【技术实现步骤摘要】
本申请涉及机器学习，具体而言，涉及一种模型生成方法、模型生成装置、计算机可读存储介质及电子设备。
技术介绍
1、自动化机器学习(automated machine learning，auto-ml)是指，将机器学习中的数据预处理、特征选择、算法选择等步骤以及深度学习中的神经网络架构设计、超参优化和神经网络模型训练等步骤进行自动化，无需人工干预即可得到期望的结果。
2、神经体系结构搜索(nas)算法可以用于为特定的任务自动发现理想的ml模型。一般来说，利用神经体系结构搜索(nas)算法结合数据集、模型任务，可以自动化生成合适的ml模型。但是，这种生成方式存在个性化程度较低的问题。
3、需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的相关技术的信息。
技术实现思路
1、本申请的目的在于提供一种模型生成方法、模型生成装置、计算机可读存储介质及电子设备，可以考虑到设备之间存在的硬件差异，提供自定义功能，对于用户来说，可以通过自定义操作选择终端设备型号、模型任务、模型约束条件，本申请可以针对终端设备型号、模型任务、模型约束条件生成个性化的目标模型，该目标模型与终端设备的适配性更高，更容易实现对于终端设备资源的合理利用。
2、本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
3、根据本申请的一方面，提供一种模型生成方法，该方法包括：
<...【技术保护点】
1.一种模型生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据所述终端设备型号、所述模型任务、所述模型约束条件，生成用于部署于终端设备的目标模型，包括：
3.根据权利要求1所述的方法，其特征在于，根据所述终端设备型号、所述模型任务、所述模型约束条件，生成用于部署于终端设备的目标模型，包括：
4.根据权利要求3所述的方法，其特征在于，获取样本数据集，包括：
5.根据权利要求3所述的方法，其特征在于，还包括：
6.根据权利要求5所述的方法，其特征在于，通过所述模型训练平台对所述样本数据集进行统计分析，得到统计分析结果，包括：
7.根据权利要求5所述的方法，其特征在于，执行数据增强操作以平衡所述样本数据集中各标签对应的数据量，包括：
8.根据权利要求3所述的方法，其特征在于，根据所述样本数据集、所述模型任务、所述模型约束条件，生成第一模型，包括：
9.根据权利要求3所述的方法，其特征在于，将所述第一模型保存为用于部署于终端设备的目标模型，包括：
10.根
11.根据权利要求9所述的方法，其特征在于，对所述第一模型进行网络压缩，得到第二模型，包括：
12.一种模型生成装置，其特征在于，包括：
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-11任一项所述的方法。
14.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种模型生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据所述终端设备型号、所述模型任务、所述模型约束条件，生成用于部署于终端设备的目标模型，包括：
3.根据权利要求1所述的方法，其特征在于，根据所述终端设备型号、所述模型任务、所述模型约束条件，生成用于部署于终端设备的目标模型，包括：
4.根据权利要求3所述的方法，其特征在于，获取样本数据集，包括：
5.根据权利要求3所述的方法，其特征在于，还包括：
6.根据权利要求5所述的方法，其特征在于，通过所述模型训练平台对所述样本数据集进行统计分析，得到统计分析结果，包括：
7.根据权利要求5所述的方法，其特征在于，执行数据增强操作以平衡所述样本数据集中各标签对应的数据...
【专利技术属性】
技术研发人员：文为，
申请(专利权)人：深圳市欢太科技有限公司，
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。