CN117372798A - 一种模型训练方法及相关装置 - Google Patents

Abstract

一种模型训练方法，应用于人工智能技术领域。在该模型训练方法中，通过对同一个模型进行不同的裁剪，得到大小不同的多个模型。在对多个模型进行训练的过程中，得到多个模型中各个模型对应的一个损失函数值，并且联合各个模型的损失函数值得到总损失函数值，最终基于总损失函数值对每个模型进行训练，从而得到特征兼容的多个模型。基于本方法中对同一模型裁剪得到不同的多个模型并且联合训练多个模型的方式，能够解决多个不同的平台上部署不同模型之间的特征兼容问题，使得多个模型所提取的特征之间能够实现两两相互检索比对。

Description

一种模型训练方法及相关装置

本申请要求于2022年6月30日提交中国专利局、申请号为202210778906.0、发明名称为“一种全网兼容的弹性特征学习和部署的方法”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种模型训练方法及相关装置。

背景技术

随着人工智能技术的快速发展，视觉搜索系统目前被广泛部署于各种平台上。视觉搜索系统通常先提取图像的特征，再基于提取的图像特征在数据库中检索最相似的图像。一个典型的视觉搜索系统通常包括部署在不同平台(例如服务器、智能手机、智能相机)上的多个模型，不同平台上的模型之间通过提取的图像特征相互交互。

在不同平台上部署模型时，由于不同的平台通常会具有不同的计算资源和存储资源限制，因此可能根据最小资源约束条件在不同的平台上统一部署相同的模型，但这样会导致部分平台上的资源浪费并限制了模型的精度上限。因而，为了更好地利用资源并获得更高的模型精度，可以根据不同平台的资源限制情况实现在不同平台上部署不同大小的模型，从而最大程度地利用各个平台的计算资源和存储资源。但是，这种模型部署方案要求不同平台上所部署的不同模型提取的特征之间能够实现相互检索比对，即保证不同模型对相似的数据所提取的特征也是相似的，且不同模型对不同数据所提取的特征也是相差较大的。一般来说，在不同模型提取的特征之间能够实现相互检索比对的情况下，通常可以称这些模型之间具有兼容性。

为了实现不同模型之间的兼容性，相关技术中提出了一种兼容学习方法。该兼容学习方法是在训练新模型时额外施加旧模型的分类器，使得新模型同时受两个分类器的优化，从而保证新模型学习到的特征也可以跟旧模型实现兼容，即新旧模型的特征之间可以实现相互检索比对。然而，现有的这种一对一的兼容学习方法只能够保证两个模型提取的特征之间的兼容，难以应用到多个不同的平台上部署不同的模型的场景下。

发明内容

本申请提供了一种模型训练方法，通过对同一个模型进行不同的裁剪，得到大小不同的多个模型，并在训练过程中采用多个模型对应的损失函数值一起对每个模型进行训练，得到特征兼容的多个模型。本方案解决了多个不同的平台上部署不同模型之间的特征兼容问题，使得多个模型所提取的特征之间能够实现两两相互检索比对。

本申请第一方面提供一种模型训练方法，应用于服务器、智能手机或个人电脑等电子设备上，以下将以服务器作为执行主体为例，对该模型训练方法进行介绍。该模型训练方法包括：首先，服务器获取多个模型，该多个模型是对同一个目标模型执行不同的裁剪得到的，且多个模型具有不同的大小。其中，服务器可以是通过对目标模型执行裁剪，得到多个模型；服务器也可以是获取其他设备对目标模型执行裁剪得到的多个模型。

然后，服务器将训练样本分别输入多个模型，得到与多个模型一一对应的多个损失函数值。其中，第一损失函数值用于指示第一模型输出的预测结果与真实值之间的差异，第一模型为多个模型中的任意一个模型，第一损失函数值为多个损失函数值中与第一模型对应的损失函数值。也就是说，服务器将训练样本输入至多个模型中的每个模型，并且得到每个模型对应的一个损失函数值。

其次，服务器基于总损失函数值分别对多个模型中的每个模型进行更新，得到训练后的多个模型，总损失函数值是基于多个损失函数值得到的。示例性地，通过对多个损失函数值进行加权求和，得到总损失函数值；然后，基于总损失函数值，通过梯度下降法分别对多个模型中的每个模型的参数进行更新。

本方案中，通过对同一个模型进行不同的裁剪，得到大小不同的多个模型。在对多个模型进行训练的过程中，得到多个模型中各个模型对应的一个损失函数值，并且联合各个模型的损失函数值得到总损失函数值，最终基于总损失函数值对每个模型进行训练，从而得到特征兼容的多个模型。基于这种对同一模型裁剪得到不同的多个模型并且联合训练多个模型的方式，本方案能够解决多个不同的平台上部署不同模型之间的特征兼容问题，使得多个模型所提取的特征之间能够实现两两相互检索比对。并且，本方案能够基于实际需要部署模型的设备数量来生成相应数量的多个模型，并不局限于只能够生成两个特征兼容的模型，从而能够满足大部分场景下的需求。

在一种可能的实现方式中，训练后的多个模型用于提取图像特征，以执行图像检索任务。

本方案中，基于对同一模型裁剪得到不同的多个模型并联合训练多个模型的方式，能够提高多个模型所提取的图像特征之间的兼容性，进而保证多个模型联合用于执行图像检索任务的精度。

在一种可能的实现方式中，训练后的多个模型用于部署于不同的设备上，且训练后的多个模型中不同模型所提取的不同的图像特征之间支持检索比对。例如，训练后的多个模型包括模型A、模型B和模型C，其中通道裁剪比例为50％的模型A部署于性能一般的智能手机上、通道裁剪比例为80％的模型B部署于性能较差的部署于摄像机上，通道裁剪比例为10％的模型C部署于性能较好的服务器上，智能手机、摄像机和服务器构成一个视觉搜索系统。

本方案中，通过基于相同的目标模型训练得到大小不同的多个模型，且多个模型所提取的图像特征能够支持检索比对，从而能够基于设备的性能在不同设备上部署不同大小且特征兼容的模型，最大程度地发挥了各个设备的性能，且能够实现设备间的联合作业。

在一种可能的实现方式中，训练后的多个模型所提取的图像特征具有相同的维度。

简单来说，在图像特征是采用特征矩阵来表示的情况下，该训练后的多个模型所提取的图像特征均是采用尺寸相同的特征矩阵(即行数和列数相同的特征矩阵)来表示。这样，在采用尺寸相同的特征矩阵来表示图像特征的情况下，训练后的多个模型之间的图像特征能够实现相互检索比对。

在一种可能的实现方式中，多个模型是对目标模型中的通道执行裁剪得到的，且多个模型中每个模型被裁剪的通道的数量不同；其中，目标模型中的通道为神经网络层中的卷积核，例如卷积层、全连接层或池化层等神经网络层中的卷积核。

本方案中，通过对目标模型中的通道执行不同比例的裁剪，能够得到多个大小不同的模型。在实际应用中，可以根据待部署模型的设备的性能，来确定对目标模型中的通道执行裁剪的比例，从而能够裁剪得到符合设备性能需求的模型。

在一种可能的实现方式中，多个模型具有不同的批量归一化参数，即多个模型均是设置独立的批量归一化参数，以保证各个模型本身提取特征的精度。

在一种可能的实现方式中，第一损失函数值与第一模型的不确定性相关。

简单来说，本方案中提出基于模型的不确定性来确定用于训练多个模型的总损失函数值。模型的不确定性越高，则该模型对应的损失函数值在参与联合计算总损失函数值过程中的比重越大，该模型对应的损失函数值同时也越大；模型的不确定性越低，则该模型对应的损失函数值在参与联合计算总损失函数值过程中的比重越小，该模型对应的损失函数值同时也越小。这样一来，通过模型的不确定性自适应调整每个模型的训练优先级，则能够实现侧重于优先训练不确定性较高的模型，即较难收敛的模型，从而使得最终多个模型能够尽可能地同时实现收敛。

在一种可能的实现方式中，第一模型的不确定性由第一模型的输出结果的置信度来描述，且第一损失函数值与第一模型的输出结果的置信度具有负相关关系。

也就是说，模型的不确定性可以采用模型的输出结果的置信度来进行表示，模型的不确定性越高，则模型的输出结果的置信度越低；模型的不确定性越低，则模型的输出结果的置信度越高。这样一来，本方案中能够通过置信度的方式有效地描述模型的不确定性，从而保证方案的可实现性。

在一种可能的实现方式中，将训练样本分别输入多个模型，得到多个损失函数值，包括：将训练样本输入第一模型，得到第一模型所提取的第一特征，第一模型为多个模型中的任意一个；将类别预测信息作为证据，确定类别预测信息对应的狄利克雷参数和狄利克雷强度，其中类别预测信息是基于第一特征得到的，狄利克雷参数和狄利克雷强度均与类别预测信息中各类别的置信度以及类别预测信息的不确定质量相关；基于狄利克雷参数和狄利克雷强度，通过交叉熵损失计算方式计算得到第一损失函数值，第一损失函数值为多个损失函数值中的一个。

本方案中，通过以上的方式来求取模型对应的损失函数值，能够自适应地根据模型的不确定性来调整损失函数值，实现梯度的幅度的调整，从而调整多个模型的训练优化方向，保证多个模型能够尽可能同时完成收敛。

在一种可能的实现方式中，总损失函数值是由多个损失函数值构成，基于总损失函数值分别对多个模型中的每个模型进行更新，包括：基于多个损失函数值确定第一模型的多个梯度，多个梯度与多个损失函数值一一对应；分别将多个梯度进行投影，得到多个投影后的梯度；聚合多个投影后的梯度，得到目标梯度；基于目标梯度对第一模型进行更新，得到训练后的第一模型。

本方案中，在基于多个损失函数值对模型进行训练的过程中，通过将多个损失函数值对应的多个梯度进行投影，消除了梯度之间的方向冲突，保证各个模型都能够根据投影后的梯度往正确的方向上进行优化，提高多个模型的训练效果，保证训练得到的多个模型的性能。

在一种可能的实现方式中，第一模型为对目标模型执行第一裁剪得到的；基于总损失函数值分别对多个模型中的每个模型进行更新，得到训练后的多个模型，包括：基于总损失函数值对目标模型进行更新，得到训练后的目标模型；对训练后的目标模型执行第一裁剪，得到训练后的第一模型。

本方案中，裁剪得到的多个模型中可能会具有部分相同的结构和参数，通过对目标模型进行更新，再对训练后的目标模型执行裁剪来得到多个训练后的模型，则能够实现更新一次参数即可得到多个更新后的训练后的模型，避免了对不同模型中相同的部分反复进行参数更新，从而提高模型的训练效率。

在一种可能的实现方式中，基于总损失函数值分别对多个模型中的每个模型进行更新，得到训练后的多个模型，包括：基于总损失函数值对目标模型进行更新，得到训练后的目标模型；基于训练后的目标模型与第一模型之间的相同结构的参数，对第一模型进行更新，得到训练后的第一模型。

本方案中，通过对目标模型进行更新，再基于训练后的目标模型与多个模型之间的相同结构，对多个模型的参数进行相应的更新，则能够实现更新一次参数即可得到多个更新后的训练后的模型，避免了对不同模型中相同的部分反复进行参数更新，从而提高模型的训练效率。

本申请第二方面提供一种模型训练装置，包括：获取模块，用于获取多个模型，多个模型是对同一个目标模型执行不同的裁剪得到的，且多个模型具有不同的大小；处理模块，用于将训练样本分别输入多个模型，得到与多个模型一一对应的多个损失函数值；其中，第一损失函数值用于指示第一模型输出的预测结果与真实值之间的差异，第一模型为多个模型中的任意一个模型，第一损失函数值为多个损失函数值中与第一模型对应的损失函数值；处理模块，还用于基于总损失函数值分别对多个模型中的每个模型进行更新，得到训练后的多个模型，总损失函数值是基于多个损失函数值得到的。

在一种可能的实现方式中，训练后的多个模型用于提取图像特征，以执行图像检索任务。

在一种可能的实现方式中，训练后的多个模型用于部署于不同的设备上，且训练后的多个模型中不同模型所提取的不同的图像特征之间支持检索比对。

在一种可能的实现方式中，训练后的多个模型所提取的图像特征具有相同的维度。

在一种可能的实现方式中，多个模型是对目标模型中的通道执行裁剪得到的，且多个模型中每个模型被裁剪的通道的数量不同；

其中，目标模型中的通道为神经网络层中的卷积核。

在一种可能的实现方式中，多个模型具有不同的批量归一化参数。

在一种可能的实现方式中，第一损失函数值与第一模型的不确定性相关。

在一种可能的实现方式中，第一模型的不确定性由第一模型的输出结果的置信度来描述，且第一损失函数值与第一模型的输出结果的置信度具有负相关关系。

在一种可能的实现方式中，总损失函数值是由多个损失函数值构成；处理模块，具体用于：基于多个损失函数值确定第一模型的多个梯度，多个梯度与多个损失函数值一一对应；分别将多个梯度进行投影，得到多个投影后的梯度；聚合多个投影后的梯度，得到目标梯度；基于目标梯度对第一模型进行更新，得到训练后的第一模型。

在一种可能的实现方式中，第一模型为对目标模型执行第一裁剪得到的；基于总损失函数值分别对多个模型中的每个模型进行更新，得到训练后的多个模型，包括：基于总损失函数值对目标模型进行更新，得到训练后的目标模型；对训练后的目标模型执行第一裁剪，得到训练后的第一模型。

在一种可能的实现方式中，基于总损失函数值分别对多个模型中的每个模型进行更新，得到训练后的多个模型，包括：基于总损失函数值对目标模型进行更新，得到训练后的目标模型；基于训练后的目标模型与第一模型之间的相同结构的参数，对第一模型进行更新，得到训练后的第一模型。

本申请第三方面提供一种电子设备，包括：处理器和存储器；该存储器用于存储计算机指令，当该处理器执行该指令时，以使该电子设备执行上述第一方面任一实现方式的方法。该电子设备可以为上述第二方面中的电子设备。

本申请第四方面提供一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当指令在电子设备上运行时，使得电子设备可以执行上述第一方面任一实现方式的方法。

本申请第五方面提供一种包含指令的计算机程序产品，当指令在电子设备上运行时，使得电子设备可以执行上述第一方面任一实现方式的方法。

本申请第六方面提供一种芯片，该芯片包括处理器和通信接口，该通信接口用于与所示芯片之外的模块通信，该处理器用于运行计算机程序或指令，使得安装该芯片的装置可以执行上述第一方面任一实现方式的方法。

本申请第七方面提供一种视觉搜索系统，包括多个电子设备，多个电子设备分别用于部署基于执行上述第一方面任一实现方式得到的训练后的多个模型中的模型。

其中，第三方面至第七方面中任一种设计方式所带来的技术效果可参见上述第一方面中不同实现方式所带来的技术效果，此处不再赘述。

附图说明

图1为本申请实施例提供的一种卷积神经网络的结构示意图；

图2为本申请实施例提供的一种应用场景的示意图；

图3为本申请实施例提供的一种模型训练方法的流程示意图；

图4为本申请实施例提供的一种梯度冲突的示意图；

图5为本申请实施例提供的一种模型的裁剪和训练示意图；

图6为本申请实施例提供的一种模型部署的示意图；

图7为本申请实施例提供的一种特征库中的特征比对的示意图；

图8为本申请实施例提供的一种模型效果的对比示意图；

图9为本申请实施例提供的一种模型训练装置的结构示意图；

图10为本申请实施例提供的执行设备的一种结构示意图；

图11为本申请实施例提供的芯片的一种结构示意图；

图12为本申请实施例提供的一种计算机可读存储介质的结构示意图。

具体实施方式

下面结合附图，对本申请的实施例进行描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。

此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。在本申请中出现的对步骤进行的命名或者编号，并不意味着必须按照命名或者编号所指示的时间/逻辑先后顺序执行方法流程中的步骤，已经命名或者编号的流程步骤可以根据要实现的技术目的变更执行次序，只要能达到相同或者相类似的技术效果即可。

为便于理解，以下将介绍本申请实施例所涉及的技术术语。

(1)图像检索

图像检索是指给定一个图像，检索得到与该图像包含相同目标或相似目标的另一个图像的过程。一般地，图像检索是通过提取图像的特征并且比对图像之间的特征的相似度来实现的。例如，给定图像1，通过提取图像1的特征得到特征1；然后，提取图像库中的各个图像的特征，并且比对特征1与图像库中各个图像的特征之间的相似度，最终确定与特征1具有最高相似度的特征所对应的图像为检索结果。

(2)特征兼容

特征兼容是指不同模型所提取的特征能够实现特征间的相似度比对，且比对结果与采用相同模型所提取的特征之间的相似度比对结果相同或近似。例如，假设模型1对图像1提取得到的特征1与模型2对图像2提取得到的特征2之间进行相似度比对，得到比对结果1；并且，模型1对图像1提取得到的特征1与模型1对图像2提取得到的特征2’之间进行相似度比对，得到比对结果2；如果，比对结果1与比对结果2相同或近似，则可以称模型1以及模型2所提取的特征能够实现特征兼容。

(3)神经网络

神经网络可以是由神经单元组成的，神经单元可以是指以输入数据x_s为输入的运算单元，该运算单元的输出可以为：

其中，s＝1、2、……n，n为大于1的自然数，W_s为x_s的权重，b为神经单元的偏置。f为神经单元的激活函数(activation functions)，用于将非线性特性引入神经网络中，来将神经单元中的输入信号转换为输出信号。该激活函数的输出信号可以作为下一层卷积层的输入，激活函数可以是sigmoid函数。

总的来说，神经网络是将多个上述单一的神经单元联结在一起形成的网络，即一个神经单元的输出可以是另一个神经单元的输入。每个神经单元的输入可以与前一层的局部接受域相连，来提取局部接受域的特征，局部接受域可以是由若干个神经单元组成的区域。

(4)卷积神经网络(Convosutionas Neuras Network，CNN)

卷积神经网络是一种带有卷积结构的神经网络。卷积神经网络包含了一个由卷积层和子采样层构成的特征抽取器。该特征抽取器可以看作是滤波器，卷积过程可以看作是使用一个可训练的滤波器与一个输入的图像或者卷积特征平面(feature map)做卷积。卷积层是指卷积神经网络中对输入信号进行卷积处理的神经元层。在卷积神经网络的卷积层中，一个神经元可以只与部分邻层神经元连接。一个卷积层中，通常包含若干个特征平面，每个特征平面可以由一些矩形排列的神经单元组成。同一特征平面的神经单元共享权重，这里共享的权重就是卷积核。共享权重可以理解为提取图像信息的方式与位置无关。这其中隐含的原理是：图像的某一部分的统计信息与其他部分是一样的。即，意味着在某一部分学习的图像信息也能用在另一部分上。所以对于图像上的所有位置，都能使用同样的学习得到的图像信息。在同一卷积层中，可以使用多个卷积核来提取不同的图像信息，一般地，卷积核数量越多，卷积操作反映的图像信息越丰富。

卷积核可以是以随机大小的矩阵的形式初始化，在卷积神经网络的训练过程中卷积核可以通过学习得到合理的权重。另外，共享权重带来的直接好处是减少卷积神经网络各层之间的连接，同时又降低了过拟合的风险。

具体的，如图1所示，卷积神经网络100可以包括输入层110，卷积层/池化层120，以及神经网络层130。其中，池化层为可选的。

其中，输入层110和卷积层/池化层120连接，卷积层/池化层120与神经网络层130连接，神经网络层130的输出可以输入至激活层(图中未示出)，激活层可以对神经网络层130的输出进行非线性化处理。

如图1所示，卷积层/池化层120可以包括如示例121-126层，在一种实现中，121层为卷积层，122层为池化层，123层为卷积层，124层为池化层，125为卷积层，126为池化层；在另一种实现方式中，121、122为卷积层，123为池化层，124、125为卷积层，126为池化层。即卷积层的输出可以作为随后的池化层的输入，也可以作为另一个卷积层的输入以继续进行卷积操作。

以卷积层121为例，卷积层121可以包括很多个卷积核，其在图像处理中的作用相当于一个从输入图像矩阵中提取特定信息的过滤器。卷积核本质上可以是一个权重矩阵，这个权重矩阵通常被预先定义，在对图像进行卷积操作的过程中，权重矩阵通常在输入图像上沿着水平方向一个像素接着一个像素(或两个像素接着两个像素)地进行处理，从而完成从图像中提取特定特征的工作。该权重矩阵的大小应该与图像的大小相关，需要注意的是，权重矩阵的纵深维度和输入图像的纵深维度是相同的，在进行卷积运算的过程中，权重矩阵会延伸到输入图像的整个深度。因此，和一个单一的权重矩阵进行卷积会产生一个单一纵深维度的卷积化输出，但是大多数情况下不使用单一权重矩阵，而是应用维度相同的多个权重矩阵。每个权重矩阵的输出被堆叠起来形成卷积图像的纵深维度。不同的权重矩阵可以用来提取图像中不同的特征，例如一个权重矩阵用来提取图像边缘信息，另一个权重矩阵用来提取图像的特定颜色，又一个权重矩阵用来对图像中不需要的噪点进行模糊化……该多个权重矩阵维度相同，经过该多个维度相同的权重矩阵提取后的特征图维度也相同，再将提取到的多个维度相同的特征图合并形成卷积运算的输出。

这些权重矩阵中的权重值在实际应用中需要经过大量的训练得到，通过训练得到的权重值形成的各个权重矩阵可以从输入图像中提取信息，从而帮助卷积神经网络100进行正确的预测。

当卷积神经网络100有多个卷积层的时候，初始的卷积层(例如121)往往提取较多的一般特征，该一般特征也可以称之为低级别的特征；随着卷积神经网络100深度的加深，越往后的卷积层(例如126)提取到的特征越来越复杂，比如高级别的语义之类的特征，语义越高的特征越适用于待解决的问题。

此外，由于常常需要减少训练参数的数量，因此卷积层之后常常需要周期性的引入池化层，即如图1中所示例的121-126各层，可以是一层卷积层后面跟一层池化层，也可以是多层卷积层后面接一层或多层池化层。

进一步地，在经过卷积层/池化层120的处理后，卷积神经网络100还不足以输出所需要的输出信息。因为如前所述，卷积层/池化层120只会提取特征，并减少输入图像带来的参数。然而为了生成最终的输出信息(所需要的类信息或别的相关信息)，卷积神经网络100需要利用神经网络层130来生成一个或者一组所需要的类的数量的输出。因此，在神经网络层130中可以包括多层隐含层(如图1所示的131、132至13n)以及输出层140，该多层隐含层中所包含的参数可以根据具体的任务类型的相关训练数据进行预先训练得到，例如该任务类型可以包括图像识别，图像分类，图像超分辨率重建等等。

可选的，神经网络层130中的多层隐含层可以为全连接层。其中，全连接层中的每一个节点都与上一层的所有节点相连，用于将前边提取到的特征综合起来。

在神经网络层130中的多层隐含层之后，也就是整个卷积神经网络100的最后层为输出层140，该输出层140具有类似分类交叉熵的损失函数，具体用于计算预测误差，一旦整个卷积神经网络100的前向传播(如图1由110至140的传播为前向传播)完成，反向传播(如图1由140至110的传播为反向传播)就会开始更新前面提到的各层的权重值以及偏差，以减少卷积神经网络100的损失及卷积神经网络100通过输出层输出的结果和理想结果之间的误差。

需要说明的是，如图1所示的卷积神经网络100仅作为一种卷积神经网络的示例，在具体的应用中，卷积神经网络还可以是以其他网络模型的形式存在，例如，在一种可能的示例中，卷积神经网络中的多个卷积层/池化层并行，且并行的多个卷积层/池化层分别将提取的特征输入给神经网络层进行处理。

(5)通道

通道一般是指每个神经网络层中的卷积核。

(6)批量归一化(Batch Normalization，BN)

批量归一化是指通过规范化与线性变换使得每一层网络的输入数据的均值与方差都在一定范围内，使得后一层网络不必不断去适应底层网络中输入的变化，从而实现了网络中层与层之间的解耦，允许每一层进行独立学习，有利于提高整个神经网络的学习速度。

(7)损失函数(Loss Function)

损失函数也称为代价函数(Cost Function)，用于度量预测值与实际值之间的差异，以作为模型性能参考。损失函数的值越小，代表模型的预测输出和期望输出(也称为实际值)之间的差值就越小，也就说明模型的性能越好。学习的过程，就是不断通过训练数据进行预测，不断调整预测输出与期望输出之间的差异，使得损失函数的值不断变小的过程。

(8)梯度(gradient)

梯度是一个向量，表示某一个函数在某一点处的方向导数沿着该方向取得最大值，即函数在该点处沿着梯度的方向变化最快，变化率最大。

(9)梯度下降法

梯度下降法是一种寻找目标函数最小化的方法。一般来说，要使用梯度下降法找到一个函数的局部最小值，必须向函数上当前点对应梯度的反方向的规定步长距离点进行迭代搜索。

通常地，梯度下降法应用于求解损失函数的最小值。基于梯度下降法的原理可知，损失函数沿梯度相反方向收敛最快，即能够最快找到极值点。当梯度向量为0时，说明损失函数到达一个极小值点，模型准确度达到一个极大值点。

目前，为了实现不同模型之间的兼容性，相关技术中提出了一种兼容学习方法。然而，现有的这种一对一的兼容学习方法只能够保证训练得到的新模型与旧模型这两个模型所提取的特征之间的兼容，无法得到多个能够实现特征兼容的模型，难以应用到多个不同的平台上部署不同的模型的场景下。

有鉴于此，本申请实施例提供一种模型训练方法，通过对同一个模型进行不同的裁剪，得到大小不同的多个模型，并在训练过程中采用多个模型对应的损失函数值一起对多个模型进行训练，得到特征兼容且大小不同的多个模型。本方案解决了多个不同的平台上部署不同模型之间的特征兼容问题，使得多个模型所提取的特征之间能够实现两两相互检索比对。

请参阅图2，图2为本申请实施例提供的一种应用场景的示意图。如图2所示，基于一个目标模型，通过执行本申请实施例提供的模型训练方法，能够得到多个大小不同的模型，即模型1、模型2、模型3…模型m等m个模型。在图2中，φ表示目标模型；φ₁表示模型1，且模型1部署于智能手机上；φ₂表示模型2，且模型2部署于摄像头上；φ₃表示模型3，且模型3部署于个人电脑上；φ_m表示模型m，且模型m部署于服务器上。也就是说，基于同一个目标模型训练得到的多个不同的模型可以分别部署于不同的平台上，以实现不同的平台协同工作。

此外，在图2中，φ_i(a)是模型i对图像a进行提取得到的特征，φ_j(p)是模型j对图像p进行提取得到的特征，并且特征φ_i(a)和特征φ_j(p)进行比对后，可以确定图像a和图像p中的目标是属于同一个类别的；φ_j(n)是模型j对图像n进行提取得到的特征，并且特征φ_i(a)和特征φ_j(n)进行比对后，可以确定图像a和图像n中的目标是属于不同类别的。

也就是说，对于部署于不同平台上的多个模型而言，任意两个模型所提取的特征能够实现两两相互检索比对，且比对结果具有较高的准确度。

具体地，本申请实施例所提供的模型训练方法可以应用于电子设备上。示例性地，用于执行模型训练方法的电子设备例如可以是服务器、智能手机、个人电脑、机器人、笔记本电脑、工业控制(industrial control)中的无线电子设备、无人驾驶(self driving)中的无线电子设备、智能电网(smart grid)中的无线电子设备、物流仓储中的无线电子设备、运输安全(transportation safety)中的无线电子设备、智慧城市(smart city)中的无线电子设备等。

并且，该电子设备通过执行模型训练方法所得到的多个模型能够分别部署于不同的设备上，从而实现多个设备之间的协同工作。该多个模型分别部署的多个设备可以为具有不同性能的设备，例如具有不同计算能力、不同存储资源或者是不同通信能力的多个设备。示例性地，该多个模型分别部署的多个设备例如为智能手机、智能手表、摄像头、个人电脑、笔记本电脑、服务器、物联网设备、工业控制(industrial control)中的无线电子设备、无人驾驶(self driving)中的无线电子设备、智能电网(smart grid)中的无线电子设备、物流仓储中的无线电子设备、运输安全(transportation safety)中的无线电子设备、智慧城市(smart city)中的无线电子设备等。

以上介绍了本申请实施例提供的模型训练方法所应用的场景和设备，以下将详细介绍本申请实施例提供的模型训练方法。

请参阅图3，图3为本申请实施例提供的一种模型训练方法的流程示意图。如图3所示，该模型训练方法包括以下的步骤301-303。

步骤301，获取多个模型，多个模型是对同一个目标模型执行不同的裁剪得到的，且多个模型具有不同的大小。

本实施例中，通过对同一个目标模型执行不同的裁剪，能够得到多个大小不同的模型，该多个大小不同的模型分别适合部署于具有不同性能的设备上。可以理解的是，由于多个模型均是对目标模型执行裁剪得到的，因此对于多个模型中的任意一个模型而言，该模型的结构和参数与目标模型中未被裁剪的部分相同。简单来说，通过对同一个目标模型中的不同部分执行裁剪，则能够得到上述的多个模型。

可选的，多个模型是对目标模型中的通道执行裁剪得到的，且多个模型中每个模型对应的通道裁剪数量不同。其中，目标模型中的通道为神经网络层中的卷积核，例如卷积层、全连接层或池化层等神经网络层中的卷积核。例如，假设基于目标模型得到的多个模型包括模型1、模型2和模型3，并且模型1、模型2和模型3是基于不同的通道裁剪比例对目标模型中的通道进行裁剪得到的。其中，模型1是对目标模型中20％的通道执行裁剪得到的，即去除目标模型20％的通道，因此模型1的大小约为目标模型的80％；模型2是对目标模型中50％的通道执行裁剪得到的，因此模型2的大小约为目标模型的50％；模型3是对目标模型中80％的通道执行裁剪得到的，因此模型3的大小约为目标模型的20％。

特别的，在一个可能的示例中，多个模型中的某一个模型也可以是通过对目标模型执行0％的通道裁剪比例所得到的，即并没有对目标模型执行实质的裁剪，因此该模型与目标模型相同。

总的来说，通过对目标模型中的通道执行不同比例的裁剪，能够得到多个大小不同的模型。在实际应用中，可以根据待部署模型的设备的性能，来确定对目标模型中的通道执行裁剪的比例，从而能够裁剪得到符合设备性能需求的模型。

需要说明的是，本实施例并不限定对目标模型中进行裁剪的通道的类型，即目标模型中被裁剪的通道可以是卷积层、全连接层或池化层等神经网络层的通道，只要通道裁剪后不影响模型所输出的特征的维度即可。

可选的，目标模型可以为图像处理模型，即用于对图像进行处理的神经网络模型，因此基于目标模型所得到的多个模型同样为图像处理模型。示例性地，基于目标模型所得到的多个模型可以为卷积神经网络，能够用于提取图像特征，以基于提取的图像特征执行图像检索任务。

可选的，对于裁剪得到的多个模型而言，在训练过程中，该多个模型具有不同的批量归一化参数(即用于执行批量归一化操作的参数)。也就是说，对于每一个独立的模型，均设置了独立的批量归一化参数，以使得模型所执行的批量归一化操作是独立的。因为对于该多个模型而言，不同的模型所提取的中间层特征往往存在分布上的差异，因此对不同的模型设置不同的批量归一化参数能够更符合每个模型的特征处理需求，进而保证每个模型的性能。

步骤302，将训练样本分别输入多个模型，得到与多个模型一一对应的多个损失函数值。

本实施例中，在得到多个模型后，可以将相同的训练样本分别输入至多个模型的各个模型中，从而得到各个模型对应的损失函数值，即得到多个损失函数值，该多个损失函数值与多个模型一一对应。其中，该多个损失函数值分别用于指示多个模型输出的预测结果与真实值之间的差异。

示例性地，在多个损失函数值中，第一损失函数值用于指示第一模型输出的预测结果与真实值之间的差异。第一模型为多个模型中的任意一个模型，第一损失函数值为多个损失函数值中与第一模型对应的损失函数值。例如，假设多个模型包括模型1、模型2和模型3，训练样本为图像，将图像分别输入至模型1、模型2和模型3，并基于模型1、模型2和模型3的输出计算得到损失函数值1、损失函数值2和损失函数值3。其中，损失函数值1是基于模型1的输出计算得到的，损失函数值2是基于模型2的输出计算得到的，损失函数值3是基于模型3的输出计算得到的。

步骤303，基于总损失函数值对多个模型中的每个模型进行更新，得到训练后的多个模型，该总损失函数值是基于多个损失函数值得到的。

在得到多个损失函数值后，可以通过联合多个损失函数值的方式来对多个模型中的每个模型进行更新，从而得到训练后的多个模型。示例性地，通过对多个损失函数值进行加权求和，得到总损失函数值；然后，基于总损失函数值，通过梯度下降法分别对多个模型中的每个模型的参数进行更新。例如，在多个损失函数值中的每个损失函数值的权重相同的情况下，对多个损失函数值进行加权求和所得到的总损失函数值则为多个损失函数值的平均值。

可以理解的是，由于多个模型中的每个模型都是基于同一个目标模型得到的，且每个模型保留了目标模型中不同部分的结构和参数。因此，在一些实施例中，通过基于多个损失函数值对目标模型进行更新后，则能够基于目标模型与多个模型中每个模型之间相同的部分来实现对多个模型的更新。

示例性地，在一种可能的实现方式中，在得到总损失函数值后，基于总损失函数值对目标模型进行更新，得到训练后的目标模型。其中，训练后的目标模型中的参数发生了更新。然后，对训练后的目标模型执行多次不同的裁剪，得到训练后的多个模型，其中，对训练后的目标模型所执行的多次裁剪与对目标模型所执行的多次裁剪相同。也就是说，先通过总损失函数值对目标模型进行一次更新后，再通过对训练后的目标模型执行多次裁剪，则能够得到多个训练后的模型。由于对训练后的目标模型所执行裁剪方式与更新前对目标模型所执行的裁剪方式相同，因此对训练后的目标模型裁剪得到的多个训练后的模型与训练前的多个模型在结构上是相同的，但参数已经发生了更新。

例如，假设多个模型包括模型1、模型2和模型3，模型1是对目标模型中20％的通道执行裁剪得到的，模型2是对目标模型中50％的通道执行裁剪得到的，模型3是对目标模型中80％的通道执行裁剪得到的；在得到多个损失函数值后，基于多个损失函数值对目标模型进行更新，得到训练后的目标模型。然后，再基于裁剪得到模型1-模型3的三种裁剪方式，对训练后的目标模型中20％的通道执行裁剪得到训练后的模型1，对训练后的目标模型中50％的通道执行裁剪得到训练后的模型2，对训练后的目标模型中80％的通道执行裁剪得到训练后的模型3。

此外，在基于多个损失函数值得到训练后的目标模型后，也可以是基于多个模型中的各个模型与训练后的目标模型之间相同的结构部分，基于训练后的目标模型中的参数对多个模型中的各个模型进行更新。

示例性地，在另一种实现方式中，首先基于总损失函数值对目标模型进行更新，得到训练后的目标模型；然后，基于训练后的目标模型与第一模型之间的相同结构的参数，对第一模型进行更新，得到训练后的第一模型。由于训练后的目标模型只是参数发生了变化，结构并没有发生变化，因此训练后的目标模型与第一模型之间会存在部分相同的结构，基于训练后的目标模型中这部分相同的结构的参数，即可对第一模型中的参数进行更新，从而得到训练后的第一模型。

例如，假设模型1是对目标模型中20％的通道执行裁剪得到的，那么模型1中的全部结构则与目标模型中80％的结构是相同的，而训练后的目标模型也仅仅是参数发生了变化，结构并没有发生变化；因此，可以基于训练后的目标模型中与模型1相同的80％的结构对应的参数，更新模型1中的参数。类似地，在模型2是对目标模型中50％的通道执行裁剪得到的情况下，可以基于训练后的目标模型中与模型2相同的50％的结构对应的参数，更新模型1中的参数。

本方案中，裁剪得到的多个模型中可能会具有部分相同的结构和参数，通过对目标模型进行更新，再对训练后的目标模型执行裁剪来得到多个训练后的模型，则能够实现更新一次参数即可得到多个训练后的模型，避免了对不同模型中相同的部分反复进行参数更新，从而提高模型的训练效率。

可以理解的是，以上介绍了基于训练样本对多个模型进行一轮迭代训练的过程，在实际应用中，可以是采用多个训练样本对多个模型进行多轮迭代训练，直至达到训练终止条件，从而得到满足训练需求的训练后的多个模型。其中，训练终止条件可以为多个损失函数值或者基于多个损失函数值得到的总损失函数值小于或等于预设阈值，训练终止条件也可以为训练迭代轮数大于或等于预设轮数，本实施例并不对训练终止条件进行限定。

可选的，本实施例中，训练后的多个模型可以用于提取图像特征，以执行图像检索任务。此外，在一些可能的实现方式中，训练后的多个模型可以用于部署于不同的设备上，且训练后的多个模型中不同模型所提取的不同图像特征之间支持检索比对。

例如，假设训练后的多个模型包括模型A、模型B和模型C，其中通道裁剪比例为50％的模型A部署于性能一般的智能手机上、通道裁剪比例为80％的模型B部署于性能较差的部署于摄像机上，通道裁剪比例为10％的模型C部署于性能较好的服务器上，智能手机、摄像机和服务器构成一个视觉搜索系统。对于智能手机上的图像A，模型A可以提取得到图像A对应的图像特征A，并且将图像特征A发送给摄像机和服务器。这样，摄像机上的模型B可以对摄像机拍摄得到的一个或多个图像进行特征提取，并且将提取得到的图像特征与图像特征A进行比对，从而确定与图像特征A最相似的图像特征B，进而确定图像特征B对应的图像B为与图像A最相似的图像。类似地，服务器上的模型C可以对服务器上所存储的一个或多个图像进行特征提取，并且将提取得到的图像特征与图像特征A进行比对，从而确定服务器中与图像特征A最相似的图像特征C，进而确定图像特征C对应的图像C为与图像A最相似的图像。最后，摄像机可以向智能手机发送检索得到的图像B，服务器则可以向智能手机发送检索得到的图像C，从而实现不同设备联合实现图像搜索。

本方案中，通过基于相同的目标模型训练得到大小不同的多个模型，且多个模型所提取的图像特征能够支持检索比对，从而能够基于设备的性能在不同设备上部署不同大小且特征兼容的模型，最大程度地发挥了各个设备的性能，且能够实现设备间的联合作业。并且，本方案能够基于实际需要部署模型的设备数量来生成相应数量的多个模型，并不局限于只能够生成两个特征兼容的模型，从而能够满足大部分场景下的需求。

可选的，为了保证训练后的多个模型所提取的图像特征之间能够实现相互检索比对，训练后的多个模型所提取的图像特征具有相同的维度。简单来说，在图像特征是采用特征矩阵来表示的情况下，该训练后的多个模型所提取的图像特征均是采用尺寸相同的特征矩阵(即行数和列数相同的特征矩阵)来表示。这样，在采用尺寸相同的特征矩阵来表示图像特征的情况下，训练后的多个模型之间的图像特征能够实现相互检索比对。

具体地，训练后的多个模型为用于提取图像特征的卷积神经网络的情况下，训练后的多个模型中通常会包括卷积层、全连接层和批量归一化层，即目标模型中同样是包括卷积层、全连接层和批量归一化层。在对目标模型进行裁剪的过程中，由于目标模型通常会包括多个卷积层以及多个全连接层，因此对于目标模型中的任意一个卷积层以及任意一个全连接层，如果该卷积层或全连接层的输出并非是直接用于提取得到目标模型所输出的图像特征，则可以对目标模型中的该卷积层或全连接层中的通道进行裁剪；如果卷积层或全连接层的输出是直接用于提取得到目标模型所输出的图像特征，那么为了保证目标模型所输出的图像特征的维度不变，则不对该卷积层或全连接层中的通道进行裁剪。

简单来说，如果对目标模型中的卷积层或全连接层中的通道裁剪后，会影响目标模型所输出的图像特征的维度，则不对该卷积层或全连接层中的通道进行裁剪。反之，如果对目标模型中的卷积层或全连接层中的通道裁剪后，并不会影响目标模型所输出的图像特征的维度，则能够对该卷积层或全连接层中的通道进行裁剪。

此外，在一些情况下，在对目标模型中的通道进行裁剪以得到多个模型时，对于会影响目标模型所输出的图像特征的维度的通道，也可以是对各个模型执行相同方式的裁剪，从而保证裁剪得到的各个模型最终所输出的图像特征的维度相同。

此外，对于目标模型中的批量归一化层，由于基于目标模型裁剪得到的多个模型均是设置独立的批量归一化参数，因此本实施例可以是不对目标模型中的批量归一化层进行裁剪。

以上介绍了基于同一个目标模型，通过执行模型训练方法，得到大小不同的训练后的多个模型的过程。为便于理解，以下将详细介绍在上述的模型训练方法中具体如何求取多个模型对应的多个损失函数值以及基于多个损失函数值对多个模型进行更新的过程。

在本实施例所提供的模型训练方法中，由于大小不同的多个模型是同时训练优化的，因此简单地基于模型的输出结果与真实值之间的差异来求取损失函数值并联合多个损失函数值，往往会导致多个模型难以同时实现收敛。具体来说，由于不同模型之间的大小相差较大，因此不同模型在训练过程中的收敛速度往往也是不同。通常地，容量较小的模型收敛速度会更快。简单地约束现有的损失函数值可能会使得容量较小的模型比容量较大的模型更快到达性能上限，因此后续继续优化容量较大的模型时，已达到性能上限的容量较小的模型会产生大数量级的梯度幅度，从而导致容量较小的模型过拟合以及其他容量较大的模型学习过程弱化。直观地说，具有低不确定性的模型往往会更容易达到性能上限，而具有高不确定性的模型则往往会更难达到性能上限。因此，通过模型的不确定性自适应调整每个模型的训练优先级，则能够实现侧重于优先训练不确定性较高的模型，即较难收敛的模型，从而使得最终多个模型能够尽可能地同时实现收敛。

基于此，本实施例中提出了基于模型的不确定性来确定用于训练多个模型的总损失函数值。模型的不确定性越高，则该模型对应的损失函数值在参与联合计算总损失函数值过程中的比重越大，该模型对应的损失函数值同时也越大；模型的不确定性越低，则该模型对应的损失函数值在参与联合计算总损失函数值过程中的比重越小，该模型对应的损失函数值同时也越小。其中，模型的不确定性可以采用模型的输出结果的置信度来进行表示，模型的不确定性越高，则模型的输出结果的置信度越低；模型的不确定性越低，则模型的输出结果的置信度越高。

在一种可能的实现方式中，通过将训练样本输入至多个模型中所得到的多个损失函数值是基于多个模型的输出结果的置信度确定的，且多个损失函数值与多个模型的输出结果的置信度具有负相关关系。也就是说，对于多个模型中的任意一个模型，该模型的输出结果的置信度越高，则该模型对应的损失函数值则越小；该模型的输出结果的置信度越低，则该模型对应的损失函数值则越大。这样一来，模型的输出结果的置信度越低，模型的不确定性越高，模型对应的损失函数值对总损失函数值的影响程度越高，因此基于总损失函数值对多个模型进行训练时则能够更偏向于在优化高不确定性的模型的方向上来对多个模型进行训练；

本方案中，通过模型的输出结果的置信度来确定各个模型对应的损失函数值，则能够实现侧重于优先训练置信度较低的模型，即较难收敛的模型，从而使得最终多个模型能够尽可能地同时实现收敛。

具体地，以下将以多个模型中所包括的第一模型为例，介绍如何计算得到第一模型对应的损失函数值的过程。

首先，将训练样本输入第一模型，得到第一模型所提取的第一特征，该第一模型为多个模型中的任意一个。

然后，将基于第一特征得到的类别预测信息作为证据，确定类别预测信息对应的狄利克雷参数和狄利克雷强度。其中，狄利克雷参数和狄利克雷强度均与类别预测信息中各类别的置信度以及类别预测信息的不确定质量相关。

其次，基于狄利克雷参数和狄利克雷强度，通过交叉熵损失计算方式计算得到第一损失函数值，第一损失函数值为多个损失函数值中的一个。

具体来说，基于置信理论，本实施例中通过信念来衡量模型的输出结果的置信度。其中，信念可以是通过输出结果中各个类别的信念质量和一个整体的不确定质量来表示。并且，各个类别的信念质量和不确定质量都是与狄利克雷分布关联。因此，通过将第一模型所提取得到的第一特征作为主观证据，并将第一特征与狄利克雷分布的参数进行关联，能够得到类别预测信息对应的狄利克雷参数和狄利克雷强度，该狄利克雷参数和狄利克雷强度能够指示模型的输出结果的置信度。

示例性地，信念由质量集合B＝{b₁，b₂，...b_c}和一个整体的不确定质量u来表示，其中b_c代表了类别c的信念质量，即类别c的置信度。B和u都是与狄利克雷分布关联，并且满足以下的公式。

信念可以通过从模型中提取出来的特征进行衡量。在给定训练样本i时，从第j个模型中提取出来的特征(例如上述的第一特征)可以表示为通过对特征/>执行线性变换以及激活函数处理，则能够获得类别预测信息/>其中，/>表示特征/>对应的类别预测信息，/>表示第c个类别的预测概率，线性变换的参数和完整参数量的分类器头可以是共享参数的。基于类别预测信息/>得到的狄利克雷参数、狄利克雷强度如以下的公式所表示。

其中，为狄利克雷参数；/>为狄利克雷强度，其数值为狄利克雷参数的和；/>为类别c的信念质量；/>为不确定质量。

基于狄利克雷参数能够获得狄利克雷函数/>其中p_i是一个单纯形上的类分配类别概率。基于交叉熵损失计算方式，可以将在/>上的类别概率p_i表示为：

其中，表示在狄利克雷函数/>上的类别概率；/>为独热向量，且该向量中仅有对应于目标类别的元素为1，其余元素为0；ψ为伽玛函数的倒数，即digmma函数。

由于上式可能会收敛到一个简单的情形D(p_i|1)，因此在优化过程中，可以针对D(p_i|1)和施加额外的距离惩罚。因此，模型对应的损失函数值的形式可以通过以下的公式来表示。

其中，为模型对应的损失函数值；Γ为伽玛函数；Π为求乘积；λ为可调整系数；/>为正则化项。

通过以上的方式来求取模型对应的损失函数值，能够自适应地根据模型的不确定性来调整损失函数值，实现梯度的幅度的调整，从而调整多个模型的训练优化方向，保证多个模型能够尽可能同时完成收敛。

在本实施例所提供的模型训练方法，大小不同的多个模型在训练过程中可能会有不同的优化方向。因此，如果简单地将各个模型对应的损失函数值进行相加得到总损失函数值，那么基于总损失函数值来采用梯度下降法对模型进行更新时，相当于将各个模型对应的梯度进行相加来实现对模型的更新。这样，在不同模型的优化方向不一样的情况下，不同模型所对应的梯度也是不同方向的，因此将梯度简单地进行相加来优化模型会导致模型之间产生互相干扰，影响多个模型的整体优化效果。

基于此，本实施例中通过梯度投影的方式来解决不同模型对应的梯度之间的方向冲突问题。

示例性地，以基于多个损失函数值对多个模型中的第一模型进行更新为例，在得到多个模型对应的多个损失函数值之后，先基于多个损失函数值确定第一模型对应的多个梯度。其中，多个损失函数值与多个梯度一一对应，第一模型为多个模型中的任意一个模型。即，基于多个损失函数值中的每个损失函数值来计算第一模型对应的各个梯度。然后，将第一模型对应的多个梯度进行投影，得到多个投影后的梯度。其中，多个投影后的梯度相互正交，即多个投影后的梯度的方向不再冲突。最后，聚合多个投影后的梯度，得到目标梯度，并基于目标梯度对第一模型进行更新，得到训练后的第一模型。

具体来说，假设基于模型φ_i的损失函数值计算得到的梯度为g_i，基于模型φ_j的损失函数值计算得到的梯度为g_j，如果梯度g_i和梯度g_j的余弦方向cos(g_i，g_j)小于0，则代表这两个梯度方向是冲突的。通过将这两个方向冲突的梯度投影至相互正交的平面上，得到两个投影后的梯度，该两个投影后的梯度的方向不再冲突。具体地，将梯度g_i和梯度为g_j投影至相互正交的平面上所得到的两个投影后的梯度具体如以下的公式所示。

其中，g′_j为梯度g_j对应的投影后的梯度；g′_i为梯度g_i对应的投影后的梯度。

请参阅图4，图4为本申请实施例提供的一种梯度冲突的示意图。如图4所示，对于方向冲突的梯度g_i和梯度g_j，将梯度g_i和梯度g_j进行相加，得到梯度g_ij。由图4可以看出，模型i和模型j采用相加后的梯度g_ij进行优化时，由于梯度g_ij与梯度g_i的方向相差较大，因此模型i的优化效果较差。然而，将梯度g_i和梯度g_j投影至相互正交的平面，得到投影后的梯度g′_i和g′_j之后，再将投影后的梯度g′_i和g′_j相加，得到梯度g_ij′。由于梯度g_ij′与梯度g_i和梯度g_j的方向相差均不大，因此模型i和模型j采用梯度g_ij′进行优化时，模型i和模型j都能够得到较好的优化效果。

因此，对于给定的多个方向冲突的梯度，通过将这些梯度投影到相互正交的平面上，能够得到投影后的梯度。这样，在基于投影后的梯度进行优化时，能够保证各个模型均能够朝着正确的方向上优化，保证模型的训练优化效果。

本方案中，在基于多个损失函数值对模型进行训练的过程中，通过将多个损失函数值对应的多个梯度进行投影，消除了梯度之间的方向冲突，保证各个模型都能够根据投影后的梯度往正确的方向上进行优化，提高多个模型的训练效果，保证训练得到的多个模型的性能。

为了便于理解，以下将结合具体例子详细介绍本申请实施例提供的模型训练方法。

请参阅图5，图5为本申请实施例提供的一种模型的裁剪和训练示意图。如图5所示，通过基于不同的通道裁剪比例对目标模型中的通道进行裁剪，得到模型1、模型2…模型m这m个模型。其中，模型1对应的通道裁剪比例为3/4，即对目标模型中3/4的通道执行裁剪；模型2对应的通道裁剪比例为1/2，即对目标模型中1/2的通道执行裁剪；模型m对应的通道裁剪比例为1/4，即对目标模型中1/4的通道执行裁剪。并且，对于模型1、模型2以及模型m来说，这几个模型中用于输出特征的最后一层神经网络层的输出通道并没有裁剪，从而保证每个模型所输出的特征的维度相同。

在训练过程中，将训练样本分别输入至目标模型、模型1-模型m中，并基于上述实施例所述的模型训练方法，计算得到各个模型对应的损失函数值。具体地，目标模型对应的损失函数值为L_ori，模型1对应的损失函数值为目标模型2对应的损失函数值为/>目标模型m对应的损失函数值为/>通过聚合多个损失函数值/>得到总损失函数值。基于总损失函数值计算目标模型中参数的梯度，并基于梯度下降法来更新目标模型中的参数，实现目标模型的更新。最后，根据目标模型与模型1-模型m之间的裁剪关系，基于目标模型中的参数对模型1-模型m中的参数进行更新，得到训练后的模型1-模型m。

其中，聚合多个损失函数值可以是指将多个损失函数值相加，或者是对多个损失函数值进行加权求和，本实施例并不限定聚合多个损失函数值的具体方式。

请参阅图6，图6为本申请实施例提供的一种模型部署的示意图。如图6所示，基于本申请实施例提供的模型训练方法对模型1-模型m进行训练完毕后，由于模型1的裁剪比例较高，因此模型1的容量较小，可以将模型1部署于性能较差的物联网设备中，例如摄像头。此外，模型2的裁剪比例低于模型1的裁剪比例，因此模型2的容量大于模型1的容量，可以将模型2部署于性能一般的个人电脑中。由于模型m的裁剪比例最低，即模型m的容量最高，因此将模型m部署于性能最高的服务器中。

在完成模型1、模型2和模型m的部署后，基于摄像机、个人电脑和服务器可以构成一个视觉搜索系统。在该视觉搜索系统中，各个设备针对图像所提取的特征之间能够实现检索和比对，且保持较高的准确率。如图6所示，模型1所提取的特征1能够与模型2所提取的特征2以及服务器所提取的特征m进行比对，模型2所提取的特征2同样也能够与服务器所提取的特征m进行比对。

这样一来，通过将特征兼容的多个模型分别部署于摄像机、个人电脑和服务器中，能够在不同的设备上实现相互间的图像检索。例如，摄像机在获取到图像1后，通过模型1提取图像1的特征1，并将特征1发送给个人电脑和服务器。个人电脑通过模型2提取其所存储的各个图像的特征，并得到与特征1最接近的特征2，该特征2为个人电脑中的图像2对应的特征。因此，个人电脑向摄像机发送图像2，以向摄像机返回与个人电脑中与图像1最接近的图像。类似地，服务器通过模型m提取其所存储的各个图像的特征，并得到与特征1最接近的特征m，该特征m为服务器中的图像m对应的特征。同样地，服务器向摄像机发送图像m，以向摄像机返回与服务器中与图像1最接近的图像。

请参阅图7，图7为本申请实施例提供的一种特征库中的特征比对的示意图。如图7所示，基于目标模型，通过本申请实施例提供的模型训练方法，训练得到模型1-模型4。其中，模型1-模型4分别部署于不同的设备上，且不同的设备上存储有不同的数据源。不同的设备基于所部署的模型对设备上的数据源进行特征提取，得到每个设备上的特征库。例如，设备1基于模型1对数据源1中的图像数据进行特征提取，得到特征库1，该特征库1中包括数据源1中的各个图像数据对应的特征。又例如，设备2基于模型2对数据源2中的图像数据进行特征提取，得到特征库2，该特征库2中包括数据源2中的各个图像数据对应的特征。

因此，基于部署于不同设备上的模型1-模型4，能够得到分别与数据源1-数据源4一一对应的特征库1-特征库4，并且特征库1-特征库4中的特征能够构成混合特征库。具体地，对于特征库1-特征库4以及混合特征库而言，任意两个特征库之间的特征均能够实现相互检索比对。

为了便于理解本申请实施例提供的模型训练方法所训练得到的多个模型的特征比对效果，本实施例针对相关技术以及本申请实施例提供的模型训练方法在相同的数据集上进行了实验对比。

具体请参阅图8，如图8所示，采用四个不同容量的模型(φ)作为旧模型，通过采用相关技术中一对一的兼容学习方法训练得到与该四个旧模型一一对应的四个新模型。其中，具有对应关系的旧模型与新模型之间能够实现特征兼容，即相关技术中能够实现四对模型之间的特征兼容。并且，这四对模型之间的特征比对的准确率依次为55.25％、67.48％、71.25％、80.91％。

此外，在图8中，采用本申请实施例提供的模型训练方法(即本方案)对同一个目标模型进行训练得到四个不同容量的模型，并且这四个不同容量的模型中的任意两个模型之间均能够实现特征兼容。并且相比对相关技术中所得到的模型，本方案中所得到的模型之间的特征比对的准确率要更高。

以上详细介绍了本申请实施例提供的模型训练方法，接下来将介绍本申请实施例提供的用于执行上述方法的设备。

请参阅图9，图9为本申请实施例提供的一种模型训练装置的结构示意图。如图9所示，本申请实施例提供的一种模型训练装置900，包括：获取模块901，用于获取多个模型，多个模型是对同一个目标模型执行不同的裁剪得到的，且多个模型具有不同的大小；处理模块902，用于将训练样本分别输入多个模型，得到与多个模型一一对应的多个损失函数值；其中，第一损失函数值用于指示第一模型输出的预测结果与真实值之间的差异，第一模型为多个模型中的任意一个模型，第一损失函数值为多个损失函数值中与第一模型对应的损失函数值；处理模块902，还用于基于总损失函数值分别对多个模型中的每个模型进行更新，得到训练后的多个模型，总损失函数值是基于多个损失函数值得到的。

在一种可能的实现方式中，训练后的多个模型用于提取图像特征，以执行图像检索任务。

在一种可能的实现方式中，训练后的多个模型用于部署于不同的设备上，且训练后的多个模型中不同模型所提取的不同的图像特征之间支持检索比对。

在一种可能的实现方式中，训练后的多个模型所提取的图像特征具有相同的维度。

在一种可能的实现方式中，多个模型是对目标模型中的通道执行裁剪得到的，且多个模型中每个模型被裁剪的通道的数量不同；

其中，目标模型中的通道为神经网络层中的卷积核。

在一种可能的实现方式中，多个模型具有不同的批量归一化参数。

在一种可能的实现方式中，第一损失函数值与第一模型的不确定性相关。

在一种可能的实现方式中，第一模型的不确定性由第一模型的输出结果的置信度来描述，且第一损失函数值与第一模型的输出结果的置信度具有负相关关系。

在一种可能的实现方式中，总损失函数值是由多个损失函数值构成；处理模块902，具体用于：基于多个损失函数值确定第一模型的多个梯度，多个梯度与多个损失函数值一一对应；分别将多个梯度进行投影，得到多个投影后的梯度；聚合多个投影后的梯度，得到目标梯度；基于目标梯度对第一模型进行更新，得到训练后的第一模型。

在一种可能的实现方式中，第一模型为对目标模型执行第一裁剪得到的；基于总损失函数值分别对多个模型中的每个模型进行更新，得到训练后的多个模型，包括：基于总损失函数值对目标模型进行更新，得到训练后的目标模型；对训练后的目标模型执行第一裁剪，得到训练后的第一模型。

在一种可能的实现方式中，基于总损失函数值分别对多个模型中的每个模型进行更新，得到训练后的多个模型，包括：基于总损失函数值对目标模型进行更新，得到训练后的目标模型；基于训练后的目标模型与第一模型之间的相同结构的参数，对第一模型进行更新，得到训练后的第一模型。

请参阅图10，图10为本申请实施例提供的执行设备的一种结构示意图，执行设备1000具体可以表现为手机、平板、笔记本电脑、智能穿戴设备、服务器等，此处不做限定。具体的，执行设备1000包括：接收器1001、发射器1002、处理器1003和存储器1004(其中执行设备1000中的处理器1003的数量可以一个或多个，图10中以一个处理器为例)，其中，处理器1003可以包括应用处理器10031和通信处理器10032。在本申请的一些实施例中，接收器1001、发射器1002、处理器1003和存储器1004可通过总线或其它方式连接。

存储器1004可以包括只读存储器和随机存取存储器，并向处理器1003提供指令和数据。存储器1004的一部分还可以包括非易失性随机存取存储器(non-volatile randomaccess memory，NVRAM)。存储器1004存储有处理器和操作指令、可执行模块或者数据结构，或者它们的子集，或者它们的扩展集，其中，操作指令可包括各种操作指令，用于实现各种操作。

处理器1003控制执行设备的操作。具体的应用中，执行设备的各个组件通过总线系统耦合在一起，其中总线系统除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见，在图中将各种总线都称为总线系统。

上述本申请实施例揭示的方法可以应用于处理器1003中，或者由处理器1003实现。处理器1003可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器1003中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1003可以是通用处理器、数字信号处理器(digital signal processing，DSP)、微处理器或微控制器，还可进一步包括专用集成电路(application specific integratedcircuit，ASIC)、现场可编程门阵列(field-programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。该处理器1003可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1004，处理器1003读取存储器1004中的信息，结合其硬件完成上述方法的步骤。

接收器1001可用于接收输入的数字或字符信息，以及产生与执行设备的相关设置以及功能控制有关的信号输入。发射器1002可用于通过第一接口输出数字或字符信息；发射器1002还可用于通过第一接口向磁盘组发送指令，以修改磁盘组中的数据；发射器1002还可以包括显示屏等显示设备。

本申请实施例提供的电子设备具体可以为芯片，芯片包括：处理单元和通信单元，所述处理单元例如可以是处理器，所述通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令，以使执行设备内的芯片执行上述实施例描述的模型超参数的选择方法，或者，以使训练设备内的芯片执行上述实施例描述的模型超参数的选择方法。可选地，所述存储单元为所述芯片内的存储单元，如寄存器、缓存等，所述存储单元还可以是所述无线接入设备端内的位于所述芯片外部的存储单元，如只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)等。

具体的，请参阅图11，图11为本申请实施例提供的芯片的一种结构示意图，所述芯片可以表现为神经网络处理器NPU 1100，NPU 1100作为协处理器挂载到主CPU(Host CPU)上，由Host CPU分配任务。NPU的核心部分为运算电路1103，通过控制器1104控制运算电路1103提取存储器中的矩阵数据并进行乘法运算。

在一些实现中，运算电路1103内部包括多个处理单元(Process Engine,PE)。在一些实现中，运算电路1103是二维脉动阵列。运算电路1103还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中，运算电路1103是通用的矩阵处理器。

举例来说，假设有输入矩阵A，权重矩阵B，输出矩阵C。运算电路从权重存储器1102中取矩阵B相应的数据，并缓存在运算电路中每一个PE上。运算电路从输入存储器1101中取矩阵A数据与矩阵B进行矩阵运算，得到的矩阵的部分结果或最终结果，保存在累加器(accumulator)1108中。

统一存储器1106用于存放输入数据以及输出数据。权重数据直接通过存储单元访问控制器(Direct Memory Access Controller，DMAC)1105，DMAC被搬运到权重存储器1102中。输入数据也通过DMAC被搬运到统一存储器1106中。

BIU为Bus Interface Unit即，总线接口单元1111，用于AXI总线与DMAC和取指存储器(Instruction Fetch Buffer，IFB)1109的交互。

总线接口单元1111(Bus Interface Unit，简称BIU)，用于取指存储器1109从外部存储器获取指令，还用于存储单元访问控制器1105从外部存储器获取输入矩阵A或者权重矩阵B的原数据。

DMAC主要用于将外部存储器DDR中的输入数据搬运到统一存储器1106或将权重数据搬运到权重存储器1102中或将输入数据数据搬运到输入存储器1101中。

向量计算单元1107包括多个运算处理单元，在需要的情况下，对运算电路1103的输出做进一步处理，如向量乘，向量加，指数运算，对数运算，大小比较等等。主要用于神经网络中非卷积/全连接层网络计算，如批量归一化，像素级求和，对特征平面进行上采样等。

在一些实现中，向量计算单元1107能将经处理的输出的向量存储到统一存储器1106。例如，向量计算单元1107可以将线性函数；或，非线性函数应用到运算电路1103的输出，例如对卷积层提取的特征平面进行线性插值，再例如累加值的向量，用以生成激活值。在一些实现中，向量计算单元1107生成归一化的值、像素级求和的值，或二者均有。在一些实现中，处理过的输出的向量能够用作到运算电路1103的激活输入，例如用于在神经网络中的后续层中的使用。

控制器1104连接的取指存储器(instruction fetch buffer)1109，用于存储控制器1104使用的指令；

统一存储器1106，输入存储器1101，权重存储器1102以及取指存储器1109均为On-Chip存储器。外部存储器私有于该NPU硬件架构。

其中，上述任一处提到的处理器，可以是一个通用中央处理器，微处理器，ASIC，或一个或多个用于控制上述程序执行的集成电路。

可以参阅图12，图12为本申请实施例提供的一种计算机可读存储介质的结构示意图。本申请还提供了一种计算机可读存储介质，在一些实施例中，上述图3所公开的方法可以实施为以机器可读格式被编码在计算机可读存储介质上或者被编码在其它非瞬时性介质或者制品上的计算机程序指令。

图12示意性地示出根据这里展示的至少一些实施例而布置的示例计算机可读存储介质的概念性局部视图，示例计算机可读存储介质包括用于在计算设备上执行计算机进程的计算机程序。

在一个实施例中，计算机可读存储介质1200是使用信号承载介质1201来提供的。信号承载介质1201可以包括一个或多个程序指令1202，其当被一个或多个处理器运行时可以提供以上针对图3描述的功能或者部分功能。

在一些示例中，信号承载介质1201可以包含计算机可读介质1203,诸如但不限于，硬盘驱动器、紧密盘(CD)、数字视频光盘(DVD)、数字磁带、存储器、ROM或RAM等等。

在一些实施方式中，信号承载介质1201可以包含计算机可记录介质1204，诸如但不限于，存储器、读/写(R/W)CD、R/W DVD、等等。在一些实施方式中，信号承载介质1201可以包含通信介质1205,诸如但不限于，数字和/或模拟通信介质(例如，光纤电缆、波导、有线通信链路、无线通信链路、等等)。因此，例如，信号承载介质1201可以由无线形式的通信介质1205(例如，遵守IEEE 802.11标准或者其它传输协议的无线通信介质)来传达。

一个或多个程序指令1202可以是，例如，计算机可执行指令或者逻辑实施指令。在一些示例中，计算设备的计算设备可以被配置为，响应于通过计算机可读介质1203、计算机可记录介质1204、和/或通信介质1205中的一个或多个传达到计算设备的程序指令1202，提供各种操作、功能、或者动作。

另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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模块来实现本实施例方案的目的。另外，本申请提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本申请而言更多情况下软件程序实现是更佳的实施方式。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可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等，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，训练设备，或者网络设备等)执行本申请各个实施例所述的方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。

所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、训练设备或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、训练设备或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的训练设备、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。

Claims (26)

1.一种模型训练方法，其特征在于，包括：

获取多个模型，所述多个模型是对同一个目标模型执行不同的裁剪得到的，且所述多个模型具有不同的大小；

将训练样本分别输入所述多个模型，得到与所述多个模型一一对应的多个损失函数值；其中，第一损失函数值用于指示第一模型输出的预测结果与真实值之间的差异，所述第一模型为所述多个模型中的任意一个模型，所述第一损失函数值为所述多个损失函数值中与所述第一模型对应的损失函数值；

基于总损失函数值分别对所述多个模型中的每个模型进行更新，得到训练后的多个模型，所述总损失函数值是基于所述多个损失函数值得到的。

2.根据权利要求1所述的方法，其特征在于，所述训练后的多个模型用于提取图像特征，以执行图像检索任务。

3.根据权利要求2所述的方法，其特征在于，所述训练后的多个模型用于部署于不同的设备上，且所述训练后的多个模型中不同模型所提取的不同的图像特征之间支持检索比对。

4.根据权利要求2或3所述的方法，其特征在于，所述训练后的多个模型所提取的图像特征具有相同的维度。

5.根据权利要求1-4任意一项所述的方法，其特征在于，所述多个模型是对所述目标模型中的通道执行裁剪得到的，且所述多个模型中每个模型被裁剪的通道的数量不同；

其中，所述目标模型中的通道为神经网络层中的卷积核。

6.根据权利要求1-5任意一项所述的方法，其特征在于，所述多个模型具有不同的批量归一化参数。

7.根据权利要求1-6任意一项所述的方法，其特征在于，所述第一损失函数值与所述第一模型的不确定性相关。

8.根据权利要求7所述的方法，其特征在于，所述第一模型的不确定性由所述第一模型的输出结果的置信度来描述，且所述第一损失函数值与所述第一模型的输出结果的置信度具有负相关关系。

9.根据权利要求1-8任意一项所述的方法，其特征在于，所述总损失函数值是由所述多个损失函数值构成，所述基于所述总损失函数值分别对所述多个模型中的每个模型进行更新，包括：

基于所述多个损失函数值确定所述第一模型的多个梯度，所述多个梯度与所述多个损失函数值一一对应；分别将所述多个梯度进行投影，得到多个投影后的梯度；聚合多个投影后的梯度，得到目标梯度；

基于所述目标梯度对所述第一模型进行更新，得到训练后的所述第一模型。

10.根据权利要求1-9任意一项所述的方法，其特征在于，所述第一模型为对所述目标模型执行第一裁剪得到的；

所述基于总损失函数值分别对所述多个模型中的每个模型进行更新，得到训练后的多个模型，包括：

基于所述总损失函数值对所述目标模型进行更新，得到训练后的目标模型；

对所述训练后的目标模型执行所述第一裁剪，得到训练后的所述第一模型。

11.根据权利要求1-9任意一项所述的方法，其特征在于，所述基于总损失函数值分别对所述多个模型中的每个模型进行更新，得到训练后的多个模型，包括：

基于所述总损失函数值对所述目标模型进行更新，得到训练后的所述目标模型；

基于训练后的所述目标模型与所述第一模型之间的相同结构的参数，对所述第一模型进行更新，得到训练后的所述第一模型。

12.一种模型训练装置，其特征在于，包括：

获取模块，用于获取多个模型，所述多个模型是对同一个目标模型执行不同的裁剪得到的，且所述多个模型具有不同的大小；

处理模块，用于将训练样本分别输入所述多个模型，得到与所述多个模型一一对应的多个损失函数值；其中，第一损失函数值用于指示第一模型输出的预测结果与真实值之间的差异，所述第一模型为所述多个模型中的任意一个模型，所述第一损失函数值为所述多个损失函数值中与所述第一模型对应的损失函数值；

所述处理模块，还用于基于总损失函数值分别对所述多个模型中的每个模型进行更新，得到训练后的多个模型，所述总损失函数值是基于所述多个损失函数值得到的。

13.根据权利要求12所述的装置，其特征在于，所述训练后的多个模型用于提取图像特征，以执行图像检索任务。

14.根据权利要求13所述的装置，其特征在于，所述训练后的多个模型用于部署于不同的设备上，且所述训练后的多个模型中不同模型所提取的不同的图像特征之间支持检索比对。

15.根据权利要求13或14所述的装置，其特征在于，所述训练后的多个模型所提取的图像特征具有相同的维度。

16.根据权利要求12-15任意一项所述的装置，其特征在于，所述多个模型是对所述目标模型中的通道执行裁剪得到的，且所述多个模型中每个模型被裁剪的通道的数量不同；

其中，所述目标模型中的通道为神经网络层中的卷积核。

17.根据权利要求12-16任意一项所述的装置，其特征在于，所述多个模型具有不同的批量归一化参数。

18.根据权利要求12-17任意一项所述的装置，其特征在于，所述第一损失函数值与所述第一模型的不确定性相关。

19.根据权利要求18所述的装置，其特征在于，所述第一模型的不确定性由所述第一模型的输出结果的置信度来描述，且所述第一损失函数值与所述第一模型的输出结果的置信度具有负相关关系。

20.根据权利要求12-19任意一项所述的装置，其特征在于，所述总损失函数值是由所述多个损失函数值构成；所述处理模块，具体用于：

基于所述多个损失函数值确定所述第一模型的多个梯度，所述多个梯度与所述多个损失函数值一一对应；

分别将所述多个梯度进行投影，得到多个投影后的梯度；

聚合多个投影后的梯度，得到目标梯度；

基于所述目标梯度对所述第一模型进行更新，得到训练后的所述第一模型。

21.根据权利要求12-20任意一项所述的装置，其特征在于，所述第一模型为对所述目标模型执行第一裁剪得到的；

所述基于总损失函数值分别对所述多个模型中的每个模型进行更新，得到训练后的多个模型，包括：

基于所述总损失函数值对所述目标模型进行更新，得到训练后的所述目标模型；

对训练后的所述目标模型执行所述第一裁剪，得到训练后的所述第一模型。

22.根据权利要求12-20任意一项所述的装置，其特征在于，所述基于总损失函数值分别对所述多个模型中的每个模型进行更新，得到训练后的多个模型，包括：

基于所述总损失函数值对所述目标模型进行更新，得到训练后的所述目标模型；

基于训练后的所述目标模型与所述第一模型之间的相同结构的参数，对所述第一模型进行更新，得到训练后的所述第一模型。

23.一种电子设备，其特征在于，包括存储器和处理器；所述存储器存储有代码，所述处理器被配置为执行所述代码，当所述代码被执行时，所述电子设备执行如权利要求1至11任意一项所述的方法。

24.一种视觉搜索系统，其特征在于，包括多个电子设备，所述多个电子设备分别用于部署基于权利要求1至11任意一项所述的方法得到的训练后的多个模型中的模型。

25.一种计算机存储介质，其特征在于，所述计算机存储介质存储有指令，所述指令在由计算机执行时使得所述计算机实施权利要求1至11任意一项所述的方法。

26.一种计算机程序产品，其特征在于，所述计算机程序产品存储有指令，所述指令在由计算机执行时使得所述计算机实施权利要求1至11任意一项所述的方法。