[发明专利]基于联邦学习模型的视图显示方法、装置、设备及介质

权利要求书

1.一种基于联邦学习模型的视图显示方法，其特征在于，所述基于联邦学习模型的视图显示方法包括以下步骤：

获取横向联邦学习模型迭代训练过程中，所述横向联邦学习模型对应各客户端的运行数据；

根据所述运行数据构建所述横向联邦学习模型对应的可视视图，并确定所述横向联邦学习模型的训练进程；

根据所述训练进程确定所述可视视图中显示的内容。

2.如权利要求1所述的基于联邦学习模型的视图显示方法，其特征在于，所述运行数据至少包括以下一种：客户端标识、各次迭代训练的开始时间戳、客户端对应的训练样本数量、本地模型对应的损失值、各客户端通过本地数据训练本地模型的开始时间点和结束时间点，所述可视视图包括概览视图；

所述根据所述运行数据构建所述横向联邦学习模型对应的可视视图的步骤包括：

对所述运行数据进行可视化编码，得到可视化后的运行数据；

根据可视化后的运行数据构建所述横向联邦学习模型对应的概览视图。

3.如权利要求1所述的基于联邦学习模型的视图显示方法，其特征在于，所述可视视图包括投影视图，所述根据所述运行数据构建所述横向联邦学习模型对应的可视视图的步骤包括：

根据所述运行数据确定各客户端对应的指标数据；

根据所述指标数据构建所述横向联邦学习模型对应的投影视图，其中，所述投影视图中的各个节点分别表示客户端标识和迭代次数之间的映射关系。

4.如权利要求1所述的基于联邦学习模型的视图显示方法，其特征在于，所述可视视图包括摘要视图，所述根据所述运行数据构建所述横向联邦学习模型对应的可视视图的步骤包括：

确定所述运行数据对应的统计数据，其中，所述统计数据至少包括以下一种：所述横向联邦学习模型对应客户端的客户端数量、迭代次数、训练所述横向联邦学习模型的待训练样本数的变化数量、所述横向联邦学习模型对应的损失值对应的减少值和各客户端对应本地模型的识别精度的增长值；

根据所述统计数据构建所述横向联邦学习模型对应的摘要视图。

5.如权利要求1所述的基于联邦学习模型的视图显示方法，其特征在于，所述可视视图包括比较视图，所述根据所述运行数据构建所述横向联邦学习模型对应的可视视图的步骤包括：

根据所述运行数据确定各客户端对应的指标数据，并在所述指标数据中确定所述横向联邦学习模型最后一次迭代训练对应的目标指标；

根据所述目标指标构建所述横向联邦学习模型对应的比较视图。

6.如权利要求1所述的基于联邦学习模型的视图显示方法，其特征在于，所述可视视图包括贡献度排序视图，所述根据所述运行数据构建所述横向联邦学习模型对应的可视视图的步骤包括：

确定客户端的运行数据在各次迭代训练中的排名顺序；

将所述排名训练以盒须图的形式显示，以构建所述横向联邦学习模型对应的贡献度排序视图。

7.如权利要求1至6任一项所述的基于联邦学习模型的视图显示方法，其特征在于，所述根据所述运行数据构建所述横向联邦学习模型对应的可视视图，并确定所述横向联邦学习模型的训练进程的步骤之后，还包括：

检测是否接收到操作所述可视视图的操作指令；

若接收到所述操作指令，则所述根据所述训练进程确定所述可视视图中显示的内容的步骤包括：

根据所述操作指令和所述训练进程确定所述可视视图中显示的内容。

8.一种基于联邦学习模型的视图显示装置，其特征在于，所述基于联邦学习模型的视图显示装置包括：

获取模块，用于获取横向联邦学习模型迭代训练过程中，所述横向联邦学习模型对应各客户端的运行数据；

构建模块，用于根据所述运行数据构建所述横向联邦学习模型对应的可视视图；

确定模块，用于确定所述横向联邦学习模型的训练进程；根据所述训练进程确定所述可视视图中显示的内容。