[发明专利]动态网络配置

权利要求书

1.一种用于动态地配置用于训练机器学习模型的网络(100)的方法(200)，所述网络包括被配置为执行所述机器学习模型的训练的服务器计算设备(102)和多个客户端计算设备(104)，所述方法在通信地耦合到所述网络的计算设备处执行，并且所述方法包括：

选择(202)所述多个客户端计算设备中的用于参与训练所述机器学习模型的客户端计算设备的数量；

基于所选择的数量个客户端计算设备确定(204)所述机器学习模型的评估度量的第一值；

确定(206)调整触发的存在；

响应于确定所述调整触发的存在而调整(208)用于确定所述评估度量的值的客户端计算设备的数量；

基于调整后的数量个客户端计算设备确定(210)所述评估度量的第二值；以及

基于所述评估度量的所述第二值设置(212)参与训练所述机器学习模型的客户端计算设备的数量。

2.根据权利要求1所述的方法(200)，其中：

确定(206)调整触发的存在包括确定(306)所述评估度量的所述第一值指示所述机器学习模型的性能低于阈值水平；并且

调整(208)用于确定所述评估度量的值的客户端计算设备(104)的数量包括增加(308)参与训练所述机器学习模型的客户端计算设备的数量。

3.根据权利要求2所述的方法(200)，还包括：在确定(210)所述评估度量的所述第二值之前使增加后的数量个客户端计算设备训练所述机器学习模型。

4.根据权利要求2或3所述的方法(200)，其中，设置(212)参与训练的客户端计算设备(104)的数量包括：

如果所述评估度量的所述第二值等于或小于所述评估度量的所述第一值，则恢复(312)到客户端计算设备的所述所选择的数量；

如果所述评估度量的所述第二值指示所述机器学习模型的性能高于所述阈值水平，则维持(316)客户端计算设备的所述增加后的数量；或者

如果所述评估度量的所述第二值指示所述机器学习模型的性能高于所述评估度量的所述第一值并且低于所述阈值水平，则进一步增加参与训练所述机器学习模型的客户端计算设备的数量。

5.根据任一前述权利要求所述的方法(200)，其中，确定(206)调整触发的存在包括：

确定(404、504)所述评估度量的所述第一值指示所述机器学习模型的性能高于阈值水平；以及

确定(406、506)自先前对用于确定所述评估度量的值的客户端计算设备的数量进行调整以来已经经过了预定时段。

6.根据权利要求5所述的方法(200)，其中，调整(208)用于确定所述评估度量的值的客户端计算设备(104)的数量包括使用(408)所选择的数量个客户端计算设备的子集来确定所述评估度量的值。

7.根据权利要求5或6所述的方法(200)，其中，设置(212)参与训练的客户端计算设备(104)的数量包括：

如果所述评估度量的所述第二值指示所述机器学习模型的性能低于所述阈值水平，则维持(412)客户端计算设备的所述所选择的数量；或者

如果所述评估度量的所述第二值指示所述机器学习模型的性能高于所述阈值水平，则将参与训练的客户端计算设备的数量减少(416)到所述子集中的客户端计算设备的数量。

8.根据权利要求5所述的方法(200)，其中，调整(208)用于确定所述评估度量的值的客户端计算设备(104)的数量包括：减少(508)参与训练所述机器学习模型的客户端计算设备的数量。

9.根据权利要求8所述的方法(200)，还包括：在确定所述评估度量的所述第二值之前使减少后的数量个客户端计算设备训练所述机器学习模型。