视觉问答的处理方法、装置、介质和系统

本申请提供了一种视觉问答的处理方法、装置、介质和系统。该方法通过采用神经网络模型，对第一CLIP模型的配置信息和参数进行蒸馏处理，得到蒸馏参数；采用蒸馏参数训练第二CLIP模型，得到训练后的第二CLIP模型；采用第一CLIP模型和训练后的第二CLIP模型优化神经网络模型的输出，得到最优蒸馏参数，并采用最优蒸馏参数优化训练后的第二CLIP模型，得到最优第二CLIP模型。降低了推理时的延迟，提高了视觉问答任务的处理速度，即解决了现有方案的对视觉问答任务进行处理的网络结构较为复杂，从而导致处理速度较慢的问题。