(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111269738.4 (22)申请日 2021.10.2 9 (71)申请人 新智我来网络科技有限公司 地址 100102 北京市朝阳区望京东路1号 (72)发明人 谢龙飞　 (74)专利代理 机构 北京嘉科知识产权代理事务 所(特殊普通 合伙) 11687 代理人 陈俊宏 (51)Int.Cl. G06N 20/00(2019.01) G06K 9/62(2022.01) (54)发明名称 深度学习模型选择方法、 装置、 计算机设备 和介质 (57)摘要 本公开实施例提供了深度学习模型选择方 法、 装置、 计算机设备和介质。 该方法包括： 基于 获取到的原始数据集， 生成至少两个互斥的子 集， 得到子集集合； 基于上述子集集合， 对至少一 个待训练深度学习模型进行训练， 得到训练后深 度学习模型集合； 基于上述训练后深度学习模型 集合中每个训练后深度学习模型的参数量集合 和评价指标集合， 从上述训练后深度学习模型集 合中选择出目标训练后深度学习模 型； 将上述目 标训练后深度学习模型确定为最优深度学习模 型。 该实施方式可以利用原始数据集对多个深度 学习模型分别进行训练， 然后确定出最优深度学 习模型， 为用户对模型的选择与应用提供了便 利。 权利要求书2页 说明书8页 附图3页 CN 113988310 A 2022.01.28 CN 113988310 A 1.一种深度学习模型选择 方法， 其特 征在于， 包括： 基于获取到的原 始数据集， 生成至少两个互斥的子集， 得到 子集集合； 基于所述子集集合， 对至少一个待训练深度学习模型进行训练， 得到训练后深度学习 模型集合； 基于所述训练后深度学习模型集合中每个训练后深度学习模型的参数量集合和评价 指标集合， 从所述训练后深度学习模型集 合中选择 出目标训练后深度学习模型； 将所述目标训练后深度学习模型确定为 最优深度学习模型。 2.根据权利要求1所述的深度 学习模型选择方法， 其特征在于， 所述基于获取到的原始 数据集， 生成至少两个互斥的子集， 得到 子集集合， 包括： 基于预设约束条件和所述原始数据集， 生成至少两个互斥的子集， 得到子集集合， 其 中， 所述预设约束条件至少包括 生成方式约束和子集中的数据数量约束。 3.根据权利要求1所述的深度学习模型选择方法， 其特征在于， 所述基于所述子集集 合， 对至少一个待训练深度学习模型进行训练， 得到训练后深度学习模型集 合， 包括： 基于所述子集 集合， 对所述至少一个待训练深度学习模型进行遍历子集的训练； 记录所述至少一个待训练深度学习模型中每个待训练深度学习模型的参数量和评价 指标； 将遍历子集的训练后的待训练深度 学习模型进行组合， 得到所述训练后深度 学习模型 集合。 4.根据权利要求3所述的深度 学习模型选择方法， 其特征在于， 所述基于所述训练后深 度学习模型集合中每个训练后 深度学习模型的参数量集合和评价指标集合， 从所述训练后 深度学习模型集 合中选择 出目标训练后深度学习模型， 包括： 基于所述训练后深度学习模型集合中每个训练后深度学习模型的参数量集合和评价 指标集合， 确定所述训练后深度学习模型集合中每个训练后深度学习模型 的评优分数， 得 到评优分数集 合； 基于所述评优分数集合， 从所述训练后深度 学习模型集合中选择评优分数最高的训练 后深度学习模型作为目标训练后深度学习模型。 5.根据权利要求4所述的深度 学习模型选择方法， 其特征在于， 所述基于所述训练后深 度学习模型集合中每个训练后 深度学习模型的参数量集合和评价指标集合， 确定所述训练 后深度学习模型集 合中每个训练后深度学习模型的评优分数， 得到 评优分数集 合， 包括： 对所述参数量集合进行求均值， 得到平均参数量用于表征模型复杂度； 对所述评价指标集 合进行求均值， 得到平均评价指标用于表征模型性能； 对所述模型性能和所述模型复杂度进行求比， 得到比值； 将所述比值确定为所述训练后深度学习模型的评优分数。 6.根据权利要求1至5中任一项所述的深度学习模型选择方法， 其特征在于， 所述方法 还包括： 将所述最优深度 学习模型传输至具有查看权限的目标设备， 以及控制所述目标设备显 示所述最优深度学习模型。 7.根据权利要求6所述的深度学习模型选择 方法， 其特 征在于， 所述方法还 包括： 接收数据处 理需求信息和待处 理能源相关数据；权　利　要　求　书 1/2 页 2 CN 113988310 A 2基于所述数据处理需求信 息， 利用所述最优深度 学习模型对所述待处理能源相关数据 进行处理； 将处理完成的能源相关数据传输 至所述目标设备。 8.一种深度学习模型选择装置， 其特 征在于， 包括： 生成单元， 被配置成基于获取到的原始数据集， 生成至少两个互斥的子集， 得到子集集 合； 训练单元， 被配置成基于所述子集集合， 对至少一个待训练深度 学习模型进行训练， 得 到训练后深度学习模型集 合； 选择单元， 被配置成基于所述训练后深度 学习模型集合中每个训练后深度学习 模型的 参数量集合和评价指标集合， 从所述训练后深度学习模型集合中选择出目标训练后 深度学 习模型； 确定单元， 被配置成将所述目标训练后深度学习模型确定为 最优深度学习模型。 9.一种计算机设备， 包括存储器、 处理器以及存储在所述存储器中并且可以在所述处 理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要 求1至7中任一项所述方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处 理器执行时实现如权利要求1至7中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 113988310 A 3