基于域增量学习的模型调优方法、装置、设备及存储介质

    公开(公告)号:CN116128073A

    公开(公告)日:2023-05-16

    申请号:CN202310158117.1

    申请日:2023-02-23

    IPC分类号: G06N20/00

    摘要: 本发明涉及一种机器学习技术领域,是一种基于域增量学习的模型调优方法、装置、设备及存储介质,包括:响应于获取新数据,调用原有模型对其进行识别,并判断是否出现识别错误;响应于出现识别错误,抽取识别错误的数据建立新增数据集;利用新增数据集对原有模型进行域增量学习,构建新模型。本发明的模型任务固定,不需要增加识别类别,利用模型对新数据进行识别,在出现存在识别错误时,建立新增数据集,利用新增数据集对原有模型进行域增量学习,实现在应用中需要不断调优模型,故而在保证原有识别效果的基础上又能适应新数据、修正原有模型,不会耗费大量的计算资源和时间,效率高,并且域增量学习的应用能有效增强模型的抗遗忘能力。