【技术实现步骤摘要】
模型、数据生成方法、装置、电子设备及存储介质
[0001]本公开涉及计算机
,尤其涉及深度学习和计算机视觉领域,具体涉及一种模型生成方法、数据生成方法、装置、电子设备及存储介质。
技术介绍
[0002]随着计算机技术的发展,计算机学科的分支也越来越多,人们生活的各方各面都享受到了来自计算机技术改进所带来的利益。计算机技术与其它
的交叉范围也快速扩大。
[0003]机器学习模型、深度学习模型就是计算机学科与生物学等其它学科交叉的产物,这些模型能够利用计算能力和已知数据,对未来的某些数据进行预测。在利用模型进行预测时,一般需要输入实际检测的数据,模型根据输入数据和模型参数,经过一系列计算,得到输出数据。
技术实现思路
[0004]本公开提供了一种模型生成方法、数据生成方法、装置、电子设备及存储介质。
[0005]根据本公开的一方面,提供了一种模型生成方法,包括:
[0006]获取基础模型,基础模型用于根据第一输入数据,输出第一输出数据;第一输入数据对应的数据单位为第一数据单位,第一输出数据对应的数据单位为第二数据单位;
[0007]调用N次基础模型,得到N个第一输出数据,N为不小于2的整数;
[0008]基于第一真值和N个第一输出数据,训练基础模型,得到训练后的基础模型;
[0009]基于训练后的基础模型,生成目标模型。
[0010]根据本公开的另一方面,提供了一种数据生成方法,其中,包括:
[0011]将目标输入数据输入目标模型 ...
【技术保护点】
【技术特征摘要】
1.一种模型生成方法,包括:获取基础模型,所述基础模型用于根据第一输入数据,输出第一输出数据;所述第一输入数据对应的数据单位为第一数据单位,所述第一输出数据对应的数据单位为第二数据单位;调用N次所述基础模型,得到N个第一输出数据,N为不小于2的整数;基于第一真值和所述N个第一输出数据,训练所述基础模型,得到训练后的基础模型;基于所述训练后的基础模型,生成目标模型。2.根据权利要求1所述的方法,其中,所述调用N次所述基础模型,得到N个第一输出数据,包括:利用模型调用框架调用N次基础模型,得到所述N个第一输出数据。3.根据权利要求2所述的方法,其中,基于第一真值和所述N个第一输出数据,训练所述基础模型,包括:根据所述基础模型和所述模型调用框架,生成待训练的调试模型;基于所述N个第一输出数据,获取所述待训练的调试模型的第二输出数据;根据所述第二输出数据与第一真值之间的差异,训练所述待训练的调试模型,以使得所述基础模型同时得到训练,得到所述训练后的基础模型。4.根据权利要求1
‑
3中任意一项所述的方法,其中,所述获取基础模型,包括:将所述第一输入数据,输入初始基础模型,得到所述第一输出数据;根据所述第一输出数据与第二真值之间的差异,对所述初始基础模型进行训练,得到所述基础模型。5.根据权利要求3所述的方法,其中,所述基于所述N个第一输出数据,获取所述待训练的调试模型的第二输出数据,包括:将所述N个第一输出数据累加之和,作为所述第二输出数据。6.根据权利要求3所述的方法,其中,所述基于所述N个第一输出数据,获取所述待训练的调试模型的第二输出数据,包括:计算所述N个第一输出数据累加之和;将所述N个第一输出数据累加之和与N的商,作为所述第二输出数据。7.根据权利要求1
‑
6中任意一项所述的方法,其中,所述基于训练后的基础模型,生成目标模型,包括:将所述训练后的基础模型,作为目标模型。8.根据权利要求1
‑
6中任意一项所述的方法,其中,所述基于训练后的基础模型,生成目标模型,包括:将所述训练后的基础模型进行输入数据调整训练,使输入数据调整训练后的基础模型能够根据第三输入数据输出所述第一输出数据;所述第三输入数据为用于获取第一输入数据的原始采集数据;将输入数据调整训练后的基础模型作为目标模型。9.根据权利要求1
‑
8中任意一项所述的方法,其中,N=第二数据单位/第一数据单位。10.根据权利要求1
‑
9中任意一项所述的方法,其中,在所述第一数据单位包括第一时间段、所述第二数据单位包括第二时间段、所述第一输入数据包括降水量图像、所述第一输出数据包括降水量图像的情况下,所述方法还包括:
获取所述第一时间段内的雷达回波反射率图像;根据所述雷达回波反射率图像,计算降水强度图像;根据所述降水强度图像和所述第二时间段,获取第一时间段的降水量图像,作为所述第一输入数据。11.根据权利要求10所述的方法,其中,所述获取所述第一时间段内的雷达回波反射率图像,包括:对所述第一时间段内采集的原始雷达回波反射率图像进行图像切分,得到多个子图像;将所述多个子图像按照有效数据点比例进行筛选,以得到有效子图像;将所述有效子图像作为所述第一时间段内的雷达回波反射率图像。12.根据权利要求11所述的方法,其中,所述基于所述N个第一输出数据,获取所述待训练的调试模型...
【专利技术属性】
技术研发人员:金莹,聂磊,高力浩,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。