【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种模式确定模型的训练方法、装置、电子设备及存储介质。
技术介绍
1、当用户使用诸如笔记本电脑等电子设备时，面对不同的任务需求，所需的计算能力和电池续航也不同。且用户的实际使用场景复杂多变，并不总是倾向于单一的性能或节能需求。因此，电子设备的运行模式调整，对于提升用户整体体验至关重要。相关技术中，通常通过人工使用快捷键调整电子设备运行模式，以适应不同场景下的使用需求。但是可能会出现人工误操作、响应时间太长、预设模式太局限等问题，从而导致电子设备的模式调整效率低下。
技术实现思路
1、本申请提供了一种模式确定模型的训练方法、装置、电子设备及存储介质，以至少解决现有技术中存在的以上技术问题。
2、根据本申请的第一方面，提供了一种模式确定模型的训练方法，所述方法包括：
3、获取电子设备的样本硬件数据及其对应的模式标签；
4、对所述样本硬件数据进行预处理，得到目标样本数据；
5、对所述目标样本数据进行特征提取，得到特征样本数据；
6、将所述特征样本数据及其对应的模式标签输入至待训练模型进行训练，得到模式确定模型；其中，所述模式确定模型由特征样本数据的细节特征数据和整体特征数据对待训练模型进行训练得到，所述模式确定模型用于针对电子设备的待测硬件数据进行模式确定。
7、在一可实施方式中，所述对所述目标样本数据进行特征提取，得到特征样本数据，包括：
8、采用预设的时间滑动窗口，对目标样本
9、对所述目标样本数据的各局部特征进行拼接处理，得到特征样本数据。
10、在一可实施方式中，所述待训练模型包括第一处理模型以及第二处理模型；所述将所述特征样本数据及其对应的模式标签输入至待训练模型进行训练，得到模式确定模型，包括：
11、将所述特征样本数据及其对应的模式标签输入第一处理模型，得到特征样本数据的细节特征数据；以及，
12、将所述特征样本数据及其对应的模式标签输入第二处理模型，得到特征样本数据的整体特征数据；
13、基于所述细节特征数据以及整体特征数据，对待训练模型进行训练，得到模式确定模型。
14、在一可实施方式中，所述基于所述细节特征数据以及整体特征数据，对待训练模型进行训练，得到模式确定模型，包括：
15、将所述细节特征数据和整体特征数据进行特征融合，得到融合特征数据；
16、基于所述融合特征数据，对待训练模型进行训练，当所述待训练模型的损失函数最小时，将所述损失函数最小时的待训练模型作为模式确定模型。
17、在一可实施方式中，所述对所述样本硬件数据进行预处理，得到目标样本数据，包括：
18、对所述样本硬件数据进行归一化处理，得到目标样本数据。
19、在一可实施方式中，在所述得到模式确定模型之后，所述方法还包括：
20、获取电子设备的验证硬件数据及其对应的模式标签；
21、对所述验证硬件数据进行预处理，得到目标验证数据；
22、对所述目标验证数据进行特征提取，得到特征验证数据；
23、将所述特征验证数据输入至模式确定模型，得到针对模式确定模型的性能评估指标。
24、在一可实施方式中，还包括：
25、当模式确定模型的所述性能评估指标满足预设条件时，
26、获取电子设备的待测硬件数据；
27、对所述待测硬件数据进行预处理，得到目标待测数据；
28、对所述目标待测数据进行特征提取，得到特征待测数据；
29、将所述特征待测数据输入至模式确定模型，得到针对电子设备的模式确定结果；所述模式确定结果用于供电子设备进行运行。
30、根据本申请的第二方面，提供了一种模式确定模型的训练装置，所述装置包括：
31、第一获取单元，用于获取电子设备的样本硬件数据及其对应的模式标签；
32、第二获取单元，用于对所述样本硬件数据进行预处理，得到目标样本数据；
33、第三获取单元，用于对所述目标样本数据进行特征提取，得到特征样本数据；
34、第四获取单元，用于将所述特征样本数据及其对应的模式标签输入至待训练模型进行训练，得到模式确定模型；其中，所述模式确定模型由特征样本数据的细节特征数据和整体特征数据对待训练模型进行训练得到，所述模式确定模型用于针对电子设备的待测硬件数据进行模式确定。
35、根据本申请的第三方面，提供了一种电子设备，包括：
36、至少一个处理器；以及
37、与所述至少一个处理器通信连接的存储器；其中，
38、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请所述的方法。
39、根据本申请的第四方面，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，所述计算机指令用于使计算机执行本申请所述的方法。
40、本申请中，获取电子设备的样本硬件数据及其对应的模式标签；对所述样本硬件数据进行预处理，得到目标样本数据；对所述目标样本数据进行特征提取，得到特征样本数据；将所述特征样本数据及其对应的模式标签输入至待训练模型进行训练，得到模式确定模型；其中，所述模式确定模型由特征样本数据的细节特征数据和整体特征数据对待训练模型进行训练得到，所述模式确定模型用于针对电子设备的待测硬件数据进行模式确定。为实现电子设备模式的高效调整提供了技术支持。
41、应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种模式确定模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述目标样本数据进行特征提取，得到特征样本数据，包括：
3.根据权利要求1或2所述的方法，其特征在于，所述待训练模型包括第一处理模型以及第二处理模型；所述将所述特征样本数据及其对应的模式标签输入至待训练模型进行训练，得到模式确定模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述细节特征数据以及整体特征数据，对待训练模型进行训练，得到模式确定模型，包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述样本硬件数据进行预处理，得到目标样本数据，包括：
6.根据权利要求1所述的方法，其特征在于，在所述得到模式确定模型之后，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，还包括：
8.一种模式确定模型的训练装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括：
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于
...【技术特征摘要】
1.一种模式确定模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述目标样本数据进行特征提取，得到特征样本数据，包括：
3.根据权利要求1或2所述的方法，其特征在于，所述待训练模型包括第一处理模型以及第二处理模型；所述将所述特征样本数据及其对应的模式标签输入至待训练模型进行训练，得到模式确定模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述细节特征数据以及整体特征数据，对待训练模型进行训练，得到模式确定模型，包括：
5...
【专利技术属性】
技术研发人员：袁振华，应健，任天祥，刘浩，姜婷婷，徐文晶，肖冰冰，余昊燃，王德才，
申请(专利权)人：合肥联宝信息技术有限公司，
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。