本申请实施例公开了一种模型训练过程数据存储方法、装置、设备及存储介质，该方法包括：接收模型训练设备发送的数据上链请求；数据上链请求携带模型训练设备在对神经网络模型进行任一轮迭代训练过程中得到的调整后的神经网络模型的模型参数，以及神经网络模型进行任一轮迭代训练后的神经网络模型的至少一个模型数据；基于数据上链请求，从至少一个模型数据中获取数据类型为预设数据类型的目标模型数据；将模型参数和目标模型数据存储至神经网络模型的缓存队列中；若缓存队列的数据量达到预设数据量，则基于缓存队列中的模型参数和目标模型数据生成区块；将区块发送至区块链网络。采用本申请实施例能够提升将数据存储至区块链的效率。
【技术实现步骤摘要】
本申请涉及互联网，尤其涉及一种模型训练过程数据存储方法、装置、设备及存储介质。
技术介绍
1、在模型的训练过程中会产生大量的数据，有效的数据存储方案可以提高数据访问速度、降低存储成本，并确保数据的安全性和可用性。其中，可以通过将模型训练过程中产生的大量数据存储至区块链，以此保障数据安全，但在将数据存储至区块链的过程中，会消耗大量的资源。因此如何提升将数据存储至区块链的效率是目前亟需解决的问题。
技术实现思路
1、本申请实施例提供了一种模型训练过程数据存储方法、装置、设备及存储介质，能够提升将数据存储至区块链的效率。
2、第一方面，本申请实施例提供了一种模型训练过程数据存储方法，该方法包括：
3、接收模型训练设备发送的数据上链请求；模型训练设备用于对神经网络模型进行至少一轮迭代训练，数据上链请求携带模型训练设备在对神经网络模型进行任一轮迭代训练过程中得到的调整后的神经网络模型的模型参数，以及神经网络模型进行任一轮迭代训练后的神经网络模型的至少一个模型数据；
>4、基于数据上链请本文档来自技高网...
【技术保护点】
1.一种模型训练过程数据存储方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
3.如权利要求2所述的方法，其特征在于，所述验证请求是所述审计设备在接收到所述模型训练设备发送的异常通知消息后生成的，所述异常通知消息是所述模型训练设备在所述神经网络模型进行第K轮迭代训练得到的模型训练结果出现异常的情况下生成的，K为正整数；
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
5.如权利要求1所述的方法，其特征在于，所述基于所述缓存队列中的模型参数和目标模型数据生成区块，包括：
<p>6.如权利要求1...
【技术特征摘要】
1.一种模型训练过程数据存储方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
3.如权利要求2所述的方法，其特征在于，所述验证请求是所述审计设备在接收到所述模型训练设备发送的异常通知消息后生成的，所述异常通知消息是所述模型训练设备在所述神经网络模型进行第k轮迭代训练得到的模型训练结果出现异常的情况下生成的，k为正整数；
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
5.如权利要求1所述的方法，其特征在于，所述基于所述缓存队列中的模型参数和目标模型数据生成区块，包括：
6.如权利要求1所述的方法，其特征在于，所述基于所述缓存队列中的模型参数和目标模型数据生成区块，包括：
7.如权利要求1所述的方法，其特征在于，所述基于所述缓存队列中的模型参数和目标模型数据生成区块，包括：
8.如权利要求...
【专利技术属性】
技术研发人员：秦波，蓝虎，卢江玮，梁作栋，莫洋，陈自民，张慧，黄桂鸿，高聪，范滔，佘仕好，
申请(专利权)人：腾讯科技深圳有限公司，
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。