[发明专利]一种学习模型训练方法和系统在审
| 申请号： | 202011570866.8 | 申请日： | 2020-12-26 |
| 公开（公告）号： | CN112766455A | 公开（公告）日： | 2021-05-07 |
| 发明（设计）人： | 徐亚鹏;秦凯新;刘黎;陈天石;王小珂 | 申请（专利权）人： | 苏州浪潮智能科技有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06N5/04;G06N20/20;G06F21/62 |
| 代理公司： | 北京连和连知识产权代理有限公司 11278 | 代理人： | 张涛;杨帆 |
| 地址： | 215100 江苏省苏州市吴*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 学习 模型 训练 方法 系统 | ||
1.一种学习模型训练方法，其特征在于，包括执行以下步骤：
由分发器将主机端的分支模型发送到多个参与者端；
在多个所述参与者端将其本地的训练样本输入各自的所述分支模型以获得输出特征；
由推送器将各参与者端的所述输出特征反馈到所述主机端；
由管理器基于所述输出特征执行前向传播和梯度运算获得参数更新信息；
基于所述参数更新信息更新所述主机端的所述分支模型。
2.根据权利要求1所述的方法，其特征在于，所述分发器和所述管理器设置于所述主机端；所述推送器设置于多个所述参与者端。
3.根据权利要求1所述的方法，其特征在于，多个所述参与者端本地的所述训练样本包括非公开的隐私数据。
4.根据权利要求1所述的方法，其特征在于，在多个所述参与者端将其本地的训练样本输入各自的所述分支模型以获得输出特征包括：在多个所述参与者端将其本地的训练样本输入所述分支模型的训练分支以分别执行多层卷积，并获取最后一个卷积层的输出结果作为所述输出特征。
5.根据权利要求1所述的方法，其特征在于，基于所述参数更新信息更新所述主机端的所述分支模型包括：基于所述参数更新信息更新所述分支模型中的参数。
6.一种学习模型训练系统，其特征在于，包括：
处理器；和
存储器，存储有处理器可运行的程序代码，所述程序代码在被运行时执行以下步骤：
由分发器将主机端的分支模型发送到多个参与者端；
在多个所述参与者端将其本地的训练样本输入各自的所述分支模型以获得输出特征；
由推送器将各参与者端的所述输出特征反馈到所述主机端；
由管理器基于所述输出特征执行前向传播和梯度运算获得参数更新信息；
基于所述参数更新信息更新所述主机端的所述分支模型。
7.根据权利要求6所述的系统，其特征在于，所述分发器和所述管理器设置于所述主机端；所述推送器设置于多个所述参与者端。
8.根据权利要求6所述的系统，其特征在于，多个所述参与者端本地的所述训练样本包括非公开的隐私数据。
9.根据权利要求6所述的系统，其特征在于，在多个所述参与者端将其本地的训练样本输入各自的所述分支模型以获得输出特征包括：在多个所述参与者端将其本地的训练样本输入所述分支模型的训练分支以分别执行多层卷积，并获取最后一个卷积层的输出结果作为所述输出特征。
10.根据权利要求6所述的系统，其特征在于，基于所述参数更新信息更新所述主机端的所述分支模型包括：基于所述参数更新信息更新所述分支模型中的参数。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于苏州浪潮智能科技有限公司，未经苏州浪潮智能科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202011570866.8/1.html，转载请声明来源钻瓜专利网。
