用于窄带网络的大并行AI分析方法、系统和计算机介质技术方案

本发明专利技术公开一种用于窄带网络的大并行AI分析方法、系统和计算机介质，方法包括：在总节点部署总节点神经网络模型，在分节点部署分节点神经网络模型；在分节点处利用所述分节点神经网络模型对分节点获取的数据进行分析，得到所述分节点神经网络模型输出汇总形成的靶数据；将所述靶数据上传至所述总节点；所述总节点根据所述靶数据训练所述总节点神经网络模型，得到第一神经网络模型，并将所述第一神经网络模型同步到分节点中的所述分节点神经网络模型中，完成对所述分节点神经网络模型的更新。本发明专利技术减少了不必要的数据传输，节约网络带宽，使得“总‑分”结构的网络模型能很好的应用在窄带网络环境中。

【技术实现步骤摘要】

本专利技术涉及ai分析，更具体地，涉及一种用于窄带网络的大并行ai分析方法、系统和计算机介质。

技术介绍

1、现有人工智能技术广泛应用于各个行业领域，针对需要同时执行多个同一计算任务的场景，例如银行中设置多个摄像头进行ai识别，然后将识别结果上传到上位节点中进行最终的确认，这时，常使用“总-分”结构的网络模型，即在上位节点中和分节点中分别设置神经网络模型。但是现有的“总-分”结构的网络模型对于传输网络的带宽需求较大，在类银行的窄带网络环境中，“总-分”结构的网络模型无法很好的应用。

技术实现思路

1、本专利技术的目的之一是提供一种用于窄带网络的大并行ai分析方法，解决现有技术中在类银行的窄带网络环境中，“总-分”结构的网络模型无法很好的应用的技术问题；本专利技术的目的之二是提供一种用于窄带网络的大并行ai分析系统；本专利技术的目的之三是提供一种计算机介质。

2、为解决上述技术问题，本专利技术的技术方案如下：

3、一种用于窄带网络的大并行ai分析方法，包括以下步骤：</p>

4、在总本文档来自技高网...

【技术保护点】

1.一种用于窄带网络的大并行AI分析方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的用于窄带网络的大并行AI分析方法，其特征在于，所述总节点还对所述总节点神经网络模型进行减层，并根据所述靶数据训练减层后的总节点神经网络模型，得到第二神经网络模型并将所述第二神经网络模型同步到分节点中的所述分节点神经网络模型中。

3.根据权利要求2所述的用于窄带网络的大并行AI分析方法，其特征在于，所述总节点根据所述靶数据训练所述总节点神经网络模型或减层后的总节点神经网络模型时，加入正则化技术，包括：

4.根据权利要求3所述的用于窄带网络的大并行AI分析方法，其...

【技术特征摘要】

1.一种用于窄带网络的大并行ai分析方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的用于窄带网络的大并行ai分析方法，其特征在于，所述总节点还对所述总节点神经网络模型进行减层，并根据所述靶数据训练减层后的总节点神经网络模型，得到第二神经网络模型并将所述第二神经网络模型同步到分节点中的所述分节点神经网络模型中。

3.根据权利要求2所述的用于窄带网络的大并行ai分析方法，其特征在于，所述总节点根据所述靶数据训练所述总节点神经网络模型或减层后的总节点神经网络模型时，加入正则化技术，包括：

4.根据权利要求3所述的用于窄带网络的大并行ai分析方法，其特征在于，所述分节点根据阈值调度算法决定执行第一神经网络模型或第二神经网络模型，所述阈值调度算法包括以下步骤：

5.根据权利要求4所述的用于窄带网络的大并行ai分析方法，其特征在于...

【专利技术属性】
技术研发人员：李瑞维，何小静，李昊，钟金顺，
申请(专利权)人：广州思涵信息科技有限公司，
类型：发明
国别省市：