[发明专利]模型训练方法及其节点、网络及存储装置

说明书

本申请公开了一种模型训练方法及其节点、网络及存储装置。其中，所述方法应用于包含至少一组节点的去中心化网络中，其中，每组节点包括至少一个节点，至少部分所述节点用于训练得到所述模型的模型参数；所述方法包括：当前节点在本组内采用预设去中心化训练策略得到对所述模型的组内参数；利用所述组内参数和与所述当前节点的组外邻居节点相对于所述当前节点的权重，得到对所述模型的模型参数。通过上述方式，能够实现基于去中心化网络对模型的训练。

技术领域

本申请涉及区块链技术领域，特别是涉及一种模型训练方法及其节点、网络及存储装置。

背景技术

目前，通常需要采用各种数据模型来实现信息的处理，例如采用识别模型进行图像识别等。如今，去中心化网络由于具有高可靠性，已经日渐广泛应用于各领域。去中心化网络，即包含多个节点，且该网络中不存在中心节点。在进行上述信息处理时，可采用去中心网络中的各节点协同实现利用模型进行信息处理。也即，各节点利用其相应模型对输入信息进行处理，以输出结果。

在进行上述利用模型进行信息处理之前，需要先训练得到相关模型。对于去中心化网络，由于其不具有中心节点，即无法实现基于中心节点或参数节点对模型进行训练。

发明内容

本申请主要解决的技术问题是提供一种模型训练方法及其节点、网络及存储装置，实现基于去中心化网络对模型的训练。

为解决上述技术问题，本申请第一方面提供一种模型训练方法，所述方法应用于包含至少一组节点的去中心化网络中，其中，每组节点包括至少一个节点，至少部分所述节点用于训练得到所述模型的模型参数；所述方法包括：当前节点在本组内采用预设去中心化训练策略得到对所述模型的组内参数；利用所述组内参数和与所述当前节点的组外邻居节点相对于所述当前节点的权重，得到对所述模型的模型参数。

为了解决上述技术问题，本申请第二方面提供一种去中心化网络的节点，包括处理器及与所述处理器耦接的存储器和通信电路，其中，所述通信电路用于与所述去中心化网络的其他节点通信；所述存储器，用于存储程序指令；所述处理器，用于运行所述程序指令以执行上述方法。

为了解决上述技术问题，本申请第三方面提供一种去中心化网络，所述去中心化网络包括至少一组节点，每组节点包括至少一个上述的节点。

为了解决上述技术问题，本申请第四方面提供一种存储装置，所述存储装置存储有程序指令，当所述程序指令在处理器上运行时，执行上述第一方面所述的方法。

上述方案，采用在组内采用预设去中心化训练策略得到对模型的组内参数，再利用组外邻居节点的权重对该组内参数进行加权，以实现在去中心化网络中利用其普通节点即可得到该模型的模型参数，无需中心节点。

附图说明

图1是本申请去中心化网络一实施例的结构示意图；

图2是本申请模型训练方法一实施例的流程示意图；

图3A是本申请模型训练方法另一实施例中步骤S220的流程示意图；

图3B是本申请模型训练方法又一实施例中步骤S220的流程示意图；

图4是本申请模型训练方法再一实施例的流程示意图；

图5是本申请去中心化网络的节点一实施例的结构示意图；

图6是本申请存储装置一实施例的结构示意图。

具体实施方式

为了更好的理解本申请的技术方案，下面结合附图对本申请实施例进行详细描述。