一种用于提高深度学习模型训练效率的动态优化方法

本发明公开了一种用于提高深度学习模型训练效率的动态优化方法，涉及智能化识别技术领域。本发明的方法，结合自适应混合优化器与动态周期性学习率调整策略，优化器初期采用Adam优化器加速收敛，后期根据梯度变化切换至SGD优化器，并通过动态调整学习率实现周期性波动，确保模型平稳收敛，学习率从较大值开始，在训练过程中逐步减小，并根据误差波动动态调整波动周期，从而提升训练效率，避免过拟合，该方法适用于大规模数据集和多任务学习，有效提高模型性能，即通过动态优化方法有效提高了深度学习模型的训练效率，通过自适应混合优化器与动态学习率调整策略，能够快速收敛并灵活调整训练过程中的学习率，提升了模型的训练效果和泛化能力。