本技术涉及一种模型资源优化技术,包括方法、装置、计算机系统及存储解决方案。该技术通过获取模型的初始版本和多个目标版本数据集,利用这些数据集对初始版本模型进行迭代优化,以实现性能提升。
背景技术
随着实际业务的拓展,需要不断更新训练数据集并重新训练人工智能模型,以提升模型性能或使模型适配新场景。但随着数据集和模型的不断更新,数据量增大会导致数据集与模型容易混淆,所以需要对数据集与模型进行管理。
目前,常见的数据集与模型管理方法主要是建立当前版本的数据集与模型之间的强关联,从而避免当前版本的数据集与模型之间的关系混淆。但是,对于模型训练效果不佳而需要进行版本回溯的情况,现有方法难以快速回溯到正确版本的模型,依旧存在数据集和模型容易混淆的问题,从而对模型优化效率造成不利影响。
实现思路