[发明专利]虚拟网络映射方法及其模型训练方法、装置

权利要求书

1.一种用于虚拟网络映射的模型训练方法，其特征在于，所述方法包括：

根据物理网络中的节点信息获取训练集，将所述训练集进行预处理，得到所述训练集中的所述节点信息的索引信息；

将已完成预处理的所述训练集输入至所述模型的编码单元中进行训练，得到第一训练结果；

将所述第一训练结果输入至所述模型的解码单元中进行训练，得到第二训练结果；

根据所述第二训练结果，使用预设的损失函数计算所述模型的损失值；通过所述损失值更新所述模型的参数；

判断所述损失值是否满足预设的损失阈值；

如果满足，则结束训练，得到用于虚拟网络映射的模型；

所述模型的编码单元中包含多个编码器；

所述将已完成预处理的所述训练集输入至所述模型的编码单元中进行训练，得到第一训练结果的步骤，包括：

对所述模型的编码单元进行初始化，所述编码单元中包含多个相同的编码器；

将已完成预处理的所述训练集输入至第一个编码器中并输出编码结果；

依次将前一个编码器输出的编码结果输入后一个编码器，直至最后一个编码器输出的编码结果记为所述第一训练结果；

所述模型的解码单元中包含多个解码器；

所述将所述第一训练结果输入至所述模型的解码单元中进行训练，得到第二训练结果步骤，包括：

对所述模型的解码单元进行初始化，所述解码单元中包含多个相同的解码器；

将所述第一训练结果输入至第一个解码器并输出解码结果；

依次将前一个解码器输出的解码结果以及所述第一训练结果输入后一个解码器，直至最后一个解码器输出的解码结果记为第二训练结果。

2.根据权利要求1所述的方法，其特征在于，所述编码器包括自注意力机制层以及前向传递层；

所述将已完成预处理的所述训练集输入至第一个编码器并输出编码结果的步骤，包括：

将已完成预处理的所述训练集输入至所述自注意力机制层，得到第一向量列表；

将所述第一向量列表传递到所述前向传递层，得到第二向量列表，所述第二向量列表与所述第一向量列表的维度相同；

将所述第二向量列表记为所述第一个编码器的编码结果。

3.根据权利要求2所述的方法，其特征在于，所述训练集中的数据为底层物理网络中每个物理节点的数据，包括：节点的度、节点的CPU数据以及与节点相连接的链路的带宽数据。

4.根据权利要求1所述的方法，其特征在于，所述解码器包括自注意力机制层、注意力机制层以及前向传递层；

所述将所述第一训练结果输入至第一个解码器并输出解码结果的步骤，包括：

将第一训练结果输入至所述自注意力机制层，得到第一向量列表；

将所述第一向量列表传递到所述注意力机制层，得到第二向量列表；所述第二向量列表包含所述第一向量列表的位置信息；

将所述第二向量列表传递到所述前向传递层，得到第三向量列表，所述第三向量列表与所述第一向量列表、所述第二向量列表的维度相同；

将所述第三向量列表记为所述第一个解码器的解码结果。

5.根据权利要求1所述的方法，其特征在于，所述第二训练结果为当前虚拟请求的节点映射结果；所述第二训练结果中向量维度的数量表示物理网络的节点数量；所述第二训练结果中向量维度的状态表示节点是否映射到对应的物理节点上。

6.根据权利要求1所述的方法，其特征在于，所述通过所述损失值更新所述模型的参数的步骤，包括：

为所述虚拟网络中的每个虚拟节点设立多维度的标签；

采用强化学习算法更新所述模型的参数。