【技术实现步骤摘要】
本申请属于通信，具体涉及一种ai模型推理方法、设备及可读存储介质。
技术介绍
1、在毫米波无线通信中，通信收发端(如基站和ue端)都配置了多个模拟波束。对于同一个ue，在不同的发送和接收模拟波束测量到信道质量是变化的。如何快速并准确地从所有可能的收发模拟波束组合中找到信道质量最高的收发波束组，是影响传输质量的关键。在引入人工智能(artificial intelligence，ai)神经网络模型后，终端可以基于历史的信道质量信息，有效地预测信道质量最高的收发模拟波束，并上报给网络侧。
2、在波束对预测中，如果可以提供详细的波束信息，则可以提升预测准确率。波束信息例如波束指向，波束形状，波束3db宽度都属于较为敏感的信息。例如，在ue侧进行波束对预测时，模型输入包含ue自身可以提供的接收波束信息，测量得到的波束质量信息，以及基站侧发送波束信息。
3、为避免暴露如波束信息等隐私数据在进行训练ai模型时，使用的样本数据经过隐私处理后的数据，而在推理时，由于不知道隐私处理方法，导致采集的数据无法匹配模型输入的物理含义。
技术实现思路
1、本申请实施例提供一种ai模型推理方法、设备及可读存储介质，能够解决ai模型推理时采集的数据无法匹配ai模型输入的物理含义的问题。
2、第一方面，提供了一种ai模型推理方法，包括：
3、第一设备向第二设备发送第一信息；
4、所述第一设备从所述第二设备接收第二信息；
5、所述第一设备根据第
6、其中，所述第一信息中包含第一需求，所述第一需求为所述第一设备进行ai模型推理时针对所述第二设备的数据收集需求，所述第二信息中包含明文数据和/或所述第二映射数据，所述第一映射数据是所述第一设备通过第一数据映射方法映射得到的数据，所述第二映射数据是所述第二设备通过第二数据映射方法映射得到的数据，所述ai模型与所述第一数据映射方法和/或所述第二数据映射方法之间具有关联关系。
7、第二方面，提供了一种ai模型推理方法，包括：
8、第二设备从第一设备接收第一信息；
9、所述第二设备向所述第一设备发送第二信息；
10、其中，所述第一信息中包含第一需求，所述第一需求为所述第一设备进行ai模型推理时针对所述第二设备的数据收集需求，所述第二信息中包含明文数据和/或所述第二映射数据，所述第二映射数据是所述第二设备通过第二数据映射方法映射得到的数据，所述ai模型与第一数据映射方法和/或所述第二数据映射方法之间具有关联关系。
11、第三方面，提供了一种ai模型推理方法，包括以下一项或者多项：
12、第三设备向第一设备发送第一标识；
13、第三设备向第一设备发送第一标识和第二标识；
14、第三设备向第二设备发送第二标识；
15、其中，所述第一标识为第一数据映射方法的标识，所述第二标识为第二数据映射方法的标识，ai模型与所述第一数据映射方法和/或所述第二数据映射方法之间具有关联关系。
16、第四方面，提供了一种ai模型推理装置，所述装置应用于第一设备，所述装置包括：
17、第一发送模块，用于第一设备向第二设备发送第一信息；
18、第一接收模块，用于所述第一设备从所述第二设备接收第二信息；
19、生成模块，用于所述第一设备根据第一映射数据和/或第二映射数据，生成用于ai模型推理的数据集；
20、其中，所述第一信息中包含第一需求，所述第一需求为所述第一设备进行ai模型推理时针对所述第二设备的数据收集需求，所述第二信息中包含明文数据和/或所述第二映射数据，所述第一映射数据是所述第一设备通过第一数据映射方法映射得到的数据，所述第二映射数据是所述第二设备通过第二数据映射方法映射得到的数据，所述ai模型与所述第一数据映射方法和/或所述第二数据映射方法之间具有关联关系。
21、第五方面，提供了一种ai模型推理装置，所述装置应用于第二设备，所述装置包括：
22、第二接收模块，用于第二设备从第一设备接收第一信息；
23、第二发送模块，用于所述第二设备向所述第一设备发送第二信息；
24、其中，所述第一信息中包含第一需求，所述第一需求为所述第一设备进行ai模型推理时针对所述第二设备的数据收集需求，所述第二信息中包含明文数据和/或所述第二映射数据，所述第二映射数据是所述第二设备通过第二数据映射方法映射得到的数据，所述ai模型与第一数据映射方法和所述第二数据映射方法之间具有关联关系。
25、第六方面，提供了一种ai模型推理装置，所述装置应用于第二设备，所述装置包括：
26、第三发送模块，用于以下一项或者多项：
27、第三设备向第一设备发送第一标识；
28、第三设备向第一设备发送第一标识和第二标识；
29、第三设备向第二设备发送第二标识；
30、其中，所述第一标识为第一数据映射方法的标识，所述第二标识为第二数据映射方法的标识，ai模型与所述第一数据映射方法和/或所述第二数据映射方法之间具有关联关系。
31、第七方面，提供了一种通信设备，该终端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方法的步骤，或者实现如第二方面所述的方法的步骤，或者实现如第三方面所述的方法的步骤。
32、第八方面，提供了一种通信设备，包括处理器及通信接口，其中
33、当通信设备为第一设备时，通信接口用于第一设备向第二设备发送第一信息；
34、通信接口用于所述第一设备从所述第二设备接收第二信息；
35、处理器用于所述第一设备根据第一映射数据和/或第二映射数据，生成用于ai模型推理的数据集；
36、其中，所述第一信息中包含第一需求，所述第一需求为所述第一设备进行ai模型推理时针对所述第二设备的数据收集需求，所述第二信息中包含明文数据和/或所述第二映射数据，所述第一映射数据是所述第一设备通过第一数据映射方法映射得到的数据，所述第二映射数据是所述第二设备通过第二数据映射方法映射得到的数据，所述ai模型与所述第一数据映射方法和/或所述第二数据映射方法之间具有关联关系。
37、当通信设备为第二设备时，通信接口用于第二设备从第一设备接收第一信息；
38、通信接口用于所述第二设备向所述第一设备发送第二信息；
39、其中，所述第一信息中包含第一需求，所述第一需求为所述第一设备进行ai模型推理时针对所述第二设备的数据收集需求，所述第二信息中包含明文数据和/或所述第二映射数据，所述第二映射数据是所述第二设备通过第二数据映射方法映射得到的数据，所述ai模型与第一数据映射方法和所述第二数据映射方法之间具本文档来自技高网...
【技术保护点】
1.一种人工智能AI模型推理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在所述第一设备向第二设备发送第一信息之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，在所述第一设备向第二设备发送第一信息之前，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，在所述第一设备向第二设备发送第一信息之前，所述方法还包括：
5.根据权利要求2至4任一项所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述第一设备根据第一映射数据和/或第二映射数据，生成用于AI模型推理的数据集，包括：
7.根据权利要求2至4任一项所述方法，其特征在于，所述方法还包括：
8.根据权利要求5所述方法，其特征在于，在所述第七信息中包含所述明文数据的数据输入位置信息，所述明文数据的数据输入位置信息与所述第一映射数据和/或所述第二映射数据之间具有关联关系的情况下，所述第二信息中还包括了输出结果映射表，所述方法还包括：
9.根据权利要求5所述的方法
10.根据权利要求5所述的方法，其特征在于，所述明文数据的需求信息包括：所述明文数据的数据项和所述明文数据的收集个数。
11.根据权利要求5所述的方法，其特征在于，所述方法还包括：
12.根据权利要求1所述的方法，其特征在于，所述第一数据映射方法和/或所述第二数据映射方法，包括以下任意一项：
13.根据权利要求1或5所述的方法，其特征在于，所述数据收集需求，包括以下一项或者多项：
14.根据权利要求13所述的方法，其特征在于，所述收集数据项包括以下一项或者多项：
15.根据权利要求1所述的方法，其特征在于，所述方法还包括：
16.一种AI模型推理方法，其特征在于，包括：
17.根据权利要求16所述的方法，其特征在于，
18.根据权利要求16所述的方法，其特征在于，所述第一信息中还包含AI模型标识，在所述第二设备通过第二数据映射方法映射得到第二映射数据之前，所述方法还包括：
19.根据权利要求16所述的方法，其特征在于，所述第一信息中还包含所述AI模型标识，在所述第二设备通过第二数据映射方法映射得到第二映射数据之前，所述方法还包括：
20.根据权利要求17至19任一项所述方法，其特征在于，所述方法还包括：
21.根据权利要求16所述的方法，其特征在于，所述第一数据映射方法和/或所述第二数据映射方法，包括以下任意一项：
22.根据权利要求16所述的方法，其特征在于，所述数据收集需求，包括以下一项或者多项：
23.根据权利要求22所述的方法，其特征在于，所述收集数据项包括以下一项或者多项：
24.一种AI模型推理方法，其特征在于，包括以下一项或者多项：
25.根据权利要求24所述的方法，其特征在于，所述第三设备向第一设备发送第一标识，包括：
26.根据权利要求24所述的方法，其特征在于，所述第三设备向第一设备发送第一标识和第二标识，包括：
27.根据权利要求24所述的方法，其特征在于，所述第三设备向第二设备发送第二标识，包括：
28.根据权利要求25至27任一项所述的方法，其特征在于，所述方法还包括：
29.根据权利要求28所述的方法，其特征在于，在所述第七信息中包含所述明文数据的数据输入位置信息，以及，第一映射数据的数据输入位置信息和/或第二映射数据的数据输入位置信息的情况下，所述数据输入位置信息包括以下任意一项：
30.根据权利要求28所述的方法，其特征在于，所述明文数据的需求信息包括：所述明文数据的数据项和所述明文数据的收集个数。
31.根据权利要求24所述的方法，其特征在于，所述第一数据映射方法和/或所述第二数据映射方法，包括以下任意一项：
32.根据权利要求28所述的方法，其特征在于，所述数据收集需求，包括以下一项或者多项：
33.根据权利要求32所述的方法，其特征在于，所述收集数据项包括以下一项或者多项：
34.根据权利要求24所述的方法，其特征在于，所述方法还包括：
35.一种AI模型推理装置，其特征在于，所述装置应用于第一设备，所述装置包...
【技术特征摘要】
1.一种人工智能ai模型推理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在所述第一设备向第二设备发送第一信息之前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，在所述第一设备向第二设备发送第一信息之前，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，在所述第一设备向第二设备发送第一信息之前，所述方法还包括：
5.根据权利要求2至4任一项所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述第一设备根据第一映射数据和/或第二映射数据，生成用于ai模型推理的数据集，包括：
7.根据权利要求2至4任一项所述方法，其特征在于，所述方法还包括：
8.根据权利要求5所述方法，其特征在于，在所述第七信息中包含所述明文数据的数据输入位置信息，所述明文数据的数据输入位置信息与所述第一映射数据和/或所述第二映射数据之间具有关联关系的情况下，所述第二信息中还包括了输出结果映射表，所述方法还包括：
9.根据权利要求5所述的方法，其特征在于，在所述第七信息中包含所述明文数据的数据输入位置信息，以及，所述第一映射数据的数据输入位置信息和/或所述第二映射数据的数据输入位置信息的情况下，所述数据输入位置信息包括以下任意一项：
10.根据权利要求5所述的方法，其特征在于，所述明文数据的需求信息包括：所述明文数据的数据项和所述明文数据的收集个数。
11.根据权利要求5所述的方法，其特征在于，所述方法还包括：
12.根据权利要求1所述的方法，其特征在于，所述第一数据映射方法和/或所述第二数据映射方法，包括以下任意一项：
13.根据权利要求1或5所述的方法，其特征在于，所述数据收集需求，包括以下一项或者多项：
14.根据权利要求13所述的方法，其特征在于，所述收集数据项包括以下一项或者多项：
15.根据权利要求1所述的方法，其特征在于，所述方法还包括：
16.一种ai模型推理方法，其特征在于，包括：
17.根据权利要求16所述的方法，其特征在于，
18.根据权利要求16所述的方法，其特征在于，所述第一信息中还包含ai模型标识，在所述第二设备通过第二数据映射方法映射得到第二映射数据之前，所述方法还包括：
19.根据权利要求16所述的方法，其特征在于，所述第一信息中还包含所述ai模型标识，在所述第二设备通过第二数据映射方法映射得到第二映射数据之前，所述方法还包括：
20.根据权利要求17至19任一项所述方法，其特征在于，所述方法还包括：
21.根据权利要求16所述的方法，其特征在于...
【专利技术属性】
技术研发人员：周通，吴昊，
申请(专利权)人：维沃移动通信有限公司，
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。