CN119476398A 一种ai模型训练方法及系统 （北京庭宇科技有限公司）_第1页
CN119476398A 一种ai模型训练方法及系统 （北京庭宇科技有限公司）_第2页
CN119476398A 一种ai模型训练方法及系统 （北京庭宇科技有限公司）_第3页
CN119476398A 一种ai模型训练方法及系统 （北京庭宇科技有限公司）_第4页
CN119476398A 一种ai模型训练方法及系统 （北京庭宇科技有限公司）_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

应用于中央服务器和与中央服务器通讯连接的AI模型进行模型压缩与优化，得到待训练AI模复执行上述步骤S3~S4，直到达到预设模型收敛2步骤S2：对所述待训练AI模型进行容器化部署，以使步骤S3：利用各所述边缘设备对所述待训练AI模型进步骤S4：利用所述中央服务器聚合各所述局部模型参数2.根据权利要求1所述的方法，其特征在于，所述对所述待训练AI模型进行容器化部所述中央服务器接收各所述边缘设备上传的局所述中央服务器利用聚合算法将所有局部模型参数合并为新的全7.根据权利要求1所述的方法，其特征在于，所述得到全局更新后的全局模型参数之3所述中央服务器将所述全局模型参数广播至所有参与训练的将所述全局模型参数应用于所述待训练AI模型，并利用中央服务器和/或部分边缘设根据所述模型性能参数判断所述待训练AI模型是否达到预设模在所述中央服务器与各所述边缘设备的数据传输过程中，采用所述中央服务器和所述边缘设备用于执行如权利要求1~9任一项所述的AI模型训练方4[0002]随着物联网(IoT)和移动互联网的快速发展，越来越多的智能设备被广泛应用于5将所述待训练AI模型和所述待训练AI模型的训练环境一同封装至轻量的安卓容[0008]进一步地，所述利用各所述边缘设备对所述待训练AI模利用本地数据集对所述待训练AI模型进行局部训练，得到更新后的局部模型参所述中央服务器接收各所述边缘设备上传的局所述中央服务器将所述全局模型参数广播至所有参与训练的将所述全局模型参数应用于所述待训练AI模型，并利用中央服务器和/或部分边根据所述模型性能参数判断所述待训练AI模型是否达到预设模所述中央服务器和所述边缘设备用于执行如本发明第一方面任一项所述的AI模6备对所述待训练AI模型进行分布式训练，得到各所述边缘设备训练得到的局部模型参数，7[0024]本发明实施例中，将待训练AI模型及其训练环境一同封例还需要利用中央服务器初始化模型参数，并将初始模型参数W_0发送至所有参与训练的[0031]具体地，中央服务器可以采用聚合算法将局部模型参数合并为新的全局模型参中央服务器进行对模型性能集中评估，或选取部分边缘设备对模型性能进行分布式评估，8型；对待训练AI模型进行容器化部署，以使待训练AI模型能够在各边缘设备320上无缝运9[0045]可选地，边缘设备320，还可以用于利用本地数据集对待训练AI模型进行局部训将全局模型参数广播至所有参与训练的边缘根据模型性能参数判断待训练AI模型是否达到预设模本发明的技术方案本质上或者该技术方案的全部或部分可以以软件产品的形式

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论