多任务学习下的模型组件化优化方法

本发明涉及电力系统技术领域，尤其为多任务学习下的模型组件化优化方法，依据电力多任务学习需求和多模态数据特点，构建跨模态大模型，在该模型的核心部分是对模型网络参数进行张量分解，将其表示为多个低秩张量的组合形式，同时在该模型设置隐空间下核张量的初始结构与共享模式，然后为模型设置对应的初始参数。该多任务学习下的模型组件化优化方法，电力跨模态大模型能够有效整合电力系统生产业务中的文本、图片和视频等多模态数据，打破传统模型的数据模态壁垒，通过自注意力机制实现数据的深度关联分析，极大地提高了数据处理的速度和准确性，为电力行业的日常运营和决策制定提供及时且可靠的支持。