全局模型参数的确定方法和装置、存储介质及电子设备制造方法及图纸

本申请实施例提供了一种全局模型参数的确定方法和装置、存储介质及电子设备，其中，该全局模型参数的确定方法包括：获取与云服务器网络中的第一服务器所在本簇的各用户端对应的筛选量测数据；基于各所述筛选量测数据，得到所述第一服务器的第一局部模型参数；获取所述云服务器网络中除所述第一服务器以外的第二服务器的第二局部模型参数；聚合所述第一局部模型参数和所述第二局部模型参数，得到全局模型参数。可以解决相关技术中展开全局参数聚合时，往往需要经过多轮时间迭代，这不仅使得整个网络的通信开销十分庞大，还导致确定全局参数花费的时间过长，从而影响了模型构建效率的问题。

【技术实现步骤摘要】

本申请实施例涉及计算机，具体而言，涉及一种全局模型参数的确定方法和装置、存储介质及电子设备。

技术介绍

1、随着计算机技术的发展，已进入了数字时代。在数字时代，来源于边缘数字设备，例如手提电话，连接工业设备的传感器等的海量数据通常会发送至中央处理单元(如云服务器)，由云服务器进行数据处理、模型学习、包装、聚合等。

2、为了提高数据处理、计算以及存储效率，peer-t0-peer(p2p)云服务器网络分布式机器学习框架应运而生。此种学习框架，通过割裂用户端形成多个簇，每个簇配置一个云服务器，形成局部集中式学习模块，进而通过局部学习模块，得到局部参数。多个簇的云服务器通过聚合局部参数，得到全局参数，从而可以基于全局参数展开模型构建。

3、然而，此种学习框架依然面临着许多问题。每个簇的云服务器得到本簇的局部参数之后，在展开全局参数聚合时，往往需要经过多轮时间迭代，这不仅使得整个网络的通信开销十分庞大，还导致全局参数的确定时间过长，以此影响了模型构建效率。

技术实现思路

1、本申请实施例提供了本文档来自技高网...

【技术保护点】

1.一种全局模型参数的确定方法，其特征在于，

2.根据权利要求1所述的方法，其特征在于，

3.根据权利要求1所述的方法，其特征在于，

4.根据权利要求3所述的方法，其特征在于，

5.根据权利要求3所述的方法，其特征在于，

6.根据权利要求1所述的方法，其特征在于，

7.根据权利要求6所述的方法，其特征在于，

8.根据权利要求6所述的方法，其特征在于，

9.根据权利要求8所述的方法，其特征在于，

10.根据权利要求1所述的方法，其特征在于，

11.根据权利要求1所述的方法...

【技术特征摘要】

1.一种全局模型参数的确定方法，其特征在于，

2.根据权利要求1所述的方法，其特征在于，

3.根据权利要求1所述的方法，其特征在于，

4.根据权利要求3所述的方法，其特征在于，

5.根据权利要求3所述的方法，其特征在于，

6.根据权利要求1所述的方法，其特征在于，

7.根据权利要求6所述的方法，其特征在于，

8.根据权利要求6所述的方法，其特征在于，

9.根据权利要求8所述的方法，其特征在于，

10.根据权利要求1所述的方法，其特征在于，

11.根据权利要求1所述的方法，其特征在于，

12.根据权利要求11所述的方法，其特征在于，

13.根据权利要求12所述的方法，...

【专利技术属性】
技术研发人员：张旭，孙华锦，胡雷钧，王小伟，
申请(专利权)人：山东云海国创云计算装备产业创新中心有限公司，
类型：发明
国别省市：