(19)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 202211147886.3 (22)申请日 2022.09.19 (71)申请人 OPPO广东移动通信有限公司 地址 523860 广东省东莞 市长安镇乌沙海 滨路18号 (72)发明人 崔现军　王锐　韩贞阳　李成林　 任艳　 (74)专利代理 机构 深圳市联鼎知识产权代理有 限公司 4 4232 专利代理师 刘抗美 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 模型训练方法、 装置、 产品、 计算机可读存储 介质及设备 (57)摘要 本申请提供一种模型训练方法、 装置、 计算 机可读存储介质及电子设备， 涉及计算机技术领 域， 该方法包括： 可 以通过配置信息自动化地生 成超参数搜索空间， 基于超参数搜索空间可以自 动化的生 成超参数值， 无需用户手动设置或者引 入额外的组件和配置进行设置， 进而， 可 以基于 自动生成的超参数值启动模型训练任务， 可以实 现模型自动化训练， 以得到最优的超参数和模 型， 可以提升模型训练效率， 降低人工成本 。 权利要求书3页 说明书16页 附图6页 CN 115423032 A 2022.12.02 CN 115423032 A 1.一种模型训练方法， 其特 征在于， 包括： 根据配置信息生成超参数搜索空间； 基于所述超参数搜索空间生成超参数值； 基于所述超参数值启动模型训练任务。 2.根据权利要求1所述的方法， 其特征在于， 所述配置信息包括算法配置信息， 根据配 置信息生成超参数搜索空间， 包括： 基于所述算法配置信息中的可调设置项、 各超参数的取值范围、 各超参数的数据类型 生成超参数搜索空间。 3.根据权利要求1所述的方法， 其特征在于， 基于所述超参数搜索空间生成超参数值， 包括： 基于所述超参数搜索空间和超参数调优镜像 配置生成超参数值。 4.根据权利要求3所述的方法， 其特征在于， 所述配置信息包括实验配置信息， 所述方 法还包括： 基于实验配置信息生成超参数调优镜像 配置； 其中， 所述超参数调优镜像配置包括： 用于执行任务的处理器数量、 任务并行数量、 最 大运行时间、 最大运行任务数量、 调参 算法类型、 调参 算法参数、 中止器 类型、 中止器参数。 5.根据权利要求1所述的方法， 其特征在于， 基于所述超参数值启动模型训练任务， 包 括： 通过任务创建接口将所述超参数值发送至任务管理模块， 以使得所述任务管理模块基 于所述超参数值、 非可调超参数、 所述配置信息调用机器学习平台的任务启动指令以启动 模型训练任务。 6.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 轮询指标采集接口， 以获取指标 数据； 根据所述指标数据以及实验中处于最终态的任务的历史指标数据， 从所述超参数搜索 空间中确定新超参数值； 其中， 所述实验中包括所述模型训练任务； 基于所述 新超参数值在所述实验中启动新模型训练任务。 7.根据权利要求6所述的方法， 其特征在于， 轮询指标采集接口， 以获取指标数据， 包 括： 确定指标采集接口 的连接状态； 若处于所述连接状态， 则对所述模型训练任务的存在性进行验证； 若存在所述模型训练任务， 则对与 所述模型训练任务对应的指标数据的存在性进行验 证； 若存在所述指标 数据， 则获取 所述指标 数据。 8.根据权利要求7 所述的方法， 其特 征在于， 获取 所述指标 数据， 包括： 若所述模型训练任务对应于等待状态， 则继续执行轮询操作， 直到获取到所述指标数 据； 若所述模型训练任务对应于运行状态， 则在预设时长内轮询所述指标采集接口， 直到 获取到所述指标 数据； 若所述模型训练任务对应于成功状态， 则继续执行轮询操作， 直到获取到更新后的指权　利　要　求　书 1/3 页 2 CN 115423032 A 2标数据。 9.根据权利要求6所述的方法， 其特 征在于， 所述方法还 包括： 根据各历史指标 数据对所述模型训练任务进行终止条件判定； 若所述模型训练任务满足终止条件， 则通过任务终止接口向任务管理模块发送终止指 令， 以使得 所述任务管理模块调用机器学习平台的任务终止指令终止所述模型训练任务。 10.根据权利要求9所述的方法， 其特 征在于， 所述方法还 包括： 将所述模型训练任务标记为可视化的早停状态。 11.根据权利要求9所述的方法， 其特征在于， 根据各历史指标数据对所述模型训练任 务进行终止条件判定， 包括： 若任务迭代次数 大于预设次数， 确定各历史指标 数据的指标中值； 若所述指标 数据小于所述指标中值， 则判定所述模型训练任务满足 终止条件。 12.根据权利要求9所述的方法， 其特征在于， 根据各历史指标数据对所述模型训练任 务进行终止条件判定， 包括： 若任务迭代次数大于预设次数， 根据预设先验函数拟合各历史指标数据， 得到拟合指 标； 从所述各历史指标 数据中确定最大历史指标 数据； 若所述拟合指标小于或等于所述最大历史指标数据， 则判定所述模型训练任务满足终 止条件。 13.根据权利要求12所述的方法， 其特 征在于， 所述方法还 包括： 若所述拟合指标大于所述目标历史指标数据， 则判定所述模型训练任务不满足终止条 件； 或者， 若拟合过程未收敛， 则判定所述模型训练任务 不满足终止条件。 14.根据权利要求12所述的方法， 其特征在于， 根据预设先验函数拟合各历史指标数 据， 得到拟合指标， 包括： 根据多个预设先验函数分别拟合各历史指标数据， 得到各预设先验函数对应的参考指 标； 将所述各 预设先验函数对应的参 考指标融合 为拟合指标。 15.根据权利要求14所述的方法， 其特征在于， 将所述各预设先验函数对应的参考指标 融合为拟合指标， 包括： 对所述各 预设先验函数对应的参 考指标进行异常值过 滤， 得到待融合指标； 将所述待融合指标融合 为拟合指标。 16.根据权利要求15所述的方法， 其特征在于， 将所述待融合指标融合为拟合指标， 包 括： 获取所述各预设先验函数对应的权 重值； 根据所述待融合指标和所述各 预设先验函数对应的权 重值生成拟合指标。 17.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 对包括所述模型训练任务的实验中各任务对应的指标 数据进行 可视化展示。 18.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括：权　利　要　求　书 2/3 页 3 CN 115423032 A 3