际标签构建第二损失函数,并采用第二损失函数与第一损失函数共同训练初始视频分类模型,以使初始视频分类模型可以作为学生模型,通过教师模型向初始视频分类模型进行知识蒸馏的方式,学习教师模型的预测策略,提高训练模型的效率,以及训练后所得模型的预测准确性。
在一些应用场景中,用于训练模型的系统包括如图4所示的模块,通过该系统,可以实现对初始视频分类模型的训练,并得到目标视频分类模型。该系统中每个模块在训练时所执行的步骤为:
(1)数据增强:将训练数据进行数据增强,具体为从至少两个视频中分别抽取同样数量的视频帧,以预设的权值进行不同视频中抽取出的视频帧与视频帧之间的叠加以构成新的视频。
例如,从一个视频中抽取出预设数量的视频帧“视频帧1、视频帧2、视频帧3”,为该视频预设权重m,该视频的真实标签为M;从另一段视频中抽取同样数量的视频帧“视频帧a、视频帧b、视频帧c”,为该视频预设权重n,该视频的真实标签为N;将两组视频帧进行叠加所得到的结果为“m*视频帧1+n*视频帧a,m*视频帧2+n*视频帧b,m*视频帧3+n*视频帧c”,此时,叠加后所得视频的标签为m*M+n*N。
采用该数据增强方法可以保留视频所具有的时间信息。
(2)网络结构调整:采用改进后的ResNet50(ResNet50是一种典型的残差网络)作为骨干网络。改进方法有三种,第一种为将ResNet50中预设路径(具体为path A)中的1×1卷积核的步长由2改为1,以避免信息丢失;第二种为将ResNet50中第一个7×7的卷积核改为3个3×3的卷积核,以在减少计算量的同时增加了网络非线性;第三种为将ResNet50中预设路径(具体为path B)中1×1卷积核的步长由2改为1,并在该卷积核后添加平均池化层,以保留更多的信息。
(3)采用归一化层进行归一化处理:针对初始视频分类模型中的每一层卷积层,将该卷积层的输出数据经过归一化层的处理后,输入该卷积层的下一层卷积层进行数据处理。
通过获取归一化层(Batch Normalization层)精确的均值和方差,提升模型精度。具体的,假定训练数据的分布和测试数据的分布是一致的,对于归一化层,通常在训练过程中会计算滑动均值和滑动方差,供测试时使用。滑动均值的计算方式如下
μv=μv*momentum+μ*(1.0-momentum)
其中,μ代表滑动动量系数,μv代表当前时刻的统计量,momentum代表动量,但滑动均值并不等于真实的均值,尤其是在batchsize(每次送入网络中训练的训练数据的数据量)比较小的时候容易受到单次统计量不稳定的影响。因此,为了获取更加精确的均值和方差供归一化层层在测试时使用,在网络训练完一个epoch后(一个epoch是指所有训练样本在神经网络中都进行了一次正向传播和一次反向传播),首先固定网络中的参数不变,之后将训练数据输入网络仅做前向计算,根据每次获得的均值和方差计算出整体训练样本的平均均值和方差,代替原本的指数滑动均值和方差,以此提升测试时的精度,其统计公式如下
其中,μv代表当前时刻的统计量,N代表统计次数,μi代表第i次获得的统计量。
(4)模型训练策略:在训练初始视频分类模型的第一训练阶段,采用第一学习率训练初始视频分类模型,以及在训练初始视频分类模型的第二训练阶段,采用第二学习率训练初始视频分类模型。
在使用梯度下降算法优化目标函数时,在训练之初(即,第一训练阶段)选用较小的学习率,训练一段时间之后(即,第二训练阶段)再使用预设的学习率训练,以使得收敛过程更加快速平滑。例如,预设初始学习率为ls,最高学习率l0,若共有T个epoch,将第T0个epoch之前的epoch确定为第一训练阶段、之后的epoch确定为第二训练阶段,第一训练阶段所采用的第一学习率采用如下计算公式:
第二训练阶段所采用的第二学习率采用如下计算公式:
此时,学习率的变化示意图如图5所示。
(5)标签平滑:在采用初始视频分类模型预测训练数据,并得到预测标签后,对预测标签进行平滑处理,通过标签平滑处理,可以对分类器层进行正则化,提高模型泛化能力。具体的,在模型所预测出的预测标签、即1上减去一个小量,在非预测标签、即0上加上一个小量(例如,模型需要对某个视频分类确定视频属于各个类别的概率,即,确定视频的概率标签,以确定其为动作类视频还是风景类视频,当模型判断其标签为动作类视频时,则输出动作类对应的标签为1、风景类标签为0。标签平滑后,所得到的动作类标签为0.9、风景类标签为0.1),以将原本的硬标签变成软标签,达到正则化的作用,防止过拟合,提升模型泛化能力。标签平滑方法可以采用如下公式:
其中,K代表类别数量,∈代表平滑系数,i=label代表模型预测出的类别标签(如,上例中的动作类标签),i≠label代表模型预测出的非类别标签(如,上例中的风景类标签)。
(6)知识蒸馏:该方法可以通过两部分的知识蒸馏提升模型精度。第一部分的知识蒸馏是指:训练开始前所获取的初始视频分类模型是预训练的模型,该预训练的模型是使用图像分类数据所训练、以通过知识蒸馏学习到图像分类策略的模型。第二部分的知识蒸馏是指:使用预先训练好的用于进行视频分类的教师模型,预测训练数据的实际标签,采用初始视频分类模型所预测的预测标签、与教师模型所预测的实际标签构建第二损失函数,第二损失函数可以采用交叉熵损失函数,之后,并采用第一损失函数以及第二损失函数共同训练初始视频分类模型(或者也可以采用第二损失函数对初始视频分类模型进行单独训练),并得到目标视频分类模型,以使初始视频分类模型可以作为学生模型,通过教师模型向初始视频分类模型进行知识蒸馏的方式,学习教师模型的预测策略。
教师模型所预测的训练数据的实际标签可以存储于本地,以供给学生模型进行蒸馏训练,从而在保证教师标签质量的同时,减少了训练开销。
(7)剪枝与量化:通过模型剪枝以及量化等方式,在不降低网络精度的前提下,进一步减小网络体积。
继续参考图6,示出了根据本公开的视频分类方法的一个实施例的流程600。用于训练模型的方法,包括以下步骤:
步骤601,获取待分类的视频。
在本实施例中,用于训练模型的方法的执行主体(例如图1所示的服务器)通过有线或者无线的方式获取待分类的视频。
步骤602,采用目标视频分类模型对待分类的视频进行分类,其中,目标视频分类模型基于如图2或图3描述的方法训练得到。
在本实施例中,可以将待分类的视频输入基于如图2或图3描述的方法训练得到目标视频分类模型中,以获得目标分类模型所确定的待分类的视频的分类标签。
本实施例提供的视频分类方法,获取待分类的视频;采用目标视频分类模型对待分类的视频进行分类,可以提高视频分类效率。
进一步参考图7,作为对上述各图所示方法的实现,本公开提供了一种用于训练模型的装置的一个实施例,该装置实施例与图2、图3所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图7所示,本实施例的用于训练模型的装置700包括:第一获取单元701、第一预测单元702、第一构建单元703、第一训练单元704。其中,第一获取单元,被配置为获取训练数据、以及获取训练数据的真实标签;第一预测单元,被配置为采用初始视频分类模型预测训练数据的预测标签;第一构建单元,被配置为采用真实标签与预测标签构建第一损失函数;第一训练单元,被配置为采用第一损失函数训练初始视频分类模型,并得到训练完成的目标视频分类模型,其中,在第一训练阶段,采用第一学习率训练初始视频分类模型,以及在第二训练阶段,采用第二学习率训练初始视频分类模型。
在一些实施例中,第一学习率基于训练进程动态确定,第二学习率基于训练进程动态确定。
在一些实施例中,初始视频分类模型为卷积神经网络模型,初始视频分类模型包括归一化层,装置包括:归一化单元,被配置为针对初始视频分类模型中的每一层卷积层,将该卷积层的输出数据经过归一化层的处理后,输入该卷积层的下一层卷积层进行数据处理。
在一些实施例中,第一构建单元,包括:标签处理单元,被配置为对预测标签进行标签平滑处理;第一构建模块,被配置为采用经过标签平滑处理后的预测标签与真实标签构建第一损失函数。
在一些实施例中,该还装置包括:第二预测单元,被配置为采用预先训练好的教师模型,预测训练数据的实际标签;第二构建单元,被配置为采用预测标签与实际标签构建第二损失函数;第一训练单元,包括:第二训练单元,被配置为采用第一损失函数以及第二损失函数共同训练初始视频分类模型,并得到目标视频分类模型。
上述装置700中的各单元与参考图2、图3描述的方法中的步骤相对应。由此上文针对用于训练模型的方法描述的操作、特征及所能达到的技术效果同样适用于装置700及其中包含的单元,在此不再赘述。
进一步参考图8,作为对上述各图所示方法的实现,本公开提供了一种视频分类装置的一个实施例,该装置实施例与图6所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图8所示,本实施例的用于训练模型的装置800包括:第二获取单元801、分类单元802。其中,第二获取单元,被配置为获取待分类的视频;分类单元,被配置为采用目标视频分类模型对待分类的视频进行分类。
上述装置800中的各单元与参考图6描述的方法中的步骤相对应。由此上文针对视频分类方法描述的操作、特征及所能达到的技术效果同样适用于装置800及其中包含的单元,在此不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图9示出了可以用来实施本申请的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元909加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元909,例如磁盘、光盘等;以及通信单元905,例如网卡、调制解调器、无线通信收发机等。通信单元905允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如用于训练模型的方法。例如,在一些实施例中,用于训练模型的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元909。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元905而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的用于训练模型的方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行用于训练模型的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,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。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的数据,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (15)
1.一种用于训练模型的方法,包括:
获取训练数据、以及获取所述训练数据的真实标签;
采用初始视频分类模型预测所述训练数据的预测标签;
采用所述真实标签与所述预测标签构建第一损失函数;
采用所述第一损失函数训练所述初始视频分类模型,并得到训练完成的目标视频分类模型,其中,在第一训练阶段,采用第一学习率训练所述初始视频分类模型,以及在第二训练阶段,采用第二学习率训练所述初始视频分类模型。
2.根据权利要求1所述的方法,其中,所述第一学习率基于训练进程动态确定,所述第二学习率基于训练进程动态确定。
3.根据权利要求1所述的方法,其中,所述初始视频分类模型为卷积神经网络模型,所述初始视频分类模型包括归一化层,所述方法包括:
针对所述初始视频分类模型中的每一层卷积层,将该卷积层的输出数据经过所述归一化层的处理后,输入该卷积层的下一层卷积层进行数据处理。
4.根据权利要求1所述的方法,其中,所述采用所述真实标签与所述预测标签构建第一损失函数,包括:
对所述预测标签进行标签平滑处理;
采用经过标签平滑处理后的预测标签与所述真实标签构建所述第一损失函数。
5.根据权利要求1所述的方法,其中,所述还方法包括:
采用预先训练好的教师模型,预测所述训练数据的实际标签;
采用所述预测标签与所述实际标签构建第二损失函数;
所述采用所述第一损失函数训练所述初始视频分类模型,并得到训练完成的目标视频分类模型,包括:
采用所述第一损失函数以及所述第二损失函数共同训练所述初始视频分类模型,并得到所述目标视频分类模型。
6.一种视频分类方法,包括:
获取待分类的视频;
采用目标视频分类模型对所述待分类的视频进行分类,其中,所述目标视频分类模型基于如权利要求1-5之一所述的方法训练得到。
7.一种用于训练模型的装置,包括:
第一获取单元,被配置为获取训练数据、以及获取所述训练数据的真实标签;
第一预测单元,被配置为采用初始视频分类模型预测所述训练数据的预测标签;
第一构建单元,被配置为采用所述真实标签与所述预测标签构建第一损失函数;
第一训练单元,被配置为采用所述第一损失函数训练所述初始视频分类模型,并得到训练完成的目标视频分类模型,其中,在第一训练阶段,采用第一学习率训练所述初始视频分类模型,以及在第二训练阶段,采用第二学习率训练所述初始视频分类模型。
8.根据权利要求7所述的装置,其中,所述第一学习率基于训练进程动态确定,所述第二学习率基于训练进程动态确定。
9.根据权利要求7所述的装置,其中,所述初始视频分类模型为卷积神经网络模型,所述初始视频分类模型包括归一化层,所述装置包括:
归一化单元,被配置为针对所述初始视频分类模型中的每一层卷积层,将该卷积层的输出数据经过所述归一化层的处理后,输入该卷积层的下一层卷积层进行数据处理。
10.根据权利要求7所述的装置,其中,所述第一构建单元,包括:
标签处理单元,被配置为对所述预测标签进行标签平滑处理;
第一构建模块,被配置为采用经过标签平滑处理后的预测标签与所述真实标签构建所述第一损失函数。
11.根据权利要求7所述的装置,其中,所述还装置包括:
第二预测单元,被配置为采用预先训练好的教师模型,预测所述训练数据的实际标签;
第二构建单元,被配置为采用所述预测标签与所述实际标签构建第二损失函数;
所述第一训练单元,包括:
第二训练单元,被配置为采用所述第一损失函数以及所述第二损失函数共同训练所述初始视频分类模型,并得到所述目标视频分类模型。
12.一种视频分类装置,包括:
第二获取单元,被配置为获取待分类的视频;
分类单元,被配置为采用目标视频分类模型对所述待分类的视频进行分类,其中,所述目标视频分类模型基于如权利要求1-5之一所述的装置训练得到。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法或者权利要求6所述的方法。
14.一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权利要求1-5中任一项所述的方法或者权利要求6所述的方法。
15.一种计算机程序产品,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1-5中任一项所述的方法或者权利要求6所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111517877.4A CN114186097A (zh) | 2021-12-10 | 2021-12-10 | 用于训练模型的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111517877.4A CN114186097A (zh) | 2021-12-10 | 2021-12-10 | 用于训练模型的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114186097A true CN114186097A (zh) | 2022-03-15 |
Family
ID=80543467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111517877.4A Pending CN114186097A (zh) | 2021-12-10 | 2021-12-10 | 用于训练模型的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114186097A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112949786A (zh) * | 2021-05-17 | 2021-06-11 | 腾讯科技(深圳)有限公司 | 数据分类识别方法、装置、设备及可读存储介质 |
CN112990432A (zh) * | 2021-03-04 | 2021-06-18 | 北京金山云网络技术有限公司 | 目标识别模型训练方法、装置及电子设备 |
CN113609965A (zh) * | 2021-08-03 | 2021-11-05 | 同盾科技有限公司 | 文字识别模型的训练方法及装置、存储介质、电子设备 |
-
2021
- 2021-12-10 CN CN202111517877.4A patent/CN114186097A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990432A (zh) * | 2021-03-04 | 2021-06-18 | 北京金山云网络技术有限公司 | 目标识别模型训练方法、装置及电子设备 |
CN112949786A (zh) * | 2021-05-17 | 2021-06-11 | 腾讯科技(深圳)有限公司 | 数据分类识别方法、装置、设备及可读存储介质 |
CN113609965A (zh) * | 2021-08-03 | 2021-11-05 | 同盾科技有限公司 | 文字识别模型的训练方法及装置、存储介质、电子设备 |
Non-Patent Citations (2)
Title |
---|
蒋文斌 等: "深度学习自适应学习率算法研究", 《华中科技大学学报(自然科学版)》, vol. 47, no. 05, 23 May 2019 (2019-05-23), pages 79 - 82 * |
言有三: "深度学习之人脸图像处理 核心算法与案例实战", 机械工业出版社, pages: 47 - 48 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021155706A1 (zh) | 利用不平衡正负样本对业务预测模型训练的方法及装置 | |
CN110766142A (zh) | 模型生成方法和装置 | |
JP2022058915A (ja) | 画像認識モデルをトレーニングするための方法および装置、画像を認識するための方法および装置、電子機器、記憶媒体、並びにコンピュータプログラム | |
CN111311321B (zh) | 用户消费行为预测模型训练方法、装置、设备及存储介质 | |
CN112541124B (zh) | 生成多任务模型的方法、装置、设备、介质及程序产品 | |
CN112560996B (zh) | 用户画像识别模型训练方法、设备、可读存储介质及产品 | |
CN111460384B (zh) | 策略的评估方法、装置和设备 | |
CN115147687A (zh) | 学生模型训练方法、装置、设备及存储介质 | |
CN113326852A (zh) | 模型训练方法、装置、设备、存储介质及程序产品 | |
CN114065863A (zh) | 联邦学习的方法、装置、系统、电子设备及存储介质 | |
CN115147680B (zh) | 目标检测模型的预训练方法、装置以及设备 | |
CN113657483A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
EP4343616A1 (en) | Image classification method, model training method, device, storage medium, and computer program | |
CN112949818A (zh) | 模型蒸馏方法、装置、设备以及存储介质 | |
CN114020950B (zh) | 图像检索模型的训练方法、装置、设备以及存储介质 | |
CN116684330A (zh) | 基于人工智能的流量预测方法、装置、设备及存储介质 | |
CN114494814A (zh) | 基于注意力的模型训练方法、装置及电子设备 | |
CN114693934A (zh) | 语义分割模型的训练方法、视频语义分割方法及装置 | |
CN113011532A (zh) | 分类模型训练方法、装置、计算设备及存储介质 | |
CN116468112B (zh) | 目标检测模型的训练方法、装置、电子设备和存储介质 | |
WO2024040869A1 (zh) | 多任务模型的训练方法、信息推荐方法、装置和设备 | |
CN113642654B (zh) | 图像特征的融合方法、装置、电子设备和存储介质 | |
CN113516185B (zh) | 模型训练的方法、装置、电子设备及存储介质 | |
CN115185606A (zh) | 业务配置参数的获得方法、装置、设备及存储介质 | |
CN114186097A (zh) | 用于训练模型的方法和装置 |
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 |