技术特征：
1.一种检测性能拐点参数的方法，包括：获取目标任务的参数的若干个采样值，以及所述若干个采样值各自对应的性能评估值；对所述若干个采样值以及对应的性能评估值进行分段线性拟合，得到多个分段；根据所述多个分段的端点，确定所述目标任务的性能拐点的参数值。2.根据权利要求1所述的方法，所述对所述若干个采样值以及对应的性能评估值进行分段线性拟合，得到多个分段，包括：将所述若干个采样值作为待确定函数的输入，对应的性能评估值作为所述待确定函数的输出，计算所述参数在所述待确定函数的每个采样值处的导数近似值；将所述导数近似值以及预设段数输入基于机器学习的分类模型进行分段线性拟合，得到多个分段，其中，一个分段对应一个类别，所述类别的数量为所述预设段数。3.根据权利要求2所述的方法，所述计算所述参数在所述待确定函数的每个采样值处的导数近似值，包括：利用求导函数通过数值方法计算所述参数在所述待确定函数的每个采样值处的导数近似值。4.根据权利要求2所述的方法，所述基于机器学习的分类模型为基于决策树的回归模型。5.根据权利要求1所述的方法，所述根据所述多个分段的端点，确定所述目标任务的性能拐点的参数值，包括：获取每个分段对应的预测导数值；在所述性能评估值越大性能越优的情况下，在预测导数值为正的分段中选取预测导数值绝对值最大的分段；根据选取的分段的截止点确定所述目标任务的性能拐点的参数值。6.根据权利要求1所述的方法，所述根据所述多个分段的端点，确定所述目标任务的性能拐点的参数值，包括：获取每个分段对应的预测导数值；在所述性能评估值越小性能越优的情况下，在预测导数值为负的分段中选取预测导数值绝对值最大的分段；根据选取的分段的截止点确定所述目标任务的性能拐点的参数值。7.根据权利要求1所述的方法，所述获取目标任务的参数的若干个采样值，以及所述若干个采样值各自对应的性能评估值，包括：获取目标任务的参数的若干个初始采样值以及所述初始采样值对应的性能评估值；对所述若干个初始采样值以及所述初始采样值对应的性能评估值进行分段线性拟合，得到多个初始分段；从所述多个初始分段中选取需要细粒度分析的分段；在选取的分段中，增加采样值以及对应的性能评估值；相应地，所述对所述若干个采样值以及对应的性能评估值进行分段线性拟合，得到多个分段，包括：对选取的分段的初始采样值和增加采样值以及对应的性能评估值，进行分段线性拟
合，得到选取的分段的多个细化分段；根据所述多个细化分段的端点，确定所述目标任务的性能拐点的参数值。8.一种检测性能拐点参数的装置，包括：获取模块，被配置为获取目标任务的参数的若干个采样值，以及所述若干个采样值各自对应的性能评估值；分段拟合模块，被配置为对所述若干个采样值以及对应的性能评估值进行分段线性拟合，得到多个分段；拐点确定模块，被配置为根据所述多个分段的端点，确定所述目标任务的性能拐点的参数值。9.一种计算设备，包括：存储器和处理器；所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述检测性能拐点参数的方法的步骤。10.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述检测性能拐点参数的方法的步骤。
技术总结
本说明书实施例提供检测性能拐点参数的方法以及装置，其中所述检测性能拐点参数的方法包括：获取目标任务的参数的若干个采样值，以及所述若干个采样值各自对应的性能评估值；对所述若干个采样值以及对应的性能评估值进行分段线性拟合，得到多个分段；根据所述多个分段的端点，确定所述目标任务的性能拐点的参数值。数值。数值。
技术研发人员：王庆龙 王润哲 胡玉溪
受保护的技术使用者：阿里巴巴集团控股有限公司
技术研发日：2022.03.09
技术公布日：2022/6/4