江蘇
企查查APP顯示，近日，華為技術(shù)有限公司申請(qǐng)的"一種模型訓(xùn)練方法、數(shù)據(jù)生成方法及相關(guān)設(shè)備"專(zhuān)利公布。企查查專(zhuān)利摘要顯示，本申請(qǐng)涉及人工智能領(lǐng)域。該方法中，獲取多個(gè)第一訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的多個(gè)第一噪聲數(shù)據(jù)。第一訓(xùn)練數(shù)據(jù)帶有標(biāo)簽。第一訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的第一噪聲數(shù)據(jù)是對(duì)該第一訓(xùn)練數(shù)據(jù)進(jìn)行第一加噪次數(shù)的加噪后得到的。獲取多個(gè)第二訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的多個(gè)第二噪聲數(shù)據(jù)。第二訓(xùn)練數(shù)據(jù)不帶標(biāo)簽，且第一訓(xùn)練數(shù)據(jù)中的噪音高于第二訓(xùn)練數(shù)據(jù)中的噪音。第二訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的第二噪聲數(shù)據(jù)是對(duì)該第二訓(xùn)練數(shù)據(jù)進(jìn)行第三加噪次數(shù)的加噪后得到的。基于多個(gè)第一噪聲數(shù)據(jù)和多個(gè)第二噪聲數(shù)據(jù)對(duì)擴(kuò)散模型的第一去噪模塊進(jìn)行訓(xùn)練，得到第二去噪模塊。由于第一訓(xùn)練數(shù)據(jù)和第二訓(xùn)練數(shù)據(jù)的獲取成本低，本方案可以降低擴(kuò)散模型的訓(xùn)練數(shù)據(jù)的獲取成本。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶(hù)上傳并發(fā)布，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
