模型协同构建方法、中心云、边缘节点及介质技术

本发明专利技术提供一种模型协同构建方法、中心云、边缘节点及介质，涉及网络信息技术领域，用于解决现有技术缺乏云边互动选择初始模型的机制，导致参与训练的边缘节点可能不适合初始模型，引发模型训练效果不理想的问题，所述方法包括：根据本次模型构建任务与各边缘节点协商，以确定参与本次模型构建任务的若干第一边缘节点和本次模型构建任务的初始模型；与所述若干第一边缘节点通过联邦学习方法对所述初始模型进行训练，以获得本次模型构建任务的训练后模型。本发明专利技术通过云边互动选择初始模型和参与任务的边缘节点，确保每一参与任务的边缘节点均适合初始模型的训练，从而提高模型训练的效果。的效果。的效果。

【技术实现步骤摘要】
模型协同构建方法、中心云、边缘节点及介质


[0001]本专利技术涉及网络信息
，尤其涉及一种模型协同构建方法、中心云、边缘节点及计算机可读存储介质。

技术介绍

[0002]目前，基于云边协同机制进行模型训练方法，往往由发起模型构建任务的一方指定用于训练的初始模型，没有在初始模型选择阶段进行云边互动，可能导致参与训练的边缘节点不一定适合指定的初始模型，进而导致模型训练难以达到最优的效果。

技术实现思路

[0003]本专利技术所要解决的技术问题是针对现有技术的上述不足，提供一种模型协同构建方法、中心云、边缘节点及计算机可读存储介质，以解决现有技术缺乏云边互动选择初始模型的机制，导致参与训练的边缘节点可能不适合初始模型，引发模型训练效果不理想的问题。
[0004]第一方面，本专利技术提供一种模型协同构建方法，应用于中心云，所述方法包括：
[0005]根据本次模型构建任务与各边缘节点协商，以确定参与本次模型构建任务的若干第一边缘节点和本次模型构建任务的初始模型；
[0006]与所述若干第一边缘节点通过联邦学习方法对所述初始模型进行训练，以获得本次模型构建任务的训练后模型。
[0007]可选地，根据本次模型构建任务与各边缘节点协商之前，所
[0008]述方法还包括：
[0009]发起本次模型构建任务，或者，接收并确认任意边缘节点发起的本次模型构建任务。
[0010]可选地，与所述若干第一边缘节点通过联邦学习方法对所述初始模型进行训练，以获得本次模型构建任务的训练后模型，具体包括：
[0011]接收所述若干第一边缘节点各自发送的本地模型参数，所述本地模型参数是所述若干第一边缘节点各自应用自身历史本地数据对所述初始模型进行训练后获得的；
[0012]聚合所述本地模型参数以获得中心模型参数，并将所述中心模型参数发送给所述若干第一边缘节点，以使所述若干第一边缘节点根据所述中心模型参数更新所述初始模型，并根据自身历史本地数据判断更新后的模型是否收敛；
[0013]如果否，使用更新后的模型代替初始模型，重复上述接收所述若干第一边缘节点各自发送的本地模型参数，和聚合所述本地模型参数以获得中心模型参数，并将所述中心模型参数发送给所述若干第一边缘节点的步骤；
[0014]如果是，使用更新后的模型作为本次模型构建任务的训练后模型。
[0015]可选地，根据本次模型构建任务与各边缘节点协商，以确定参与本次模型构建任务的若干第一边缘节点和本次模型构建任务的初始模型，具体包括：
[0016]从预先存储的模型库中选择与本次模型构建任务适配的若干模型原型，并获取所述若干模型原型的选型信息和评分信息；
[0017]根据所述选型信息和所述评分信息与各边缘节点协商，以从各边缘节点中确定参与本次模型构建任务的若干第一边缘节点和从所述若干模型原型中确定本次模型构建任务的初始模型。
[0018]可选地，根据所述选型信息和所述评分信息与各边缘节点协商，以从各边缘节点中确定参与本次模型构建任务的若干第一边缘节点和从所述若干模型原型中确定本次模型构建任务的初始模型，具体包括：
[0019]将所述选型信息和所述评分信息发送给各边缘节点，以使各边缘节点根据所述选型信息和所述评分信息决定是否加入本次模型构建任务，并选择所述若干模型原型中的某一个作为本次模型构建任务的预选初始模型；
[0020]接收各边缘节点发送的是否加入本次模型构建任务和选择预选初始模型的反馈信息；
[0021]根据所述反馈信息确定被最多边缘节点选为预选初始模型的一个模型原型作为所述初始模型，并确定选择所述初始模型的若干边缘节点为第一边缘节点。
[0022]可选地，将所述选型信息和所述评分信息发送给各边缘节点，以使各边缘节点根据所述选型信息和所述评分信息决定是否加入本次模型构建任务，并选择所述若干模型原型中的某一个作为本次模型构建任务的预选初始模型，具体包括：
[0023]根据所述评分信息按照评分从高到低的顺序排列所述选型信息，所述选型信息中包括所述若干模型原型的训练需求信息，
[0024]向各边缘节点发送排列后的所述选型信息，以使各边缘节点获取所述训练需求信息与自身历史本地数据的适配度，选择所述若干模型原型中适配度满足预设条件、且排列最前的某一个模型原型作为所述预选初始模型，并决定加入本次模型构建任务；
[0025]根据所述反馈信息确定被最多边缘节点选为预选初始模型的一个模型原型作为所述初始模型，并确定选择所述初始模型的若干边缘节点为第一边缘节点之后，所述方法还包括：
[0026]向所述若干第一边缘节点发送所述初始模型及其运行环境。
[0027]可选地，与所述若干第一边缘节点通过联邦学习方法对所述初始模型进行训练，以获得本次模型构建任务的训练后模型之后，所述方法还包括：
[0028]在所述模型库中将所述训练后模型存储为一个模型原型；
[0029]接收各边缘节点各自对所述训练后模型的使用评分，所述使用评分是各边缘节点各自根据使用所述训练后模型对自身新增本地数据进行预测的效果获得的；
[0030]聚合所述使用评分以获得所述训练后模型的平均评分；
[0031]在所述模型库中将所述平均评分存储为所述训练后模型对应的模型原型的评分。
[0032]第二方面，本专利技术提供一种模型协同构建方法，应用于边缘节点，所述方法包括：
[0033]根据本次模型构建任务与中心云协商，以确定自身参与本次模型构建任务，并确定本次模型构建任务的初始模型；
[0034]与所述中心云通过联邦学习方法对所述初始模型进行训练，以获得本次模型构建任务的训练后模型。
[0035]可选地，根据本次模型构建任务与中心云协商之前，所述方法还包括：
[0036]向中心云发送本次模型构建任务，以使中心云确认发起本次模型构建任务。
[0037]可选地，与所述中心云通过联邦学习方法对所述初始模型进行训练，以获得本次模型构建任务的训练后模型，具体包括：
[0038]应用自身历史本地数据对所述初始模型进行训练，以获得本地模型参数；
[0039]将所述本地模型参数发送给中心云，以使中心云聚合所述本地模型参数以获得中心模型参数；
[0040]接收所述中心云发送的所述中心模型参数，并根据所述中心模型参数更新所述初始模型；
[0041]根据自身历史本地数据判断更新后的模型是否收敛；
[0042]如果否，使用更新后的模型代替初始模型，重复上述应用自身历史本地数据对所述初始模型进行训练，将所述本地模型参数发送给中心云，接收所述中心云发送的所述中心模型参数，并根据所述中心模型参数更新所述初始模型，和根据自身历史本地数据判断更新后的模型是否收敛的步骤；
[0043]如果是，使用更新后的模型作为本次模型构建任务的训练后模型。
[0044]可选地，根据本次模型构建任务与中心云协商，以确定自身参与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型协同构建方法，其特征在于，应用于中心云，所述方法包括：根据本次模型构建任务与各边缘节点协商，以确定参与本次模型构建任务的若干第一边缘节点和本次模型构建任务的初始模型；与所述若干第一边缘节点通过联邦学习方法对所述初始模型进行训练，以获得本次模型构建任务的训练后模型。2.根据权利要求1所述的方法，其特征在于，根据本次模型构建任务与各边缘节点协商之前，所述方法还包括：发起本次模型构建任务，或者，接收并确认任意边缘节点发起的本次模型构建任务。3.根据权利要求1所述的方法，其特征在于，与所述若干第一边缘节点通过联邦学习方法对所述初始模型进行训练，以获得本次模型构建任务的训练后模型，具体包括：接收所述若干第一边缘节点各自发送的本地模型参数，所述本地模型参数是所述若干第一边缘节点各自应用自身历史本地数据对所述初始模型进行训练后获得的；聚合所述本地模型参数以获得中心模型参数，并将所述中心模型参数发送给所述若干第一边缘节点，以使所述若干第一边缘节点根据所述中心模型参数更新所述初始模型，并根据自身历史本地数据判断更新后的模型是否收敛；如果否，使用更新后的模型代替初始模型，重复上述接收所述若干第一边缘节点各自发送的本地模型参数，和聚合所述本地模型参数以获得中心模型参数，并将所述中心模型参数发送给所述若干第一边缘节点的步骤；如果是，使用更新后的模型作为本次模型构建任务的训练后模型。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，根据本次模型构建任务与各边缘节点协商，以确定参与本次模型构建任务的若干第一边缘节点和本次模型构建任务的初始模型，具体包括：从预先存储的模型库中选择与本次模型构建任务适配的若干模型原型，并获取所述若干模型原型的选型信息和评分信息；根据所述选型信息和所述评分信息与各边缘节点协商，以从各边缘节点中确定参与本次模型构建任务的若干第一边缘节点和从所述若干模型原型中确定本次模型构建任务的初始模型。5.根据权利要求4所述的方法，其特征在于，根据所述选型信息和所述评分信息与各边缘节点协商，以从各边缘节点中确定参与本次模型构建任务的若干第一边缘节点和从所述若干模型原型中确定本次模型构建任务的初始模型，具体包括：将所述选型信息和所述评分信息发送给各边缘节点，以使各边缘节点根据所述选型信息和所述评分信息决定是否加入本次模型构建任务，并选择所述若干模型原型中的某一个作为本次模型构建任务的预选初始模型；接收各边缘节点发送的是否加入本次模型构建任务和选择预选初始模型的反馈信息；根据所述反馈信息确定被最多边缘节点选为预选初始模型的一个模型原型作为所述初始模型，并确定选择所述初始模型的若干边缘节点为第一边缘节点。6.根据权利要求5所述的方法，其特征在于，将所述选型信息和所述评分信息发送给各边缘节点，以使各边缘节点根据所述选型信息和所述评分信息决定是否加入本次模型构建任务，并选择所述若干模型原型中的某一个作为本次模型构建任务的预选初始模型，具体
包括：根据所述评分信息按照评分从高到低的顺序排列所述选型信息，所述选型信息中包括所述若干模型原型的训练需求信息，向各边缘节点发送排列后的所述选型信息，以使各边缘节点获取所述训练需求信息与自身历史本地数据的适配度，选择所述若干模型原型中适配度满足预设条件、且排列最前的某一个模型原型作为所述预选初始模型，并决定加入本次模型构建任务；根据所述反馈信息确定被最多边缘节点选为预选初始模型的一个模型原型作为所述初始模型，并确定选择所述初始模型的若干边缘节点为第一边缘节点之后，所述方法还包括：向所述若干第一边缘节点发送所述初始模型及其运行环境。7.根据权利要求4所述的方法，其特征在于，与所述若干第一边缘节点通过联邦学习方法对所述初始模型进行训练，以获得本次模型构建任务的训练后模型之后，所述方法还包括：在所述模型库中将所述训练后模型存储为一个模型原型；接收各边缘节点各自对所述训练后模型的使用评分，所述使用评分是各边缘节点各自根据使用所述训练后模型对自身新增本地数据进行预测的效果获得的；聚合所述使用评分以获得所述训练后模型的平均评分；在所述模型库中将所述平均评分存储为所述训练...

【专利技术属性】
技术研发人员：杨晓英，张呈宇，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：