基于联合学习的模型训练方法及装置制造方法及图纸

本发明专利技术提供了一种基于联合学习的模型训练方法及装置。该方法包括：通过接收来参与方上传的深度学习网络模型的训练参数；对训练参数进行初始化后，通知参与方进行深度学习网络模型训练；其中，通知包含参与方的深度学习网络模型训练轮数和参与方的深度学习网络模型的训练标准值；响应于参与方上传的深度学习网络模型训练状态，协助参与方优化深度学习网络模型；其中，中心节点和参与方均基于联合学习架构中执行交互任务。本发明专利技术解决了现有技术中因无法保护数据隐私，而带来的模型训练不准确的问题，同时提高了模型训练精度。同时提高了模型训练精度。同时提高了模型训练精度。

【技术实现步骤摘要】
基于联合学习的模型训练方法及装置


[0001]本公开涉及人工智能
，尤其涉及一种基于联合学习的模型训练方法及装置。

技术介绍

[0002]随着科技的飞速发展，人工智能技术的研究是现在科技术发展趋势的标志。目前在各种场景下都能见到人工智能技术的体现，例如在能源行业、健康生活等领域。那么要在这些领域实现人工智能技术又要保证各个环节的数据隐私不被泄露，往往需要先进行相关的模型训练以及相关实验，而如何在模型训练中实现最小误差的训练成为当前急需要解决的技术问题。

技术实现思路

[0003]有鉴于此，本公开实施例提供了一种基于联合学习的模型训练方法及装置，以解决现有技术中因无法保护数据隐私而带来的模型训练不准确的问题。
[0004]本公开实施例的第一方面，提供了一种基于联合学习的模型训练方法，包括：
[0005]中心节点接收来参与方上传的深度学习网络模型的训练参数；
[0006]对训练参数进行初始化后，通知参与方进行深度学习网络模型训练；其中，通知包含参与方的深度学习网络模型训练轮数和参与方的深度学习网络模型的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于联合学习的模型训练方法，其特征在于，包括：中心节点接收来参与方上传的深度学习网络模型的训练参数；对所述训练参数进行初始化后，通知参与方进行深度学习网络模型训练；其中，所述通知包含参与方的深度学习网络模型训练轮数和参与方的深度学习网络模型的训练标准值；响应于参与方上传的深度学习网络模型训练状态，协助参与方优化深度学习网络模型；其中，所述中心节点和参与方均基于联合学习架构中执行交互任务。2.根据权利要求1所述的方法，其特征在于，对所述训练参数进行初始化包括：对参与方上传的深度学习网络模型的训练参数进行同态加密；将同态加密的参与方上传的深度学习网络模型的训练参数下发至联合学习中的客户端。3.根据权利要求1所述的方法，其特征在于，对所述训练参数进行初始化后，通知参与方进行深度学习网络模型训练包括：将对所述训练参数的初始化结果下发至所述参与方；响应于参与方的反馈信息，计算深度学习网络模型训练轮数和深度学习网络模型的训练标准值；将深度学习网络模型训练轮数和/或深度学习网络模型的训练标准值下发至参与方。4.根据权利要求1所述的方法，其特征在于，响应于参与方上传的深度学习网络模型训练状态，协助参与方优化深度学习网络模型包括：响应于参与方上传的深度学习网络模型训练状态；获取所述深度学习网络模型当前的训练轮数达到目标轮数时，将所述目标轮数对应的深度学习网络模型训练参数进行加密；将加密的深度学习网络模型训练参数发送至所述参与方；响应所述参与方反馈的深度学习网络模型训练的状态信息，协助参与方优化深度学习网络模型。5.一种基于联合学习的深度学习网络模型训练方法，其特征在于，包括：响应中心节点下发的深度学习网络模型训练的通知，并得到适应深度学习网络模型训练的训练参数；所述通知包含参与方的深度学习网络模型训练轮数和/或参与方的深度学习网络模型的训练标准值；将所述训练参数加载到所述深度学习网络模型中；根据深度学习网络模型训练轮数和所述训练参数，对所述深度学习网络模型进行训练；当所述训练的结果达...

【专利技术属性】
技术研发人员：赵蕾，
申请(专利权)人：新智我来网络科技有限公司，
类型：发明
国别省市：