摘要
本发明提供一种基于元微调对抗训练的鲁棒深度学习模型的训练方法及相关设备。该方法包括:构建L∞对抗训练分支和组合对抗训练分支;构建L∞范数对抗样本和组合攻击对抗样本;使用L∞范数对抗样本对L∞对抗训练分支的模型参数进行梯度更新;使用组合攻击对抗样本对组合对抗训练分支的模型参数进行梯度更新;动态更新两个对抗训练分支的模型参数权重,并根据更新后的模型参数权重对L∞对抗训练分支和组合对抗训练分支的模型参数进行融合;采用融合后的模型参数对混合模型参数进行更新;当满足分支更新条件时,采用更新后的混合模型参数对L∞对抗训练分支和组合对抗训练分支的模型参数进行更新,并进行下一次迭代;当满足迭代停止条件时,则结束训练。
技术关键词
深度学习模型
分支
混合图像数据
生成图像数据
原始图像数据
样本
数据分布
参数更新模块
动态更新
非暂态计算机可读存储介质
预训练模型
处理器
指数
训练装置
采样模块
图像处理
存储器
标签
系统为您推荐了相关专利信息
图像分类方法
深度学习模型
注意力
模块
图像分类装置
气泡检测方法
深度相机
超参数
深度图
相机参数标定方法
显存优化技术
对象
芯片
深度学习模型
分布式训练
语音欺骗检测
深度卷积神经网络
分类器
短时傅里叶变换
激励残差网络
电力辅助服务
价值评估方法
电力发电系统
储能
可再生能源