一种模型训练方法及系统

本发明公开了一种模型训练方法及系统，所述方法包括：在模型训练过程中或训练完成后，运用剪枝算法识别并去除模型中对预测结果贡献较小的连接或神经元；同时，采用模型量化方法将模型参数从高精度表示转换为低精度表示；构建强化学习智能体，将模型训练过程中的各个决策点作为智能体的动作空间，智能体通过与训练环境的交互，学习到在不同训练状态下最优的决策序列，自动优化整个模型训练流程；本发明能够通过数据预处理与特征选择减少原始数据量，显著降低模型训练的输入规模；分布式数据集划分与缓存策略提高了数据访问速度，减少I/O开销；混合精度训练框架在不影响模型精度的情况下充分利用硬件计算能力，有效降低算力需求。