【技术实现步骤摘要】
一种模型训练方法、系统以及相关装置
[0001]本申请涉及电子设备及数据处理领域,尤其涉及一种模型训练方法、系统以及相关装置。
技术介绍
[0002]人工智能技术(artificialintelligence,AI)以及人工智能物联网技术(artificialintelligence&Internetofthings,AIOT)及应用已经在多领域场景取得突破性进展,正迅速改变经济及生活方式。在AI技术和AIOT技术的基础上,多个电子设备可以互联互通。其中,一些电子设备中可以具备一些算法模型,该算法模型能够根据各种数据(例如当前用户状态(运动、静止)、用户年龄等等数据),来调整电子设备的工作状态,以便于给用户带来更好的体验。例如,具备环境光采集传感器的智能电灯,可以根据环境光数据来调整智能电灯的亮度等。
[0003]当前,电子设备中的算法模型都需要经过训练来提高算法模型的鲁棒性和准确率。但是,对于单一的电子设备能够提供的训练数据或者资源(计算资源或存储资源)有限。并且,用户不希望自己电子设备中的隐私数据被泄露或提供给其他用户的电子设备。这样,一个用户的电子设备可能获取到另一个用户中的某些类型的数据。但是一个用户的电子设备中用于训练模型的数据有限。而当电子设备中的算法模型的训练数据不足时,该算法模型的准确率会大受影响。
[0004]由此,如何利用多个电子设备中的数据来训练算法模型,以及提高算法模型的准确率,是亟待解决的问题。
技术实现思路
[0005]本申请提供了一种模型训 ...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法,其特征在于,所述模型训练方法应用于模型训练系统,所述模型训练系统包括第一联邦管理中心以及所述第一联邦管理中心关联的多个设备;其中,所述方法包括:所述第一联邦管理中心基于模型训练任务,以及所述多个设备的设备能力信息,确定执行所述模型训练任务的一个或多个设备;所述第一联邦管理中心指示所述一个或多个设备获取一个或多个传感数据,联合执行所述模型训练任务。2.根据权利要求1所述的方法,其特征在于,所述设备能力信息包括设备的计算能力、存储能力、传感能力信息中的一项或多项;所述传感能力信息用于指示设备中包括的传感数据、以及传感数据的精度。3.根据权利要求1所述的方法,其特征在于,所述第一联邦管理中心部署在一个设备或分布式地部署在所述模型训练系统中的多个设备中,所述设备包括电子设备、服务器。4.根据权利要求3所述的方法,其特征在于,所述一个或多个设备中包括第一设备,所述一个或多个传感数据中包括第一传感数据,所述第一联邦管理中心指示所述一个或多个设备获取一个或多个传感数据,联合执行所述模型训练任务,包括:所述第一联邦管理中心指示所述第一设备提供所述第一传感数据。5.根据权利要求4所述的方法,其特征在于,所述一个或多个设备中还包括第二设备,所述第一联邦管理中心指示所述一个或多个设备获取一个或多个传感数据,联合执行所述模型训练任务,包括:所述第一联邦管理中心指示所述第一设备提供所述第一传感数据;所述第一联邦管理中心指示所述第二设备提供计算能力,并指示所述第二设备对所述第一传感数据进行计算。6.根据权利要求5所述的方法,其特征在于,所述一个或多个设备中还包括第三设备,所述第一联邦管理中心指示所述一个或多个设备获取一个或多个传感数据,联合执行所述模型训练任务,包括:所述第一联邦管理中心指示所述第一设备提供所述第一传感数据;所述第一联邦管理中心指示所述第二设备提供计算能力,并指示所述第二设备对所述第一传感数据进行计算,得到第一计算结果;所述第一联邦管理中心指示所述第三设备提供存储能力,并指示所述第三设备存储第一计算结果和/或所述第一传感数据。7.根据权利要求6所述的方法,其特征在于,所述多个设备中包括提供第二传感数据的第四设备,所述第一联邦管理中心基于模型训练任务,以及所述多个设备的设备能力信息,确定执行所述模型训练任务的一个或多个设备,包括:所述第一联邦管理中心基于模型训练任务,以及所述设备的设备能力信息,确定提供所述模型训练任务中所需的第一传感数据的所述第一设备,和提供所述模型训练任务中所需的第二传感数据的所述第四设备。8.根据权利要求7所述的方法,其特征在于,所述第一联邦管理中心基于模型训练任务,以及所述设备的设备能力信息,确定提供所述模型训练任务中所需的第一传感数据的所述第一设备,和提供所述模型训练任务中所需的第二传感数据的所述第四设备,包括:
所述第一联邦管理中心基于所述模型训练任务中所需的第一传感数据和第二传感数据,将所述模型训练任务分解为第一训练子任务和第二训练子任务;所述第一训练任务用于指示一个或多个设备提供所述第一传感数据;所述第二训练子任务用于指示一个或多个设备提供所述第二传感数据;所述第一联邦管理中心基于所述第一传感数据和所述第二传感数据,所述多个设备的设备能力信息,确定所述多个设备中的第一设备执行第一训练子任务、所述多个设备中的第四设备执行所述第二训练子任务。9.根据权利要求7所述的方法,其特征在于,所述第一联邦管理中心基于所述模型训练任务,以及所述多个设备的设备能力信息,确定执行所述模型训练任务的一个或多个设备,包括:所述第一联邦管理中心解析出所述模型训练任务中所需训练的第一模型,确定所述第一模型的输入数据包括第一传感数据和第二传感数据;所述第一模型的输出为第三传感数据;所述第一联邦管理中心基于所述所需训练的第一模型,所述多个设备的设备能力信息,确定所述多个设备中的第一设备执行第三训练子任务、所述多个设备中的第四设备执行所述第四训练子任务;其中,所述第三训练子任务用于训练第一子模型,所述第一子模型的输入数据为所述第一传感数据,所述第一子模型的输出为所述第三传感数据;所述第四训练子任务用于训练第二子模型,所述第二子模型的输入数据为所述第二传感数据,所述第二子模型的输出为所述第三传感数据。10.根据权利要求9所述的方法,其特征在于,所述第一联邦管理中心指示所述一个或多个设备获取一个或多个传感数据,联合执行所述模型训练任务,包括:所述第一联邦管理中心指示所述第一设备执行所述第一训练子任务,指示所述第四设备执行所述第二训练子任务。11.根据权利要求10所述的方法,其特征在于,所述第一联邦管理中心指示所述第一设备执行所述第一训练子任务,指示所述第二设备执行所述第二训练子任务之后,所述方法还包括:所述第一联邦管理中心接收到所述第一设备发送的第一子模型或第一子模型的参数,所述第二设备发送的第二子模型;所述第一联邦管理中心基于所述第一子模型和所述第二子模型,得到所述第二模型,所述第二模型的输入数据包括第一传感数据和第二传感数据;所述第二模型的输出为第三传感数据;在所述模型训练系统中,所述第二模型的精度高于所述第一模型的精度。12.根据权利要求1
‑
11任一项所述的方法,其特征在于,所述模型训练系统还包括模型探索中心,所述第一联邦管理中心基于模型训练任务,以及所述多个设备的设备能力信息,确定执行所述模型训练任务的一个或多个设备,包括:所述第一联邦管理中心接收所述模型探索中心发送的所述模型训练任务,所述模型探索中心部署在服务器。13.根据权利要求12所述的方法,其特征在于,所述方法还包括:所述模型探索中心向所述第一联邦管理中心发送联邦学习任务;所述第一联邦管理中心基于所述联邦学习任务、以及所述一个或多个电子设备的设备
能力信息,确定执行所述联邦学习任务的一个或多个电子设备;所述第一联邦管理中心指示一个或多个电子设备获取一个或多个传感数据联合执行所述联邦学习任务,并获取所述联邦学习任务的第一联邦学习结果;所述第一联邦管理中心将所述第一联邦学习结果发送给所述模型探索中心;所述模型探索中心基于所述第一联邦学习结果,调整所述联邦学习任务中所需学习的模型。14.根据权利要求12所述的方法,其特征在于,所述模型训练系统还包括第二联邦管理中心,和所述第二联邦管理中心关联的多个设备;所述方法还包括:所述模型探索中心向所述第一联邦管理中心和所述第二联邦管理中心发送联邦学习任务;所述第一联邦管理中心基于所述联邦学习任务、以及所述一个或多个电子设备的设备能力信息,确定执行所述联邦学习任务的一个或多个电子设备,所述第二联邦管理中心基于所述联邦学习任务、以及所述一个或多个电子设备的设备能力信息,确定执行所述联邦学习任务的一个或多个电子设备;所述第一联邦管理中心指示一个或多个电子设备获取一个或多个传感数据联合执行所述联邦学习任务,并获取所述联邦学习任务的第一联邦学习结果,所述第二联邦管理中心指示一个或多个电子设备获取一个或多个传感数据联合执行所述联邦学习任务,并获取所述联邦学习任务的第二联邦学习结果;所述第一联邦管理中心将所述第一联邦学习结果发送给所述模型探索中心,所述第二联邦管理中心将所述第二联邦学习结果发送给所述模型探索中心;所述模型探索中心基于所述第一联邦学习结果和所述第二联邦学习结果,调整所述联邦学习任务中所需学习的模型。15.根据权利要求14所述的方法,其特征在于,所述第一联邦学习结果包括与所述第一联邦管理中心关联的一个或多个设备对所述联邦学习任务中所需学习的模型的参数进行计算得到的计算结果;所述第二联邦学习结果包括与所述第二联邦管理中心关联的一个或多个设备对所述联邦学习任务中所需学习的模型的参数进行计算得到的计算结果。16.根据权利要求10所述的方法,其特征在于,所述第一联邦管理中心指示所述第一设备执行所述第一训练子任务,指示所述第四设备执行所述第二训练子任务之后,所述方法还包括:...
【专利技术属性】
技术研发人员:王成录,宋超领,高翔宇,吴金娴,周昕宇,王翃宇,黄维,王松涛,
申请(专利权)人:华为技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。