模型迁移方法、装置、通信设备及可读存储介质制造方法及图纸

本申请公开了一种模型迁移方法、装置、通信设备及可读存储介质，属于通信技术领域。具体实现方案包括：源基站获取其已训练好的第一模型的模型配置参数，将该模型配置参数发送至目标基站，由目标基站构建与第一模型相应的第二模型。由此，可以基于迁移学习，使得目标基站获知源基站在模型训练时得到的知识，从而在其训练模型时加快模型的收敛速度，减少计算算力，在数据较少时也能较快的训练出较好的模型。型。型。

【技术实现步骤摘要】
模型迁移方法、装置、通信设备及可读存储介质


[0001]本申请属于通信
，具体涉及一种模型迁移方法、装置、通信设备及可读存储介质。

技术介绍

[0002]随着通信技术的发展，人工智能(Artificial Intelligence，AI)模型逐渐成为网络架构不可缺少的一部分。AI模型的训练通常是孤立的，直接基于特定任务以及样本数据集训练得到。这种情况下，由于网络架构限制等原因，现有无线网络中的有些基站可能会不具有丰富的模型训练样本数据，从而造成无法训练得到较好的模型。

技术实现思路

[0003]本申请实施例的目的是提供一种模型迁移方法、装置、通信设备及可读存储介质，以解决目前基站因不具有丰富的样本数据，造成的无法训练得到较好的模型的问题。
[0004]为了解决上述技术问题，本申请是这样实现的：
[0005]第一方面，提供了一种模型迁移方法，应用于源基站，包括：
[0006]获取第一模型的模型配置参数；其中，所述第一模型为所述源基站中已训练好的模型；
[0007]将所述模型配置参数发送至目标基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型迁移方法，应用于源基站，其特征在于，包括：获取第一模型的模型配置参数；其中，所述第一模型为所述源基站中已训练好的模型；将所述模型配置参数发送至目标基站，由所述目标基站根据所述模型配置参数构建与所述第一模型相应的第二模型。2.根据权利要求1所述的方法，其特征在于，所述将所述模型配置参数发送至目标基站，包括：通过配置更新消息，将所述模型配置参数发送至所述目标基站。3.根据权利要求1所述的方法，其特征在于，所述获取第一模型的模型配置参数，包括：从所述目标基站接收模型迁移请求消息；其中，所述模型迁移请求消息中包括训练任务；获取与所述训练任务对应的所述第一模型的模型配置参数。4.根据权利要求3所述的方法，其特征在于，所述将所述模型配置参数发送至目标基站，包括：通过模型迁移配置更新消息，将所述模型配置参数发送至所述目标基站。5.根据权利要求1至4任一项所述的方法，其特征在于，所述模型配置参数包括所述第一模型的以下至少一项：模型结构配置信息；模型训练参数；输入样本类别；训练任务；损失函数；超参数。6.一种模型迁移方法，应用于目标基站，其特征在于，包括：从源基站接收第一模型的模型配置参数；其中，所述第一模型为所述源基站中已训练好的模型；根据所述模型配置参数，构建与所述第一模型相应的第二模型。7.根据权利要求6所述的方法，其特征在于，所述从源基站接收第一模型的模型配置参数，包括：通过配置更新消息，从所述源基站接收所述第一模型的模型配置参数。8.根据权利要求7所述的方法，其特征在于，所述从源基站接收第一模型的模型配置参数之前，所述方法还包括：向所述源基站发送模型迁移请求消息；其中，所述模型迁移请求消息中包括训练任务；所述第一模型为与所述训练任务对应的模型。9.根据权利要求8所述的方法，其特征在于，所述从源基站接收第一模型的模型配置参数，包括：通过模型迁移配置更新消息，从所述源基站接收所述第一模型的模型配置参数。10.根据权利要求6所述的方法，其特征在于，所述构建与所述第一模型相应的第二模型之后，所述方法还包括以下至少一项：
利用所述第二模型进行相应的处理操作；将所述第二模型作为预训练模型继续进行模型训练。11.根据权利要求6至10任一项所述的方法，其特征在于，所述模型配置参数包括所述第一模型的以下至少一项：模型结构配置信息；模型训练参数；输入...

【专利技术属性】
技术研发人员：孙欣，王莹莹，李娜，赵芸，张慧敏，孙军帅，刘光毅，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：