CN117194972A - 数据集生成方法、装置、电子设备、介质和程序产品 - Google Patents
数据集生成方法、装置、电子设备、介质和程序产品 Download PDFInfo
- Publication number
- CN117194972A CN117194972A CN202310961155.0A CN202310961155A CN117194972A CN 117194972 A CN117194972 A CN 117194972A CN 202310961155 A CN202310961155 A CN 202310961155A CN 117194972 A CN117194972 A CN 117194972A
- Authority
- CN
- China
- Prior art keywords
- sample
- loss value
- data set
- target
- sample data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000001537 neural effect Effects 0.000 claims abstract description 85
- 230000004044 response Effects 0.000 claims abstract description 34
- 238000012549 training Methods 0.000 claims description 53
- 238000012545 processing Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 15
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 210000005036 nerve Anatomy 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 65
- 238000003062 neural network model Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000013145 classification model Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例公开了数据集生成方法、装置、电子设备、介质和程序产品。该方法的一具体实施方式包括：基于样本数据集和对应的初始缩放因子集，执行以下确定步骤：根据样本数据集和初始缩放因子集，生成样本缩放数据集；生成针对样本缩放数据集的神经正切核损失值和预测输出损失值；根据神经正切核损失值和预测输出损失值，生成目标损失值；响应于确定目标损失值满足收敛条件，将初始缩放因子集确定为更新后缩放因子集；根据样本数据集和更新后缩放因子集，生成目标样本数据集。该实施方式与人工智能有关，可以准确地从样本数据集中确定出目标样本数据集。
Description
技术领域
本公开的实施例涉及计算机技术领域，具体涉及数据集生成方法、装置、电子设备、介质和程序产品。
背景技术
目前，随着深度学习的发展，需要大量的训练数据集用于模型训练。然而，收集、存储和分析数据的成本十分昂贵，因此选择核心数据集成为深度学习的重要方面。对于核心样本数据集的生成，通常采用的方式为：基于专家的经验性发现的各种评价指标，从样本数据集中筛选出目标数据集。
然而，发明人发现，当采用上述方式来生成核心样本数据集，经常会存在如下技术问题：
所选择的目标数据集可能只达到了模型在局部时刻的最优结果，忽略了模型在不同训练阶段对数据集的需求，难以达到在模型训练的整个过程的最优结果，导致模型准确度较低，以及增加系统存储负荷。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于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。本公开的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。
本公开的一些实施例提出了数据集生成方法、装置、电子设备、介质和程序产品，来解决以上背景技术部分提到的技术问题。
第一方面，本公开的一些实施例提供了一种数据集生成方法，包括：基于样本数据集和对应的初始缩放因子集，执行以下确定步骤：根据上述样本数据集和初始缩放因子集，生成样本缩放数据集；生成针对样本缩放数据集的神经正切核损失值和预测输出损失值；根据神经正切核损失值和预测输出损失值，生成目标损失值；响应于确定目标损失值满足收敛条件，将初始缩放因子集确定为更新后缩放因子集；根据上述样本数据集和更新后缩放因子集，生成目标样本数据集。
可选地，在上述根据上述样本数据集和更新后缩放因子集，生成目标样本数据集之前，上述方法还包括：响应于确定目标损失值不满足收敛条件，对初始缩放因子集进行更新，得到更新后缩放因子集，以及将更新后缩放因子集确定为初始缩放因子集，以再次执行上述确定步骤。
可选地，上述生成针对样本缩放数据集的神经正切核损失值和预测输出损失值，包括：生成针对上述样本数据集的第一神经正切核损失值；生成针对上述样本缩放数据集的第二神经正切核损失值；确定上述第二神经正切核损失值和上述第一神经正切核损失值的神经正切核差值；对初始缩放因子集进行范数处理，得到缩放数值，其中，上述初始缩放因子集是与上述样本数据集对应的缩放因子集；根据上述神经正切核差值和上述缩放数值，生成神经正切核损失值。
可选地，上述生成针对样本缩放数据集的神经正切核损失值和预测输出损失值，还包括：生成针对上述样本数据集的第一预测输出值；生成针对上述样本缩放数据集的第二预测输出值；确定上述第二预测输出值和上述第一预测输出值的预测差值；根据上述预测差值，生成目标预测输出损失值；对上述目标预测输出损失值进行等价转化处理，得到预测输出损失值。
可选地，上述根据神经正切核损失值和预测输出损失值，生成目标损失值，包括：对上述神经正切核损失值和上述预测输出损失值进行加权求和处理，得到加权求和数值，作为目标损失值。
可选地，上述根据上述样本数据集和初始缩放因子集，生成样本缩放数据集，包括：对上述样本数据集中的每个样本数据进行向量化处理，以生成上述样本数据对应的样本向量，得到样本向量集；根据上述初始缩放因子集和上述样本向量集，生成样本缩放数据集。
可选地，上述方法还包括：基于上述目标样本数据集，执行以下训练步骤：将目标样本数据集输入至初始模型中，得到预测结果集；根据预测结果集和目标样本标签集，确定误差比值，其中，上述目标样本标签集是上述目标样本数据集对应的标签集；响应于确定误差比值小于预设误差阈值，将初始模型确定为训练完成的模型；响应于确定误差比值大于等于预设误差阈值，确定初始模型未达到预设的优化目标，以及调整初始模型的相关参数，将调整后的初始模型作为初始模型，重新获取样本数据集作为目标样本数据集，以再次执行上述训练步骤。
可选地，上述根据上述样本数据集和更新后缩放因子集，生成目标样本数据集，包括：从上述样本数据集中筛选出对应的更新后缩放因子集中大于等于预设阈值的样本数据，作为目标样本数据，得到目标样本数据集，其中，上述预设阈值是基于模型训练加速比例确定的。
第二方面，本公开的一些实施例提供了一种数据集生成装置，包括：执行单元，被配置成基于样本数据集和对应的初始缩放因子集，执行以下确定步骤：根据上述样本数据集和初始缩放因子集，生成样本缩放数据集；生成针对样本缩放数据集的神经正切核损失值和预测输出损失值；根据神经正切核损失值和预测输出损失值，生成目标损失值；响应于确定目标损失值满足收敛条件，将初始缩放因子集确定为更新后缩放因子集；生成单元，被配置成根据上述样本数据集和更新后缩放因子集，生成目标样本数据集。
可选地，数据集生成装置还可以包括：更新单元。其中，更新单元可以被配置成：响应于确定目标损失值不满足收敛条件，对初始缩放因子集进行更新，得到更新后缩放因子集，以及将更新后缩放因子集确定为初始缩放因子集，以再次执行上述确定步骤。
可选地，执行单元可以被配置成：生成针对上述样本数据集的第一神经正切核损失值；生成针对上述样本缩放数据集的第二神经正切核损失值；确定上述第二神经正切核损失值和上述第一神经正切核损失值的神经正切核差值；对初始缩放因子集进行范数处理，得到缩放数值，其中，上述初始缩放因子集是与上述样本数据集对应的缩放因子集；根据上述神经正切核差值和上述缩放数值，生成神经正切核损失值。
可选地，执行单元可以被配置成：生成针对上述样本数据集的第一预测输出值；生成针对上述样本缩放数据集的第二预测输出值；确定上述第二预测输出值和上述第一预测输出值的预测差值；根据上述预测差值，生成目标预测输出损失值；对上述目标预测输出损失值进行等价转化处理，得到预测输出损失值。
可选地，执行单元可以被配置成：对上述神经正切核损失值和上述预测输出损失值进行加权求和处理，得到加权求和数值，作为目标损失值。
可选地，执行单元可以被配置成：对上述样本数据集中的每个样本数据进行向量化处理，以生成上述样本数据对应的样本向量，得到样本向量集；根据上述初始缩放因子集和上述样本向量集，生成样本缩放数据集。
可选地，数据集生成装置还可以包括：训练单元和确定单元，训练单元可以被配置成：基于上述目标样本数据集，执行以下训练步骤：将目标样本数据集输入至初始模型中，得到预测结果集；根据预测结果集和目标样本标签集，确定误差比值，其中，上述目标样本标签集是上述目标样本数据集对应的标签集；响应于确定误差比值小于预设误差阈值，将初始模型确定为训练完成的模型。确定单元可以被配置成：响应于确定误差比值大于等于预设误差阈值，确定初始模型未达到预设的优化目标，以及调整初始模型的相关参数，将调整后的初始模型作为初始模型，重新获取样本数据集作为目标样本数据集，以再次执行上述训练步骤。
可选地，生成单元可以被配置成：从上述样本数据集中筛选出对应的更新后缩放因子集中大于等于预设阈值的样本数据，作为目标样本数据，得到目标样本数据集，其中，上述预设阈值是基于模型训练加速比例确定的。
第三方面，本公开的一些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，其上存储有一个或多个程序，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上述第一方面中任一实现方式描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面中任一实现方式描述的方法。
第五方面，本公开的一些实施例提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述第一方面中任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的数据集生成方法可以准确地从样本数据集中确定出目标样本数据集。具体来说，造成相关的模型准确度较低，以及增加系统存储负荷的原因在于：所选择的目标数据集可能只达到了模型在局部时刻的最优结果，忽略了模型在不同训练阶段对数据集的需求，难以达到在模型训练的整个过程的最优结果，导致模型准确度较低，以及增加系统存储负荷。基于此，本公开的一些实施例的数据集生成方法，首先，基于样本数据集和对应的初始缩放因子集，执行以下确定步骤：第一步，根据上述样本数据集和初始缩放因子集，生成样本缩放数据集。在这里，得到的样本缩放数据集可以表征样本缩放数据集对于模型训练的重要程度，便于后续对初始缩放因子集进行更新。第二步，生成针对样本缩放数据集的神经正切核损失值和预测输出损失值。在这里，确定在样本数据集和样本缩放数据集的神经正切核损失值和预测输出损失值，可以确定样本缩放数据集和样本数据集在预测输出和神经正切核方面的误差，从而，不仅提高了后续模型学习目标样本数据集的特征速度，还提高模型在目标样本数据集上的准确度。第三步，根据神经正切核损失值和预测输出损失值，生成目标损失值。在这里，目标损失值通过结合神经正切核损失值和预测输出损失值，从神经正切核损失值和预测输出损失值两个方面对目标损失值进行表述，可以便于后续模型进行训练。第四步，响应于确定目标损失值满足收敛条件，将初始缩放因子集确定为更新后缩放因子集。在这里，当目标损失值满足收敛条件，确定的更新后缩放因子集可以表征样本数据集对后续模型训练的重要性，以便后续得到的目标样本数据集更加准确。然后，根据上述样本数据集和更新后缩放因子集，生成目标样本数据集。在这里，通过预设阈值可以控制目标数据集的数据量，可以减少后续模型再训练的训练数据量，从而缩短了后续模型的训练时长。由此，通过对初始缩放因子集对应的样本缩放数据集，确定样本数据集和样本数据集在神经正切核损失值和预测输出损失值的误差，确定目标数据集，提高了确定目标数据集的准确率，以及通过更少的数据集对后续模型进行训练，提高了模型的训练速度。
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，元件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的数据集生成方法的一个应用场景的示意图；
图2是根据本公开的数据集生成方法的一些实施例的流程图；
图3是根据本公开的数据集生成方法的另一些实施例的流程图；
图4是根据本公开的数据集生成方法的另一些实施例的一个应用场景的示意图；
图5是根据本公开的数据集生成装置的一些实施例的结构示意图；
图6是适于用来实现本公开的一些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。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
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。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开一些实施例的数据集生成方法的一个应用场景的示意图。
在图1的应用场景中，电子设备101可以首先，基于样本数据集和对应的初始缩放因子集，执行以下确定步骤：第一步，根据上述样本数据集102和初始缩放因子集103，生成样本缩放数据集104。第二步，生成针对样本缩放数据集104的神经正切核损失值105和预测输出损失值106。第三步，根据神经正切核损失值105和预测输出损失值106，生成目标损失值107。第四步，响应于确定目标损失值107满足收敛条件，将初始缩放因子集103确定为更新后缩放因子集108。然后，根据上述样本数据集102和更新后缩放因子集108，生成目标样本数据集109。
需要说明的是，上述电子设备101可以是硬件，也可以是软件。当电子设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当电子设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的电子设备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电子设备。
继续参考图2，示出了根据本公开的数据集生成方法的一些实施例的流程200。该数据集生成方法，包括以下步骤：
步骤201，基于样本数据集和对应的初始缩放因子集，执行以下确定步骤：
步骤2011，根据样本数据集和初始缩放因子集，生成样本缩放数据集。
在一些实施例中，上述数据集生成方法的执行主体(例如图1所示的电子设备101)可以根据上述样本数据集和初始缩放因子集，生成样本缩放数据集。其中，上述样本数据集中的样本数据可以是用于训练模型的数据。例如，上述样本数据集的类型可以是以下至少一项：文本、音频、视频、图像。上述初始缩放因子集中的初始缩放因子可以表征对应的样本数据对模型训练的重要程度。上述初始缩放因子集中的初始缩放因子可以是随机生成的、在0和1范围内的数值。初始缩放因子越靠近0表征对应的样本数据对模型训练的影响越小。初始缩放因子越靠近1表征对应的样本数据对模型训练的影响越大。上述样本缩放数据集中的样本缩放数据可以是对对应的样本数据赋予不同权重的数据。权重越高表征对应的样本数据对模型训练的影响越大，权重越低表征对应的样本数据对模型训练的影响越小。
作为示例，上述执行主体可以首先，对上述样本数据集中的每个样本数据进行特征提取，以生成与样本数据对应的特征张量，得到特征张量集。其次，对上述缩放因子集中的每个缩放因子进行向量化处理，以生成缩放因子向量，得到缩放因子向量集。最后，对上述特征张量集和对应的缩放因子向量集进行叠加，得到样本缩放数据集。
在一些实施例的一些可选的实现方式中，上述根据上述样本数据集和初始缩放因子集，生成样本缩放数据集，包括：
第一步，对上述样本数据集中的每个样本数据进行向量化处理，以生成上述样本数据对应的样本向量，得到样本向量集。其中，上述样本向量可以是表征样本数据的语义信息的向量。
作为示例，上述执行主体可以将样本数据集中的每个样本数据输入至编码网络，以生成上述样本数据对应的样本向量，得到样本向量集。其中，上述编码网络可以是CNN(Convolutional Neural Networks，卷积神经网络)模型。
第二步，根据上述初始缩放因子集和上述样本向量集，生成样本缩放数据集。
作为示例，上述执行主体可以将上述初始缩放因子集和对应的样本向量的乘积，确定为样本缩放数据。
步骤2012，生成针对样本缩放数据集的神经正切核损失值和预测输出损失值。
在一些实施例中，上述执行主体可以生成针对样本缩放数据集的神经正切核损失值和预测输出损失值。其中，上述神经正切核损失值可以表征神经网络模型对应的函数对于网络模型参数的梯度之间的内积值。上述预测输出损失值可以表征模型预测输出值与真实值的误差值。
作为示例，上述执行主体可以首先，将上述样本缩放数据集输入至初始模型中，得到针对样本缩放数据集的预测输出值。然后，确定上述预测输出值与样本缩放数据集对应的真实值的损失值。其中，上述初始模型可以是关于图像的模型，也可以是关于视频的模型，还可以是关于音频的模型。例如，关于图像的模型可以是图像分类模型。关于视频的模型可以是目标识别模型。关于音频的模型可以是语音降噪模型。最后，利用神经正切核函数，确定针对上述样本缩放数据集的神经正切核损失值。
在一些实施例的一些可选的实现方式中，上述生成针对样本缩放数据集的神经正切核损失值和预测输出损失值，可以包括以下步骤：
第一步，生成针对上述样本数据集的第一神经正切核损失值。其中，上述第一神经正切核损失值可以表征针对样本数据集的、神经网络模型对应的函数关于模型参数内积的损失值。上述神经网络模型可以是任意深度学习模型。例如，上述神经网络模型可以是关于图像的分类模型，也可以是关于视频的目标识别模型。
作为示例，上述执行主体可以将上述样本数据集输入至第一神经正切核损失函数，得到第一神经正切核损失值。其中，上述第一神经正切核损失函数可以是：
其中，Θ0(X，X)表示在初始时刻下，第一神经正切核损失函数关于样本数据集的第一神经正切核损失值，其中，初始时刻可以是对神经网络模型对应的函数进行初始化的时刻。X表示样本数据集。表示在初始时刻下，神经网络模型对应的函数关于模型参数θ的导函数值。f0(X)表示在初始时刻下，神经网络模型对应的函数值。f0(X)T表示在初始时刻下，神经网络模型对应的模型关于样本数据集的输出结果的转置结果。
其中，在初始时刻下，神经网络模型对应的函数可以是：
其中，f0(x)表示在初始时刻下，神经网络模型对应的函数。x表示当前输入数据。g(X)表示样本缩放数据，样本缩放数据可以表示为g(X)＝m⊙X。⊙表示哈达玛乘积。m表示初始缩放因子集。I表示单位矩阵。η表示训练学习率。t表示时间参数。Θ0表示在初始时刻下，神经网络模型对应的函数的神经正切核矩阵。Y表示样本数据对应的样本标签。表示在初始时刻下，神经网络模型对应的函数值的逆函数值。Θ0(x，g(X))表示在初始时刻下，输入数据为当前数据和样本缩放数据对应的神经正切核函数值。f0(g(X))表示在初始时刻下，输入数据为样本缩放数据对应的神经网络模型对应的函数值。
其中，神经网络模型对应的关于时间参数的函数可以是：
第二步，生成针对上述样本缩放数据集的第二神经正切核损失值。其中，上述第二神经正切核损失值可以表征针对样本缩放数据集的、神经网络模型对应的函数关于模型参数内积的损失值。
作为示例，上述执行主体可以将上述样本缩放数据集输入至第二神经正切核损失函数，得到第二神经正切核损失值。其中，上述第二神经正切核函数可以是：
其中，Θ0(g(X)，g(X))表示初始时刻的第二神经正切核损失函数关于样本缩放数据集的第二神经正切核损失值。表示在初始时刻下，对神经网络模型对应的函数进行模型参数求导得到的关于样本缩放数据集的导数值。f0(g(X))表示在初始时刻下，神经网络模型对应的函数对应的函数关于样本缩放数据集的函数值。f0(g(X))T表示在初始时刻下，神经网络模型对应的函数关于样本缩放数据集的函数结果值的转置函数结果。
第三步，确定上述第二神经正切核损失值和上述第一神经正切核损失值的神经正切核差值。
第四步，对初始缩放因子集进行范数处理，得到缩放数值。其中，上述初始缩放因子集是与上述样本数据集对应的缩放因子集。范数处理可以是第一范数处理。
第五步，根据上述神经正切核差值和上述缩放数值，生成神经正切核损失值。
作为示例，上述执行主体可以将上述神经正切核差值和上述缩放数值输入至神经正切核函数，得到神经正切核损失值。其中，神经正切核损失函数可以表示为：
其中，表示神经正切核损失函数。||||2表示第二范数值。||m||1表示初始缩放因子集的第一范数值。
可选地，上述生成针对样本缩放数据集的神经正切核损失值和预测输出损失值，还可以包括以下步骤：
第一步，生成针对上述样本数据集的第一预测输出值。其中，第一预测输出值表征针对样本数据集的、神经网络模型对应的函数的输出值。
作为示例，上述执行主体可以将上述样本数据集输入至第一预测输出函数，得到第一预测输出值。其中，第一预测输出函数可以表示为：
其中，f(x|X)表示第一预测输出函数。
第二步，生成针对上述样本缩放数据集的第二预测输出值。其中，上述第二预测输出值可以表征针对样本缩放数据集的、神经网络模型对应的函数的输出值。
作为示例，上述执行主体可以将上述样本缩放数据集输入至第二预测输出函数，得到第二预测输出值。其中，上述第二预测输出函数可以表示为：
其中，f(x|g(X))表示第二预测输出函数。
第三步，确定上述第二预测输出值和上述第一预测输出值的预测差值。
第四步，根据上述预测差值，生成目标预测输出损失值。
作为示例，上述执行主体可以将预测差值输入至目标预测输出损失函数，得到目标预测输出损失值。其中，目标预测输出损失函数可以是：
其中，表示目标预测输出损失函数。E表示求第一预测输出损失值和第二预测输出损失值的期望。/>表示第二范数的平方。p(x)表示样本点x的数据分布。
第五步，对上述目标预测输出损失值进行等价转化处理，得到预测输出损失值。其中，上述等价转化处理可以是将目标预测输出损失值以神经正切核函数的形式进行转化的处理。由于预测输出函数可以用神经正切核函数进行表示，故将目标预测输出损失函数用神经正切核函数表示，得到预测输出损失函数。预测输出函数用神经正切核函数表示可以表示为：
其中，f(x)表示预测输出函数。
作为示例，上述执行主体可以将目标预测输出损失值输入至预测输出损失函数，得到预测输出损失值。其中，预测输出损失函数可以表示为：
步骤2013，根据神经正切核损失值和预测输出损失值，生成目标损失值。
在一些实施例中，上述执行主体可以根据神经正切核损失值和预测输出损失值，生成目标损失值。其中，上述目标损失值可以表征融合后预测输出值与真实值之间的误差。
作为示例，上述执行主体可以响应于确定优化后续模型关于模型梯度的优化结果，将神经正切核损失值确定为目标损失值。响应于确定优化后续模型的预测输出结果，将预测输出损失值，确定为目标损失值。
在一些实施例的一些可选的实现方式中，上述根据神经正切核损失值和预测输出损失值，生成目标损失值，包括：
对上述神经正切核损失值和上述预测输出损失值进行加权求和处理，得到加权求和数值，作为目标损失值。其中，上述目标损失值对应的目标损失函数可以表示为：
其中，表示目标损失函数，λ表示预测输出损失函数对应的权重值。权重值可以根据具体样本数据集确定。
步骤2014，响应于确定目标损失值满足收敛条件，将初始缩放因子集确定为更新后缩放因子集。
在一些实施例中，上述执行主体可以响应于确定目标损失值满足收敛条件，将初始缩放因子集确定为更新后缩放因子集。其中，上述收敛条件可以是将样本缩放数据集输入至目标损失函数得到的目标损失值趋于一个不变的损失值。上述更新后缩放因子集可以是对初始缩放因子集进行更新得到的缩放因子集。
步骤202，根据样本数据集和更新后缩放因子集，生成目标样本数据集。
在一些实施例中，上述执行主体可以根据上述样本数据集和更新后缩放因子集，生成目标样本数据集。其中，上述目标样本数据集可以表征模型可学习到的关键特征，与模型在样本数据集上可学习到的关键特征一致，并且对模型的训练效果近似相同的数据集。
作为示例，上述执行主体可以首先，从上述更新后缩放因子集中筛选出大于等于预先设置的比例阈值的更新后缩放因子，得到筛选后缩放因子集。其中，上述预先设置的比例阈值可以是0.7。然后，将上述筛选后缩放因子集对应的样本数据集，确定为目标样本数据集。
在一些实施例的一些可选的实现方式中，上述根据上述样本数据集和更新后缩放因子集，生成目标样本数据集，可以包括以下步骤：
从上述样本数据集中筛选出对应的更新后缩放因子大于等于预设阈值的样本数据，作为目标样本数据，得到目标样本数据集。其中，上述预设阈值是基于模型训练加速比例确定的。其中，上述模型训练加速比例可以是用于确定上述目标样本数据集占样本数据集的比值。例如，上述模型训练加速比例可以是0.6。
作为示例，上述执行主体可以首先，确定模型训练加速比例。然后，利用上述模型训练加速比例，确定初始缩放因子集中属于上述模型训练加速比例范围内的初始缩放因子子集。最后，利用初始缩放因子子集，确定预设阈值。
可选地，上述执行主体还可以执行以下步骤：
第一步，基于上述目标样本数据集，执行以下训练步骤：
第一子步骤，将上述目标样本数据集输入至初始模型中，得到预测结果集。其中，初始模型可以是但不限于以下之一：关于图像的模型、关于音频的模型、关于视频的模型和关于文本的模型。例如，上述关于图像的模型可以是图像分类模型。上述关于音频的模型可以是音频降噪模型。上述关于视频的模型可以是行人检测模型。上述关于文本的模型可以是情感分析模型。上述预测结果集可以是初始模型输出的结果集。
第二子步骤，根据上述预测结果集和目标样本标签集，确定误差比值。其中，上述目标样本标签集中的目标样本标签可以是上述目标样本数据对应的标签集。例如，目标样本数据集中的目标样本数据可以是图像主体为猫的图像，则目标样本数据对应的标签可以是猫。
作为示例，上述执行主体可以首先，确定上述预测结果集中预测结果与对应的目标样本标签不相同的误差数量。然后，确定误差数量与预测结果集的比值，作为误差比值。
第三子步骤，响应于确定误差比值小于预设误差阈值，将初始模型确定为训练完成的模型。其中，上述预设误差阈值可以是预先确定的误差数值。例如，上述预测误差阈值可以是0.75。
第二步，响应于确定上述误差比值大于等于预设误差阈值，确定初始模型未达到预设的优化目标，以及调整初始模型的相关参数，将调整后的初始模型作为初始模型，重新获取样本数据集作为目标样本数据集，以再次执行上述训练步骤。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的数据集生成方法可以准确地从样本数据集中确定出目标样本数据集。具体来说，造成相关的模型准确度较低，以及增加系统存储负荷的原因在于：所选择的目标数据集可能只达到了模型在局部时刻的最优结果，忽略了模型在不同训练阶段对数据集的需求，难以达到在模型训练的整个过程的最优结果，导致模型准确度较低，以及增加系统存储负荷。基于此，本公开的一些实施例的数据集生成方法，首先，基于样本数据集和对应的初始缩放因子集，执行以下确定步骤：第一步，根据上述样本数据集和初始缩放因子集，生成样本缩放数据集。在这里，得到的样本缩放数据集可以表征样本缩放数据集对于模型训练的重要程度，便于后续对初始缩放因子集进行更新。第二步，生成针对样本缩放数据集的神经正切核损失值和预测输出损失值。在这里，确定在样本数据集和样本缩放数据集的神经正切核损失值和预测输出损失值，可以确定样本缩放数据集和样本数据集在预测输出和神经正切核方面的误差，从而，不仅提高了后续模型学习目标样本数据集的特征速度，还提高模型在目标样本数据集上的准确度。第三步，根据神经正切核损失值和预测输出损失值，生成目标损失值。在这里，目标损失值通过结合神经正切核损失值和预测输出损失值，从神经正切核损失值和预测输出损失值两个方面对目标损失值进行表述，可以便于后续模型进行训练。第四步，响应于确定目标损失值满足收敛条件，将初始缩放因子集确定为更新后缩放因子集。在这里，当目标损失值满足收敛条件，确定的更新后缩放因子集可以表征样本数据集对后续模型训练的重要性，以便后续得到的目标样本数据集更加准确。然后，根据上述样本数据集和更新后缩放因子集，生成目标样本数据集。在这里，通过预设阈值可以控制目标数据集的数据量，可以减少后续模型再训练的训练数据量，从而缩短了后续模型的训练时长。由此，通过对初始缩放因子集对应的样本缩放数据集，确定样本数据集和样本数据集在神经正切核损失值和预测输出损失值的误差，确定目标数据集，提高了确定目标数据集的准确率，以及通过更少的数据集对后续模型进行训练，提高了模型的训练速度。
进一步参考图3，示出了根据本公开的数据集生成方法的另一些实施例的流程300。该数据集生成方法，包括以下步骤：
步骤301，基于样本数据集和对应的初始缩放因子集，执行以下确定步骤：
步骤3011，根据样本数据集和初始缩放因子集，生成样本缩放数据集。
步骤3012，生成针对样本缩放数据集的神经正切核损失值和预测输出损失值。
步骤3013，根据神经正切核损失值和预测输出损失值，生成目标损失值。
步骤3014，响应于确定目标损失值满足收敛条件，将初始缩放因子集确定为更新后缩放因子集。
在一些实施例中，步骤3011-3014的具体实现及其所带来的技术效果，可以参考图2对应的实施例中的步骤2011-2014，在此不再赘述。
步骤302，响应于确定目标损失值不满足收敛条件，对初始缩放因子集进行更新，得到更新后缩放因子集，以及将更新后缩放因子集确定为初始缩放因子集，以再次执行确定步骤。
在一些实施例中，上述执行主体(例如，图4所示的电子设备401)可以响应于确定目标损失值不满足收敛条件，对初始缩放因子集进行更新，得到更新后缩放因子集，以及将更新后缩放因子集确定为初始缩放因子集，以再次执行上述确定步骤。其中，上述更新缩放因子集可以是对初始缩放因子集进行更新得到的缩放因子集。上述更新可以是对目标损失值对应的目标损失函数中的初始缩放因子参数进行梯度更新优化，得到更新后缩放因子。
步骤303，根据样本数据集和更新后缩放因子集，生成目标样本数据集。
在一些实施例中，步骤303的具体实现及其所带来的技术效果，可以参考图2对应的实施例中的步骤203，在此不再赘述。
从图3中可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的数据集生成方法的流程300更加突出了目标损失值不满足收敛条件的具体步骤。由此，这些实施例描述的方案通过对不满足收敛条件的初始缩放因子不断进行更新，直到满足收敛条件，然后，从更新后缩放因子集对应的样本数据集筛选出目标样本数据集，可以使得确定的目标样本数据集更加的全面、精准。
图4是根据本公开一些实施例的数据集生成方法的另一些实施例的一个应用场景的示意图。
在图4中的应用场景中，电子设备401可以首先，基于样本数据集和对应的初始缩放因子集，执行以下确定步骤：第一步，根据上述样本数据集402和初始缩放因子集403，生成样本缩放数据集404。第二步，生成针对样本缩放数据集404的神经正切核损失值405和预测输出损失值406。第三步，根据神经正切核损失值405和预测输出损失值406，生成目标损失值407。第四步，响应于确定目标损失值407满足收敛条件，将初始缩放因子集403确定为更新后缩放因子集408。然后，响应于确定目标损失值407不满足收敛条件，对初始缩放因子集403进行更新，得到更新后缩放因子集408，以及将更新后缩放因子集408确定为初始缩放因子集403，以再次执行上述确定步骤。最后，根据样本数据集402和更新后缩放因子集408，生成目标样本数据集。在本应用场景中，上述目标样本数据集可以是目标样本数据集409。
需要说明的是，上述电子设备401可以是硬件，也可以是软件。当电子设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当电子设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图4中的电子设备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电子设备。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种数据集生成装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，一种数据集生成装置500包括：执行单元501和生成单元502。其中，执行单元501被配置成：基于样本数据集和对应的初始缩放因子集，执行以下确定步骤：根据上述样本数据集和初始缩放因子集，生成样本缩放数据集；生成针对样本缩放数据集的神经正切核损失值和预测输出损失值；根据神经正切核损失值和预测输出损失值，生成目标损失值；响应于确定目标损失值满足收敛条件，将初始缩放因子集确定为更新后缩放因子集。生成单元502被配置成：根据上述样本数据集和更新后缩放因子集，生成目标样本数据集。
在一些实施例的一些可选的实现方式中，上述数据集生成装置500还包括：更新单元(图中未显示)。其中，更新单元可以进一步被配置成：响应于确定目标损失值不满足收敛条件，对初始缩放因子集进行更新，得到更新后缩放因子集，以及将更新后缩放因子集确定为初始缩放因子集，以再次执行上述确定步骤。
在一些实施例的一些可选的实现方式中，执行单元501可以进一步被配置成：生成针对上述样本数据集的第一神经正切核损失值；生成针对上述样本缩放数据集的第二神经正切核损失值；确定上述第二神经正切核损失值和上述第一神经正切核损失值的神经正切核差值；对初始缩放因子集进行范数处理，得到缩放数值，其中，上述初始缩放因子集是与上述样本数据集对应的缩放因子集；根据上述神经正切核差值和上述缩放数值，生成神经正切核损失值。
在一些实施例的一些可选的实现方式中，执行单元501可以进一步被配置成：生成针对上述样本数据集的第一预测输出值；生成针对上述样本缩放数据集的第二预测输出值；确定上述第二预测输出值和上述第一预测输出值的预测差值；根据上述预测差值，生成目标预测输出损失值；对上述目标预测输出损失值进行等价转化处理，得到预测输出损失值。
在一些实施例的一些可选的实现方式中，执行单元501可以进一步被配置成：对上述神经正切核损失值和上述预测输出损失值进行加权求和处理，得到加权求和数值，作为目标损失值。
在一些实施例的一些可选的实现方式中，执行单元501可以进一步被配置成：对上述样本数据集中的每个样本数据进行向量化处理，以生成上述样本数据对应的样本向量，得到样本向量集；根据上述初始缩放因子集和上述样本向量集，生成样本缩放数据集。
在一些实施例的一些可选的实现方式中，上述数据集生成装置500还包括：训练单元和确定单元(图中未显示)。其中，上述训练单元可以被配置成：基于上述目标样本数据集，执行以下训练步骤：基于上述目标样本数据集，执行以下训练步骤：将目标样本数据集输入至初始模型中，得到预测结果集；根据预测结果集和目标样本标签集，确定误差比值，其中，上述目标样本标签集是上述目标样本数据集对应的标签集；响应于确定误差比值小于预设误差阈值，将初始模型确定为训练完成的模型。确定单元可以被配置成：响应于确定误差比值大于等于预设误差阈值，确定初始模型未达到预设的优化目标，将调整后的初始模型作为初始模型，重新获取样本数据集作为目标样本数据集，以及调整初始模型的相关参数，以再次执行上述训练步骤。
在一些实施例的一些可选的实现方式中，生成单元502可以进一步被配置成：从上述样本数据集中筛选出对应的更新后缩放因子集中大于等于预设阈值的样本数据，作为目标样本数据，得到目标样本数据集，其中，上述预设阈值是基于模型训练加速比例确定的。
可以理解的是，该装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元，在此不再赘述。
下面参考图6，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的电子设备101)600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本公开的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。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，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，本公开的一些实施例包括一种计算机程序产品，其包括承载在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。在这样的一些实施例中，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，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例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。在本公开的一些实施例中，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。而在本公开的一些实施例中，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：基于样本数据集和对应的初始缩放因子集，执行以下确定步骤：根据上述样本数据集和初始缩放因子集，生成样本缩放数据集；生成针对样本缩放数据集的神经正切核损失值和预测输出损失值；根据神经正切核损失值和预测输出损失值，生成目标损失值；响应于确定目标损失值满足收敛条件，将初始缩放因子集确定为更新后缩放因子集；根据上述样本数据集和更新后缩放因子集，生成目标样本数据集。
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一些实施例的操作的计算机程序代码，上述程序设计语言包括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。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括执行单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，执行单元还可以被描述为“基于样本数据集和对应的初始缩放因子集，执行以下确定步骤：根据上述样本数据集和初始缩放因子集，生成样本缩放数据集；生成针对样本缩放数据集的神经正切核损失值和预测输出损失值；根据神经正切核损失值和预测输出损失值，生成目标损失值；响应于确定目标损失值满足收敛条件，将初始缩放因子集确定为更新后缩放因子集的单元”。
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。
本公开的一些实施例还提供一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述的任一种数据集生成方法。
以上描述仅为本公开的一些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，本公开的实施例中所涉及的发明范围，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发明构思的情况下，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的实施例中公开的(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。
Claims (12)
1.一种数据集生成方法，包括：
基于样本数据集和对应的初始缩放因子集，执行以下确定步骤：
根据所述样本数据集和初始缩放因子集，生成样本缩放数据集；
生成针对样本缩放数据集的神经正切核损失值和预测输出损失值；
根据神经正切核损失值和预测输出损失值，生成目标损失值；
响应于确定目标损失值满足收敛条件，将初始缩放因子集确定为更新后缩放因子集；
根据所述样本数据集和更新后缩放因子集，生成目标样本数据集。
2.根据权利要求1所述的方法，其中，在所述根据所述样本数据集和更新后缩放因子集，生成目标样本数据集之前，所述方法还包括：
响应于确定目标损失值不满足收敛条件，对初始缩放因子集进行更新，得到更新后缩放因子集，以及将更新后缩放因子集确定为初始缩放因子集，以再次执行所述确定步骤。
3.根据权利要求1所述的方法，其中，所述生成针对样本缩放数据集的神经正切核损失值和预测输出损失值，包括：
生成针对所述样本数据集的第一神经正切核损失值；
生成针对所述样本缩放数据集的第二神经正切核损失值；
确定所述第二神经正切核损失值和所述第一神经正切核损失值的神经正切核差值；
对初始缩放因子集进行范数处理，得到缩放数值，其中，所述初始缩放因子集是与所述样本数据集对应的缩放因子集；
根据所述神经正切核差值和所述缩放数值，生成神经正切核损失值。
4.根据权利要求3所述的方法，其中，所述生成针对样本缩放数据集的神经正切核损失值和预测输出损失值，还包括：
生成针对所述样本数据集的第一预测输出值；
生成针对所述样本缩放数据集的第二预测输出值；
确定所述第二预测输出值和所述第一预测输出值的预测差值；
根据所述预测差值，生成目标预测输出损失值；
对所述目标预测输出损失值进行等价转化处理，得到预测输出损失值。
5.根据权利要求1所述的方法，其中，所述根据神经正切核损失值和预测输出损失值，生成目标损失值，包括：
对所述神经正切核损失值和所述预测输出损失值进行加权求和处理，得到加权求和数值，作为目标损失值。
6.根据权利要求1所述的方法，其中，所述根据所述样本数据集和初始缩放因子集，生成样本缩放数据集，包括：
对所述样本数据集中的每个样本数据进行向量化处理，以生成所述样本数据对应的样本向量，得到样本向量集；
根据所述初始缩放因子集和所述样本向量集，生成样本缩放数据集。
7.根据权利要求1所述的方法，其中，所述方法还包括：
基于所述目标样本数据集，执行以下训练步骤：
将目标样本数据集输入至初始模型中，得到预测结果集；
根据预测结果集和目标样本标签集，确定误差比值，其中，所述目标样本标签集是所述目标样本数据集对应的标签集；
响应于确定误差比值小于预设误差阈值，将初始模型确定为训练完成的模型；
响应于确定误差比值大于等于预设误差阈值，确定初始模型未达到预设的优化目标，以及调整初始模型的相关参数，将调整后的初始模型作为初始模型，重新获取样本数据集作为目标样本数据集，以再次执行所述训练步骤。
8.根据权利要求1所述的方法，其中，所述根据所述样本数据集和更新后缩放因子集，生成目标样本数据集，包括：
从所述样本数据集中筛选出对应的更新后缩放因子集中大于等于预设阈值的样本数据，作为目标样本数据，得到目标样本数据集，其中，所述预设阈值是基于模型训练加速比例确定的。
9.一种数据集生成装置，包括：
执行单元，被配置成基于样本数据集和对应的初始缩放因子集，执行以下确定步骤：根据所述样本数据集和初始缩放因子集，生成样本缩放数据集；生成针对样本缩放数据集的神经正切核损失值和预测输出损失值；根据神经正切核损失值和预测输出损失值，生成目标损失值；响应于确定目标损失值满足收敛条件，将初始缩放因子集确定为更新后缩放因子集；
生成单元，被配置成根据所述样本数据集和更新后缩放因子集，生成目标样本数据集。
10.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
11.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
12.一种计算机程序产品，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1-8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310961155.0A CN117194972A (zh) | 2023-08-01 | 2023-08-01 | 数据集生成方法、装置、电子设备、介质和程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310961155.0A CN117194972A (zh) | 2023-08-01 | 2023-08-01 | 数据集生成方法、装置、电子设备、介质和程序产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117194972A true CN117194972A (zh) | 2023-12-08 |
Family
ID=88983985
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310961155.0A Pending CN117194972A (zh) | 2023-08-01 | 2023-08-01 | 数据集生成方法、装置、电子设备、介质和程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117194972A (zh) |
-
2023
- 2023-08-01 CN CN202310961155.0A patent/CN117194972A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108520220B (zh) | 模型生成方法和装置 | |
| CN108427939B (zh) | 模型生成方法和装置 | |
| CN111523640B (zh) | 神经网络模型的训练方法和装置 | |
| CN112699991A (zh) | 用于加速神经网络训练的信息处理的方法、电子设备和计算机可读介质 | |
| CN109740018B (zh) | 用于生成视频标签模型的方法和装置 | |
| CN111046027B (zh) | 时间序列数据的缺失值填充方法和装置 | |
| WO2019111118A1 (en) | Robust gradient weight compression schemes for deep learning applications | |
| CN112668588B (zh) | 车位信息生成方法、装置、设备和计算机可读介质 | |
| CN111368973B (zh) | 用于训练超网络的方法和装置 | |
| CN113765928B (zh) | 物联网入侵检测方法、设备及介质 | |
| CN113723341B (zh) | 视频的识别方法、装置、可读介质和电子设备 | |
| CN116977885A (zh) | 视频文本任务处理方法、装置、电子设备及可读存储介质 | |
| CN113255327B (zh) | 文本处理方法、装置、电子设备及计算机可读存储介质 | |
| CN111967584A (zh) | 生成对抗样本的方法、装置、电子设备及计算机存储介质 | |
| CN113610228B (zh) | 神经网络模型的构建方法及装置 | |
| CN111709784B (zh) | 用于生成用户留存时间的方法、装置、设备和介质 | |
| CN111582456B (zh) | 用于生成网络模型信息的方法、装置、设备和介质 | |
| CN111898658B (zh) | 图像分类方法、装置和电子设备 | |
| CN117194972A (zh) | 数据集生成方法、装置、电子设备、介质和程序产品 | |
| CN114639072A (zh) | 人流量信息生成方法、装置、电子设备和计算机可读介质 | |
| CN112613544A (zh) | 目标检测方法、装置、电子设备和计算机可读介质 | |
| CN117636100B (zh) | 预训练任务模型调整处理方法、装置、电子设备和介质 | |
| CN113111174A (zh) | 基于深度学习模型的群体识别方法与装置、设备及介质 | |
| CN115661238B (zh) | 可行驶区域生成方法、装置、电子设备和计算机可读介质 | |
| CN115393652B (zh) | 基于对抗网络的人工智能模型更新方法、识别方法和设备 |
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 |