模型、数据生成方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了模型生成方法、数据生成方法、装置、电子设备及存储介质，涉及深度学习和计算机视觉领域。实现方案为：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。本公开实施例能够提高模型使用和部署的灵活性。高模型使用和部署的灵活性。高模型使用和部署的灵活性。

【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，得到目标输出数据，其中，目标模型为本公开任意一项实施例所提供的目标模型。
[0012]根据本公开的另一方面，提供了一种模型生成装置，包括：
[0013]获取模块，用于获取基础模型，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；
[0014]调试模块，用于调用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；
[0015]训练模块，用于基于第一真值和N个第一输出数据，训练基础模型，得到训练后的基础模型；
[0016]目标模型获取模块，用于基于训练后的基础模型，得到目标模型。
[0017]根据本公开的另一方面，提供了一种数据生成装置，其中，包括：
[0018]输入模块，用于将第四输入数据输入目标模型，得到目标输出数据，其中，目标模型为本公开任意一项实施例所训练得到的目标模型。
[0019]根据本公开的另一方面，提供了一种电子设备，包括：
[0020]至少一个处理器；以及
[0021]与该至少一个处理器通信连接的存储器；其中，
[0022]该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的方法。
[0023]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行本公开任一实施例中的方法。
[0024]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本公开任一实施例中的方法。
[0025]根据本公开的技术，能够将输出数据的数据单位调大或调小，进而改变模型预测精度，提高模型使用和部署的灵活性。
[0026]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
[0027]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0028]图1是根据本公开一实施例的模型生成方法示意图；
[0029]图2是根据本公开另一实施例的模型生成方法示意图；
[0030]图3是根据本公开又一实施例的模型生成方法示意图；
[0031]图4是根据本公开一实施例的数据生成方法示意图；
[0032]图5是根据本公开一示例的模型生成方法示意图；
[0033]图6是根据本公开一示例的模型训练框架示意图；
[0034]图7是根据本公开一实施例的模型生成装置示意图；
[0035]图8是根据本公开另一实施例的模型生成装置示意图；
[0036]图9是根据本公开又一实施例的模型生成装置示意图；
[0037]图10是根据本公开又一实施例的模型生成装置示意图；
[0038]图11是根据本公开又一实施例的模型生成装置示意图；
[0039]图12是根据本公开又一实施例的模型生成装置示意图；
[0040]图13是根据本公开又一实施例的模型生成装置示意图；
[0041]图14是根据本公开又一实施例的模型生成装置示意图；
[0042]图15是根据本公开又一实施例的模型生成装置示意图；
[0043]图16是根据本公开又一实施例的数据生成装置示意图；
[0044]图17是用来实现本公开实施例的模型生成方法的电子设备的框图。
具体实施方式
[0045]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
[0046]本公开实施例首先提供一种模型生成方法，如图1所示，包括：
[0047]步骤S11：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；
[0048]步骤S12：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；
[0049]步骤S13：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；
[0050]步骤S14：基于训练后的基础模型，生成目标模型。
[0051]本实施例中，基础模型可以是一种具有完整的预测功能的模型，能够根据一定的输入数据，输出相应的输出数据。预测功能可以是模型根据已知的输入数据生成输出数据，采用输出数据预测某个未知数据的功能。
[0052]基础模型可以是已经完成一定训练的模型，比如，步骤S11中所采用的基础模型，可以为使用样本数据和第一输出数据，对待训练的基础模型进行训练或优化后得到的基础模型。
[0053]第一数据单位，可以是采集步长，即可以是原始采集数据对应的采集单位，该原始采集数据用于计算第一输入数据。比如，若是按照一定时间段进行原始采集数据采集的，则第一数据单位可以是第一时间段。若是按照一定面积进行原始采集数据采集的，则第一数据单位可以是第一面积。具体例如，输入数据可以是根据10分钟内累计采集的原始数据计算本文档来自技高网...

【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：