本技术涉及一种智能模型训练技术,以及相应的电子装置和数据存储解决方案。该技术包括以下步骤:将第一组训练样本数据输入至待训练的模型中,以获取模型的第一输出特征;基于第一输出特征与第一训练样本数据的标签,对模型进行优化调整。该技术旨在提升模型训练的效率和准确性,适用于多种电子设备和存储介质。
背景技术
随着人工智能技术的不断发展,越来越多的场景使用神经网络模型执行任务,如采用ResNet18网络执行图像检索(Retrieval)任务、图像聚类任务等;对于一个网络模型而言,期望他既可以执行当前任务,也可以进行迁移执行其他任务,也即,同时具备可判别性(Discriminability)和可迁移性(Transferability);但是,在模型训练过程中,模型的可判别性和可迁移性两者是无法兼容的,特别是在训练的后期,特征的可判别性会提高,但是同时,可迁移性会急剧下降。
实现思路