本技术属于机器学习的，具体涉及一种模型训练方法、感知预测方法、设备及存储介质。
背景技术：
1、在生活的各个方面，比如产品设计、室内装饰和艺术欣赏中，用户感知发挥着重要作用。用户感知可以包括用户的使用偏好、审美偏好等，具有主观性。
2、目前，确定用户的感知信息，通常采用主观评估或者采用问答题测试。由于感知信息较为复杂，通过主观评估或问答题测试无法确定，导致感知信息的准确性较低。
技术实现思路
1、本技术实施例涉及一种模型训练方法、感知预测方法、设备及存储介质，用以解决现有技术中感知信息的准确性较低的缺陷。
2、第一方面，本技术实施例提供一种模型训练方法，包括：
3、获取多张待选图像和初始学习模型；
4、根据所述多张待选图像，确定多个类型标签、以及每个类型标签对应的待选图像集；
5、针对任意一个类型标签，根据所述类型标签对应的待选图像集，对所述初始学习模型进行第一训练，以得到初始预测模型；
6、根据所述多个类型标签和多个待选图像集，对所述初始预测模型进行第二训练，以得到目标预测模型。
7、在一种可能的实施方式中，根据所述多个类型标签和多个待选图像集，对所述初始预测模型进行第二训练，以得到目标预测模型，包括：
8、生成第i测试图像集，所述第i测试图像集包括多张测试图像，所述测试图像是从所述多个待选图像集中确定的；
9、确定所述第i测试图像集对应的第i标签信息，所述第i标签信息包括所述多张测试图像对应的多个类型标签；
10、根据所述第i测试图像集和第i标签信息，更新所述初始预测模型的参数；
11、其中，所述i依次取1、2、3、……，直至所述初始预测模型收敛，以得到目标预测模型。
12、在一种可能的实施方式中，根据所述第i测试图像集和第i标签信息，更新所述初始预测模型的参数，包括：
13、将所述第i测试图像集输入至所述初始预测模型中，得到第i输出信息；
14、确定所述第i输出信息与所述第i标签信息之间的第i损失函数；
15、根据所述第i损失函数，更新所述初始预测模型的参数。
16、在一种可能的实施方式中，确定所述第i测试图像集对应的第i标签信息，包括：
17、确定所述第i测试图像集中多张测试图像对应的多个类型标签、以及每个类型标签对应的标签数量；
18、根据所述多个类型标签和所述标签数量，确定多个类型标签中每个类型标签的权重值；
19、根据所述多个类型标签和所述权重值，确定所述第i测试图像集对应的第i标签信息。
20、在一种可能的实施方式中，根据所述类型标签对应的待选图像集，对所述初始学习模型进行第一训练，以得到初始预测模型，包括：
21、生成训练图像集，所述训练图像集包括多张训练图像，所述训练图像是根据所述待选图像集确定的；
22、将所述训练图像集输入至所述初始学习模型中，得到输出标签；
23、根据所述输出标签和所述类型标签，确定标签损失函数；
24、根据所述标签损失函数，更新所述初始学习模型的参数，直至所述初始学习模型收敛，以得到初始预测模型。
25、在一种可能的实施方式中，根据所述多张待选图像，确定多个类型标签、以及每个类型标签对应的待选图像集，包括：
26、分别对所述多张待选图像进行图像识别，确定所述多张待选图像分别对应的至少一个类型标签；
27、根据所述至少一个类型标签和所述多张待选图像，确定多个类型标签、以及每个类型标签对应的待选图像集。
28、第二方面，本技术实施例提供一种感知预测方法，包括：
29、响应于用户对测试控件的点击操作，显示多张显示图像、以及每张显示图像对应的选择控件；
30、响应于所述用户对多个选择控件中多个第一控件的点击操作，将所述多个第一控件对应的多张显示图像确定为目标图像集；
31、将所述目标图像集输入至目标预测模型中，确定所述用户对应的感知结果；其中，所述目标预测模型是根据第一方面任一项所述的模型训练方法得到的。
32、第三方面，本技术实施例提供一种模型训练装置，包括：
33、获取模块，用于获取多张待选图像和初始学习模型；
34、确定模块，用于根据所述多张待选图像，确定多个类型标签、以及每个类型标签对应的待选图像集；
35、第一训练模块，用于针对任意一个类型标签，根据所述类型标签对应的待选图像集，对所述初始学习模型进行第一训练，以得到初始预测模型；
36、第二训练模块，用于根据所述多个类型标签和多个待选图像集，对所述初始预测模型进行第二训练，以得到目标预测模型。
37、在一种可能的实施方式中，第二训练模块具体用于：
38、生成第i测试图像集，所述第i测试图像集包括多张测试图像，所述测试图像是从所述多个待选图像集中确定的；
39、确定所述第i测试图像集对应的第i标签信息，所述第i标签信息包括所述多张测试图像对应的多个类型标签；
40、根据所述第i测试图像集和第i标签信息，更新所述初始预测模型的参数；
41、其中，所述i依次取1、2、3、……，直至所述初始预测模型收敛，以得到目标预测模型。
42、在一种可能的实施方式中，第二训练模块具体用于：
43、将所述第i测试图像集输入至所述初始预测模型中，得到第i输出信息；
44、确定所述第i输出信息与所述第i标签信息之间的第i损失函数；
45、根据所述第i损失函数，更新所述初始预测模型的参数。
46、在一种可能的实施方式中，第二训练模块具体用于：
47、确定所述第i测试图像集中多张测试图像对应的多个类型标签、以及每个类型标签对应的标签数量；
48、根据所述多个类型标签和所述标签数量，确定多个类型标签中每个类型标签的权重值；
49、根据所述多个类型标签和所述权重值，确定所述第i测试图像集对应的第i标签信息。
50、在一种可能的实施方式中，第一训练模块具体用于：
51、生成训练图像集，所述训练图像集包括多张训练图像，所述训练图像是根据所述待选图像集确定的；
52、将所述训练图像集输入至所述初始学习模型中，得到输出标签；
53、根据所述输出标签和所述类型标签，确定标签损失函数；
54、根据所述标签损失函数，更新所述初始学习模型的参数，直至所述初始学习模型收敛，以得到初始预测模型。
55、在一种可能的实施方式中，确定模块具体用于：
56、分别对所述多张待选图像进行图像识别，确定所述多张待选图像分别对应的至少一个类型标签；
57、根据所述至少一个类型标签和所述多张待选图像，确定多个类型标签、以及每个类型标签对应的待选图像集。
58、第四方面，本技术实施例提供一种感知预测装置，包括：
59、显示模块，用于响应于用户对测试控件的点击操作，显示多张显示图像、以及每张显示图像对应的选择控件；
60、确定模块，用于响应于所述用户对多个选择控件中多个第一控件的点击操作，将所述多个第一控件对应的多张显示图像确定为目标图像集；
61、预测模块，用于将所述目标图像集输入至目标预测模型中，确定所述用户对应的感知结果；其中，所述目标预测模型是第三方面任一项所述的模型训练装置得到的。
62、第五方面，本技术实施例提供一种电子设备，包括：存储器、处理器和收发器；
63、所述存储器存储计算机执行指令；
64、所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面任一项所述的模型训练方法。
65、第六方面，本技术实施例提供一种电子设备，包括：存储器、处理器和收发器；
66、所述存储器存储计算机执行指令；
67、所述处理器执行所述存储器存储的计算机执行指令，以实现如第二方面任一项所述的感知预测方法。
68、第七方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现第一方面中任一项所述的模型训练方法。
69、第八方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当所述计算机执行指令被处理器执行时用于实现第二方面中任一项所述的感知预测方法。
70、第九方面，本技术实施例提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现第一方面中任一项所述的模型训练方法。
71、第十方面，本技术实施例提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现第二方面中任一项所述的感知预测方法。
72、本技术实施例提供一种模型训练方法、感知预测方法、设备及存储介质，该方法中，通过获取多张待选图像和初始学习模型，根据多张待选图像，确定多个类型标签、以及每个类型标签对应的待选图像集，针对任意一个类型标签，根据类型标签对应的待选图像集，对初始学习模型进行第一训练，以得到初始预测模型，根据多个类型标签和多个待选图像集，对初始预测模型进行第二训练，以得到目标预测模型。这样，通过目标预测模型对用户所选择的目标图像集进行分析，可以提高感知信息的准确性。
1.一种模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据所述多个类型标签和多个待选图像集，对所述初始预测模型进行第二训练，以得到目标预测模型，包括：
3.根据权利要求2所述的方法，其特征在于，根据所述第i测试图像集和第i标签信息，更新所述初始预测模型的参数，包括：
4.根据权利要求2所述的方法，其特征在于，确定所述第i测试图像集对应的第i标签信息，包括：
5.根据权利要求1-4任一项所述的方法，其特征在于，根据所述类型标签对应的待选图像集，对所述初始学习模型进行第一训练，以得到初始预测模型，包括：
6.根据权利要求1-4任一项所述的方法，其特征在于，根据所述多张待选图像，确定多个类型标签、以及每个类型标签对应的待选图像集，包括：
7.一种感知预测方法，其特征在于，包括：
8.一种模型训练装置，其特征在于，包括：
9.一种感知预测装置，其特征在于，包括：
10.一种电子设备，包括：处理器、存储器，所述存储器中存储代码，所述处理器运行所述存储器中存储的代码，以执行如权利要求1-6中任一项或权利要求7所述的方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-6任一项或权利要求7所述的方法。
