买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州字节方舟科技有限公司申请的专利基于深度学习的超参数优化方法、系统、设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120012881B 。

龙图腾网通过国家知识产权局官网在2025-07-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510480166.6，技术领域涉及：G06N3/0985；该发明授权基于深度学习的超参数优化方法、系统、设备及存储介质是由李毅;卓凌云;叶一中;吴剑秋;张迪;潘露彬;黄涛;杜娅男;柳斌;陈良煜;陈菊林;胡焕发;卢俊;姬一鸣设计研发完成，并于2025-04-17向国家知识产权局提交的专利申请。

本基于深度学习的超参数优化方法、系统、设备及存储介质在说明书摘要公布了：本申请涉及一种基于深度学习的超参数优化方法、系统、设备及存储介质，其方法包括以下步骤：重复依据更新后的超参数值集合获取初始参数值，并获取训练结果，并依据训练结果获取对应的训练曲线；每获取一个训练结果，并判断训练曲线是否与预设收敛曲线相似，若训练曲线与预设收敛曲线相似，则将初始参数值作为待训练模型数据对应的优化参数；若训练曲线与预设收敛曲线不相似，则重复依据初始参数值以及第一预设数值获取调整数值，并依据调整数值更新初始参数值，以及根据更新后的初始参数值更新训练结果；直到初始参数值不属于超参数值集合。本申请使得模型训练时间和资源成本均有下降，有效促进了深度学习应用的高效开发和快速迭代。

本发明授权基于深度学习的超参数优化方法、系统、设备及存储介质在权利要求书中公布了：1.一种基于深度学习的超参数优化方法，其特征在于，通过处理器进行处理从而获取超参数，包括以下步骤： 基于待训练模型数据生成超参数值集合，并重复依据更新后的所述超参数值集合获取初始参数值； 基于预设训练模型以及更新后的所述初始参数值进行训练，以获取训练结果，并依据所述训练结果获取对应的训练曲线； 每获取一个训练结果，并判断所述训练曲线是否与预设收敛曲线相似，若所述训练曲线与预设收敛曲线相似，则将所述初始参数值作为所述待训练模型数据对应的优化参数； 若所述训练曲线与预设收敛曲线不相似，则重复依据所述初始参数值以及第一预设数值获取调整数值，并依据所述调整数值更新所述初始参数值，以及根据更新后的初始参数值更新所述训练结果； 直到所述初始参数值不属于所述超参数值集合，更新所述超参数值集合，并重复依据更新后的所述超参数值集合更新所述训练结果； 其中，所述更新所述超参数值集合，包括以下步骤： 获取所述超参数值集合的首位数值以及末尾数值，并判断所述首位数值对应的训练结果是否收敛； 若所述首位数值对应的训练结果收敛，则判断所述末尾数值对应的训练结果是否收敛； 若所述末尾数值对应的训练结果收敛，则依据所述末尾数值以及所述首位数值生成新的超参数值集合； 若所述末尾数值对应的训练结果不收敛，则依据所述首位数值生成新的超参数值集合； 若所述首位数值对应的训练结果不收敛，则判断所述末尾数值对应的训练结果是否收敛； 若所述末尾数值对应的训练结果收敛，则依据所述末尾数值生成新的超参数值集合； 若所述末尾数值对应的训练结果不收敛，则依据所述待训练模型数据获取数据类型，并依据所述数据类型在历史数据库中筛选到对应的对照数据； 将所述对照数据对应的超参数集合作为更新后的所述超参数值集合； 在将所述对照数据对应的超参数集合作为更新后的所述超参数值集合之后，还包括以下步骤： 将所述对照数据对应的超参数集合按照预设区间进行分割，以获取不同大小区间的所述超参数值集合，其中，进行环境搭建，搭建多节点计算集群，配置并行计算框架，依据预设区间将超参数值集合进行分割，从而分割为大小不同区间的超参数集合，采用并行计算框架，依据多线程或是多节点并行评估每个不同大小区间的超参数值集合。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州字节方舟科技有限公司，其通讯地址为：311100 浙江省杭州市余杭区仓前街道鼎创财富中心2幢12层1215；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。