基于漂移分级与定位的深度学习模型差异化更新方法

本发明公开了基于漂移分级与定位的深度学习模型差异化更新方法，涉及人工智能、深度学习模型运维与数据漂移检测技术领域，该基于漂移分级与定位的深度学习模型差异化更新方法，包括以下步骤：S1、建立五级基准状态：获取目标深度学习模型的训练数据、验证数据与历史稳定运行数据，建立原始数据基准状态、模型中间层特征基准状态、模型输出基准状态、模型性能基准状态、业务效果基准状态，并将五级基准状态与模型版本、数据版本。该基于漂移分级与定位的深度学习模型差异化更新方法，提升漂移发现的及时性，通过标准化消除量纲差异，基于可靠度动态调整权重，适配标签延迟、数据源异常等真实业务场景，避免固定权重带来的判定偏差。