[发明专利]获取人工智能模型的方法、装置、设备及存储介质

权利要求书

1.一种用于获取人工智能模型的方法，其特征在于，所述方法包括：

客户端接收所述服务端发送的第一人工智能AI模型，所述第一AI模型包括多个神经元；

所述客户端在所述多个神经元中确定参与本轮训练的目标神经元，本轮训练为非首轮训练，所述目标神经元的数量小于所述多个神经元的总数量；

所述客户端基于本地数据对所述目标神经元进行训练；

所述客户端向所述服务端返回所述目标神经元对应的参数数据，所述目标神经元对应的参数数据用于所述服务端获取收敛的目标AI模型。

2.根据权利要求1所述的方法，其特征在于，所述多个神经元中的各个神经元具有对应的冷活标志位，冷活标志位的值为第一值时，用于指示神经元参与本轮训练；

所述在所述多个神经元中确定参与本轮训练的目标神经元，包括：

将冷活标志位为第一值的神经元确定为参与本轮训练的目标神经元。

3.根据权利要求2所述的方法，其特征在于，所述多个神经元中的各个神经元具有对应的冷冻期，所述冷冻期用于指示神经元不参与训练的周期；

任一神经元对应的冷活标志位的值，基于所述任一神经元对应的冷冻期确定。

4.根据权利要求3所述的方法，其特征在于，所述将冷活标志位为第一值的神经元确定为参与本轮训练的目标神经元之前，还包括：

对于所述多个神经元中的任一神经元，获取所述任一神经元在上轮训练的活跃度，所述活跃度用于指示神经元被本地数据影响的程度；

根据所述任一神经元在上轮训练的活跃度更新所述任一神经元的冷冻期，根据所述任一神经元的冷冻期更新所述任一神经元的冷活标志位的值。

5.根据权利要求4所述的方法，其特征在于，所述多个神经元中的各个神经元还具有对应的冷冻期计数器，所述冷冻期计数器用于指示所述冷冻期是否结束；

所述获取所述任一神经元在上轮训练的活跃度，包括：

响应于所述任一神经元的冷冻期计数器的值指示所述任一神经元的冷冻期结束，获取所述任一神经元在上轮训练的活跃度。

6.根据权利要求1所述的方法，其特征在于，所述在所述多个神经元中确定参与本轮训练的目标神经元，包括：

对于所述多个神经元中的任一神经元，获取所述任一神经元在上轮训练的活跃度，所述活跃度用于指示神经元被本地数据影响的程度；

响应于所述任一神经元在上轮训练的活跃度大于活跃度阈值，将所述任一神经元确定为参与本轮训练的目标神经元。

7.根据权利要求4-6任一所述的方法，其特征在于，所述获取所述任一神经元在上轮训练的活跃度，包括：

获取所述任一神经元在上轮训练前得到的参数的第一平均值，以及所述任一神经元在上轮训练后得到的参数的第二平均值；

获取所述第一平均值及所述第二平均值之间的差值；

根据所述差值的绝对值与所述第一平均值的绝对值确定所述任一神经元在上轮训练的活跃度。

8.根据权利要求1所述的方法，其特征在于，所述接收所述服务端发送的第一人工智能AI模型之前，还包括：

接收所述服务端发送的第一人工智能AI模型，将所述多个神经元中的全部神经元确定为目标神经元，基于本地数据对所述目标神经元进行训练。

9.根据权利要求2-5任一所述的方法，其特征在于，所述向所述服务端返回所述目标神经元对应的参数数据，还包括：

向所述服务器发送各个神经元的冷活标志位，或者，向所述服务器发送值发生变化的冷活标志位。

10.根据权利要求1-9任一所述的方法，其特征在于，所述向所述服务端返回所述目标神经元对应的参数数据，包括：仅向所述服务端返回所述目标神经元对应的参数数据。