模型确定方法、信息传输方法、装置及相关设备制造方法及图纸

本申请公开了一种模型确定方法、信息传输方法、装置及相关设备，属于通信技术领域，本申请实施例的模型确定方法包括：第一设备并行运行多个人工智能AI模型，所述多个AI模型中的各模型实现的功能相同；所述第一设备对所述并行运行的多个AI模型的运行结果进行评估，获得评估结果；所述第一设备根据所述评估结果，从所述多个AI模型中确定目标模型。述多个AI模型中确定目标模型。述多个AI模型中确定目标模型。

【技术实现步骤摘要】
模型确定方法、信息传输方法、装置及相关设备


[0001]本申请属于通信
，具体涉及一种模型确定方法、信息传输方法、装置及相关设备。

技术介绍

[0002]在无线通信系统中部署新的人工智能(Artificial Intelligence，AI)模型时，可能会有多个候选模型，此时需要先对候选模型进行评估，再决定是否部署以及部署哪一个模型。此外，已部署的模型进行微调时，也需要对微调后的模型进行评估，再决是否部署该微调后的模型。在部署新模型或微调模型的同时，系统中有可能同时运行着解决同一个问题的另一个模型(旧模型或备用模型)，若选择的模型不合适，会导致传输资源和计算资源的浪费，影响性能较低。

技术实现思路

[0003]本申请实施例提供一种模型确定方法、信息传输方法、装置及相关设备，能够解决在多个AI模型存在的情况下，模型选择不合适导致设备性能较低的问题。
[0004]第一方面，提供了一种模型确定方法，该方法包括：
[0005]第一设备并行运行多个人工智能AI模型，所述多个AI模型中的各模型实现的功能相同；
[0006]所述第一设备根据对所述并行运行的多个AI模型的运行结果进行评估，获得评估结果；
[0007]所述第一设备根据所述评估结果，从所述多个AI模型中确定目标模型。
[0008]第二方面，提供了一种信息传输方法，所述方法包括：
[0009]第二设备向第一设备发送第一信息，所述第一信息用于指示所述第一设备并行运行多个AI模型，所述多个AI模型中的各模型实现的功能相同；
[0010]或者，所述第二设备接收所述第一设备发送的第二信息，所述第二信息用于指示所述第一设备并行运行所述多个AI模型。
[0011]第三方面，提供了一种模型确定装置，包括：
[0012]运行模块，用于并行运行多个人工智能AI模型，所述多个AI模型中的各模型实现的功能相同；
[0013]确定模块，用于根据对所述并行运行的多个AI模型的运行结果进行评估，获得评估结果；
[0014]选择模块，用于根据所述评估结果，从所述多个AI模型中确定目标模型。
[0015]第四方面，提供了一种信息传输装置，包括：
[0016]第一发送模块，用于向第一设备发送第一信息，所述第一信息用于指示所述第一设备并行运行多个AI模型，所述多个AI模型中的各模型实现的功能相同；
[0017]或者，第一接收模块，用于接收所述第一设备发送的第二信息，所述第二信息用于
指示所述第一设备并行运行所述多个AI模型。
[0018]第五方面，提供了一种第一设备，包括处理器和通信接口，所述处理器用于并行运行多个人工智能AI模型，所述多个AI模型中的各模型实现的功能相同；根据对所述并行运行的多个AI模型的运行结果进行评估，获得评估结果；并根据所述评估结果，从所述多个AI模型中确定目标模型。
[0019]第六方面，提供了一种第二设备，包括处理器和通信接口，所述通信接口用于向第一设备发送第一信息，所述第一信息用于指示所述第一设备并行运行多个AI模型，所述多个AI模型中的各模型实现的功能相同；
[0020]或者，接收所述第一设备发送的第二信息，所述第二信息用于指示所述第一设备并行运行所述多个AI模型。
[0021]第七方面，提供了一种通信系统，包括：第一设备和第二设备，所述第一设备用于执行第一方面所述的方法，所述第二设备用于执行第二方面所述的方法。
[0022]第八方面，提供了一种第一设备，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的模型确定方法。
[0023]第九方面，提供了一种第二设备，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第二方面所述的信息传输方法。
[0024]第十方面，提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面或第二方面所述的方法的步骤。
[0025]第十一方面，提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面或第二方面所述的方法的步骤。
[0026]第十二方面，提供了一种计算机程序/程序产品，所述计算机程序/程序产品被存储在存储介质中，所述计算机程序/程序产品被至少一个处理器执行以实现如第一方面或第二方面所述的方法的步骤。
[0027]本实施例中，在多个AI模型存在的情况下，第一设备并行运行多个人工智能AI模型，根据对所述并行运行的多个AI模型的运行结果进行评估，从所述多个AI模型中确定目标模型，可以避免模型选择不合适导致的传输资源和计算资源浪费，提升设备性能。
附图说明
[0028]图1是本申请实施例可应用的一种无线通信系统的框图；
[0029]图2是本申请实施例提供的模型确定方法的流程图；
[0030]图3是本申请实施例提供的信息传输方法的流程图；
[0031]图4是本申请实施例提供的模型确定装置的结构图；
[0032]图5是本申请实施例提供的信息传输装置的结构图；
[0033]图6是本申请实施例提供的终端的结构图；
[0034]图7是本申请实施例提供的通信设备的结构图；
[0035]图8是本申请实施例提供的网络侧设备的结构图。
具体实施方式
[0036]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。
[0037]本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”所区别的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”一般表示前后关联对象是一种“或”的关系。
[0038]值得指出的是，本申请实施例所描述的技术不限于长期演进型(Long Term Evolution，LTE)/LTE的演进(LTE
‑
Advanced，LTE
‑
A)系统，还可用于其他无线通信系统，诸如码分多址(Code Division Multiple Access，CDMA)、时分多址(Time Division Multiple Access，TDMA)、频分多址(Frequency Division Multiple Access，FDMA)、正交频分多址(Orthogo本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型确定方法，其特征在于，包括：第一设备并行运行多个人工智能AI模型，所述多个AI模型中的各模型实现的功能相同；所述第一设备对所述并行运行的多个AI模型的运行结果进行评估，获得评估结果；所述第一设备根据所述评估结果，从所述多个AI模型中确定目标模型。2.根据权利要求1所述的方法，其特征在于，所述第一设备并行运行多个AI模型，包括：所述第一设备根据触发条件，并行运行所述多个AI模型，所述触发条件包括如下至少一项：每隔预设时间段；接收到第二设备发送的第一信息，所述第一信息用于指示所述第一设备并行运行所述多个AI模型；检测到目标事件。3.根据权利要求2所述的方法，其特征在于，所述目标事件包括如下其中一项：所述第一设备当前所使用的第一AI模型的第一性能小于或等于第一门限，所述第一AI模型为所述多个AI模型中的模型，所述第一性能大的AI模型优于所述第一性能小的AI模型；第一统计次数大于或等于第一次数门限，所述第一统计次数为第一预设时间段内所述第一AI模型的第一性能小于或等于第二门限的次数；第二统计次数小于或等于第二次数门限，所述第二统计次数为第二预设时间段内所述第一AI模型的第一性能大于或等于第三门限的次数；第一持续时间大于或等于第一时间门限，所述第一持续时间为所述第一AI模型的第一性能小于或等于第四门限的持续时间；第二持续时间小于或等于第二时间门限，所述第二持续时间为所述第一AI模型的第一性能大于或等于第五门限的持续时间；所述第一AI模型的第二性能大于或等于第六门限，所述第二性能小的AI模型优于所述第二性能大的AI模型；第三统计次数大于或等于第三次数门限，所述第三统计次数为第三预设时间段内所述第一AI模型的第二性能大于或等于第七门限的次数；第四统计次数小于或等于第四次数门限，所述第四统计次数为第四预设时间段内所述第一AI模型的第二性能小于或等于第八门限的次数；第三持续时间大于或等于第三时间门限，所述第三持续时间为所述第一AI模型的第二性能大于或等于第九门限的持续时间；第四持续时间小于或等于第四时间门限，所述第四持续时间为所述第一AI模型的第二性能小于或等于第十门限的持续时间。4.根据权利要求2所述的方法，其特征在于，在所述第一设备根据触发条件，并行运行所述多个AI模型之后，所述方法还包括：在所述触发条件包括所述检测到目标事件的情况下，所述第一设备向第二设备发送第二信息，所述第二信息用于指示所述第一设备并行运行所述多个AI模型。5.根据权利要求1所述的方法，其特征在于，所述多个AI模型包括如下至少一项：
在并行运行所述多个AI模型之前所述第一设备正在运行的AI模型；所述第一设备预存储的AI模型；所述第一设备从第二设备接收的AI模型；所述第一设备基于第二AI模型衍生获得的模型，所述第二AI模型包括所述第一设备获得的AI模型。6.根据权利要求1所述的方法，其特征在于，所述评估包括：对第三AI模型的输出结果进行评估，或者对根据所述第三AI模型的输出结果获得的最终结果进行评估，所述第三AI模型为所述并行运行的多个AI模型中的任意一个AI模型。7.根据权利要求1所述的方法，其特征在于，在根据所述评估结果，从所述多个AI模型中确定目标模型之后，所述方法还包括：在所述目标模型满足预设条件的情况下，所述第一设备执行模型切换操作，所述模型切换操作包括停止使用第一AI模型，并使用所述目标模型，所述第一AI模型为所述第一设备当前所使用的AI模型，所述第一AI模型为所述多个AI模型中的模型。8.根据权利要求7所述的方法，其特征在于，所述预设条件包括如下至少一项：所述目标模型的第一性能与第一AI模型的第一性能之间的差值大于或等于第一阈值，其中，所述第一性能大的AI模型优于所述第一性能小的AI模型，所述目标模型为其他模型中第一性能最大的模型，所述其他模型为所述多个AI模型中除所述第一AI模型之外的模型；第一次数大于或等于第一次数门限，所述第一次数为第一预设时间段内所述目标模型的第一性能与所述第一AI模型的第一性能之间的差值大于或等于第二阈值的次数；第二次数小于或等于第二次数门限，所述第二次数为第二预设时间段内所述目标模型的第一性能与所述第一AI模型的第一性能之间的差值小于或等于第三阈值的次数；第五持续时间大于或等于第五时间门限，所述第五持续时间为所述目标模型的第一性能与所述第一AI模型的第一性能之间的差值大于或等于第四阈值的持续时间；第六持续时间小于或等于第六时间门限，所述第六持续时间为所述目标模型的第一性能与所述第一AI模型的第一性能之间的差值小于或等于第五阈值的持续时间；所述目标模型的第一性能与所述第一AI模型的第一性能之间的比值大于或等于第六阈值；第三次数大于或等于第三次数门限，所述第三次数为第三预设时间段内所述目标模型的第一性能与所述第一AI模型的第一性能之间的比值大于或等于第七阈值的次数；第四次数小于或等于第四次数门限，所述第四次数为第四预设时间段内所述目标模型的第一性能与所述第一AI模型的第一性能之间的比值小于或等于第八阈值的次数；第七持续时间大于或等于第七时间门限，所述第七持续时间为所述目标模型的第一性能与所述第一AI模型的第一性能之间的比值大于或等于第九阈值的持续时间；第八持续时间小于或等于第八时间门限，所述第八持续时间为所述目标模型的第一性能与所述第一AI模型的第一性能之间的比值小于或等于第十阈值的持续时间。9.根据权利要求7所述的方法，其特征在于，所述预设条件包括如下其中一项：所述目标模型的第二性能与第一AI模型的第二性能之间的差值小于或等于第十一阈值，其中，所述第二性能小的AI模型优于所述第二性能大的AI模型，所述目标模型为其他模
型中第二性能最小的模型，所述其他模型为所述多个AI模型中除所述第一AI模型之外的模型；第五次数大于或等于第五次数门限，所述第五次数为第五预设时间段内所述目标模型的第二性能与所述第一AI模型的第二性能之间的差值小于或等于第十二阈值的次数；第六次数小于或等于第六次数门限，所述第六次数为第六预设时间段内所述目标模型的第二性能与所述第一AI模型的第二性能之间的差值大于或等于第十三阈值的次数；第九持续时间大于或等于第九时间门限，所述第九持续时间为所述目标模型的第二性能与所述第一AI模型的第二性能之间的差值小于或等于第十四阈值的持续时间；第十持续时间小于或等于第十时间门限，所述第十持续时间为所述目标模型的第二性能与所述第一AI模型的第二性能之间的差值大于或等于第十五阈值的持续时间；所述目标模型的第二性能与所述第一AI模型的第二性能之间的比值小于或等于第十六阈值；第七次数大于或等于第七次数门限，所述第七次数为第七预设时间段内所述目标模型的第二性能与所述第一AI模型的第二性能之间的比值小于或等于第十七阈值的次数；第八次数小于或等于第八次数门限，所述第八次数为第八预设时间段内所述目标模型的第二性能与所述第一AI模型的第二性能之间的比值小于或等于第十八阈值的次数；第十一持续时间大于或等于第十一时间门限，所述第十一持续时间为所述目标模型的第二性能与所述第一AI模型的第二性能之间的比值小于或等于第十九阈值的持续时间；第十二持续时间小于或等于第十二时间门限，所述第十二持续时间为所述目标模型的第一性能与所述第一AI模型的第一性能之间的比值大于或等于第二十阈值的持续时间。10.根据权利要求7所述的方法，其特征在于，在所述目标模型满足预设条件的...

【专利技术属性】
技术研发人员：孙布勒，杨昂，孙鹏，李佳林，
申请(专利权)人：维沃移动通信有限公司，
类型：发明
国别省市：