CN119496824A 基于联邦学习的云边大小模型协同方法及系统、电子设备 （青岛大数据科技发展有限公司）_第1页
CN119496824A 基于联邦学习的云边大小模型协同方法及系统、电子设备 （青岛大数据科技发展有限公司）_第2页
CN119496824A 基于联邦学习的云边大小模型协同方法及系统、电子设备 （青岛大数据科技发展有限公司）_第3页
CN119496824A 基于联邦学习的云边大小模型协同方法及系统、电子设备 （青岛大数据科技发展有限公司）_第4页
CN119496824A 基于联邦学习的云边大小模型协同方法及系统、电子设备 （青岛大数据科技发展有限公司）_第5页
已阅读5页，还剩16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

基于联邦学习的云边大小模型协同方法及本发明提供了一种基于联邦学习的云边大2S200、云服务器将初始的更新小模型分发到各S300、各节点根据本地的原始数据进行模型训S400、云服务器对接收到各终端设备小模型的在多任务学习框架下，根据训练过程中的各项指标或条件动3控制模块，用于在云侧创建边缘设备的虚拟对象；用于控制云述处理器执行时实现根据权利要求1至8中任意一项所述的基于联邦学习的云边大小模型4在多任务学习框架下，根据训练过程中的各项指标或条件动态地调整任务权重、5[0016]图1是本发明具体实施例中提供的基于联邦学习的云边大小模型协同方法的流程6图2是本发明具体实施例中提供的基于联邦学习的云边大小模型协同系统的系统没有做出创造性劳动的前提下所获得的其它类同实施例，都应当属于本申请保护的范围。在多任务学习框架下，根据训练过程中的各项指标或条件动态地调整任务权重、7馏的基本步骤是使用将融合大模型定义为教师模型，在一个大规模的数据集上进行训练，本身的损失函数,学生模型可以学习到教师模型中的知识，并将其应用于新的数据集上的8[0039]本发明适用于需要保护用户隐私、同时利用云边分布式算力进行模型训练的场通过联邦学习可以实现数据的高效利用和模型9提供环境。该计算机设备的网络接口和通信接口可用于与外部的设备通过网络连接和通两个或更多个方法步骤/操作，可以由单个计算机设备或处理器或由两个或更多个计算机设备或处理器执行。一个或多个方法步骤/操作可以由一个或多个计算机设备或处理器执一个或多个计算机设备或处理器可以执行单个方法步骤/操作，或执行两个或更多个方法

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