【技术实现步骤摘要】
【国外来华专利技术】
本文描述的主题涉及机器学习和无线通信。
技术介绍
1、联邦学习是指机器学习(ml)技术。在联邦学习中，中央服务器可以池化跨客户端节点处的机器学习模型发生的学习，而无需中央服务器访问客户端节点处的本地训练数据，从而维护本地数据的隐私。在联邦学习的情况下，ml模型可以在中央服务器和客户端节点之间频繁地传送。
技术实现思路
1、在一些示例实施例中，可以提供一种方法，该方法包括：由用户设备向接入节点发送针对机器学习模型的请求，其中请求包括关于至少一个模型适配约束的信息，至少一个模型适配约束用于机器学习模型的训练或用于机器学习模型的推理；由用户设备从接入节点接收根据至少一个模型适配约束所适配的机器学习模型，以及用于监测机器学习模型的性能和/或用于监测至少一个用户设备性能指示符的至少一个指令；由用户设备将机器学习模型应用于机器学习模型的训练或机器学习模型的推理；由用户设备根据至少一个指令监测机器学习模型和/或至少一个用户设备性能指示符；以及由用户设备向接入节点发送关于性能或失败信息中的至少一项的信息，...
【技术保护点】
1.一种方法，包括：
2.根据权利要求1所述的方法，还包括：
3.根据权利要求2所述的方法，还包括：
4.根据权利要求1至3中任一项所述的方法，其中响应于所述性能指示在所述用户设备处应用或适配所述机器学习模型未失败，由所述用户设备继续使用所述机器学习模型。
5.根据权利要求1至4中任一项所述的方法，其中响应于所述性能指示在所述用户设备处应用或适配所述机器学习模型失败，由所述用户设备切换到以下至少一项：用于执行所述机器学习模型的任务的非机器学习模式、用于执行所述任务的所述机器学习模式的先前版本。
6.根据权利要...
【技术特征摘要】
【国外来华专利技术】
1.一种方法，包括：
2.根据权利要求1所述的方法，还包括：
3.根据权利要求2所述的方法，还包括：
4.根据权利要求1至3中任一项所述的方法，其中响应于所述性能指示在所述用户设备处应用或适配所述机器学习模型未失败，由所述用户设备继续使用所述机器学习模型。
5.根据权利要求1至4中任一项所述的方法，其中响应于所述性能指示在所述用户设备处应用或适配所述机器学习模型失败，由所述用户设备切换到以下至少一项：用于执行所述机器学习模型的任务的非机器学习模式、用于执行所述任务的所述机器学习模式的先前版本。
6.根据权利要求1至5中任一项所述的方法，其中通过至少根据权重剪枝、结构剪枝、权重量化或机器学习模型架构改变中的至少一项来压缩所述机器学习模型，所述机器学习模型根据所述至少一个模型适配约束被适配。
7.根据权利要求1至6中任一项所述的方法，其中所述至少一个模型适配约束包括以下至少一项：与所述机器学习模型相关的约束、与用户设备资源约束相关的约束、所述用户设备的电池寿命、或针对所述机器学习模型的所述推理的延迟要求。
8.根据权利要求1至7中任一项所述的方法，其中用于监测所述机器学习模型的性能的所述至少一个指令包括用于评估所述机器学习模型的所述性能的一个或多个度量，并且/或者其中所述至少一个用户设备性能指示符包括一个或多个关键性能指示符。
9.一种方法，包括：
10.根据权利要求9所述的方法，还包括：
11.根据权利要求10所述的方法，其中响应于接收关于基于所述至少一个指令所执行的监测的信息或者指示所述用户设备应用所述机器学习模型失败的所述失败信息，所述方法还包括：
12.根据权利要求9至11中任一项所述的方法，其中根据所述至少一个模型适配约束所适配的所述机器学习模型，通过至少使用权重剪枝、结构剪枝、权重量化或机器学习模型架构改变中的至少一项压缩所述机器学习模型而被适配。
13.根据权利要求9至12中任一项所述的方法，其中用于监测所述机器学习模型的性能的所述至少一个指令包括用于评估所述机器学习模型的所述性能的一个或多个度量，并且/或者其中所述至少一个用户设备性能指示符包括一个或多个关键性能指示符。
14.一种装置，包括：
15.根据权利要求14所述的装置，其中还使所述装置至少：从所述接入节点接收未根据所述至少一个模型适配约束所适配的所述机器学习模型，以及用于监测所述机器学习模型的性能和/或用于监测所述至少一个用户设备性能指示符的所述至少一个指令。
16.根据权利要求15所述的装置，其中还使所述装置至少：在继续所述应用、所述监测和所述发送关于所述性能或所述失败信息...
【专利技术属性】
技术研发人员：A·阿里，S·哈桑，A·费基，I·Z·科瓦奇，A·马斯里，F·赛义德·穆罕默德，S·哈提卜，宋健，
申请(专利权)人：诺基亚技术有限公司，
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。