[发明专利]模型更新方法、装置、服务器及终端设备

说明书

本发明提供一种模型更新方法、装置、服务器及终端设备，涉及物联网技术领域，其中，模型更新方法包括：分别接收M个终端设备发送的多个类别对应的中心点数据，其中，目标类别对应的中心点数据为所述终端设备依据第N轮更新的全局网络模型基于目标样本数据确定，所述目标样本数据与目标类别对应，所述目标类别为所述多个类别中的任意一个类别，其中，N、M均为正整数；采用所述M个终端设备发送的多个类别对应的中心点数据，对所述第N轮更新的全局网络模型进行训练，得到第N+1轮更新的全局网络模型；分别向所述M个终端设备发送所述第N+1轮更新的全局网络模型。本发明实施例能够提高模型更新的效率。

技术领域

本发明涉及物联网技术领域，尤其涉及一种模型更新方法、装置、服务器及终端设备。

背景技术

随着物联网技术的快速发展以及百亿连接的移动通信设备中海量数据的产生，基于云数据中心的传统物联网解决方案已经无法满足日益增长的场景需求。因此，边云协同计算和更新成为了智能物联网的主流技术之一。云端服务器具备强大的计算能力和存储能力，边缘服务器具备低时延、海量连接、异构汇聚的特点，不同终端设备可根据本地环境收集不同类型数据，具备个性化差异。然而有效地分配和调度端侧、边侧、云侧的资源，充分利用三方优势，实现物联网设备协同计算和更新过程中对算力、时延、隐私、功耗、成本的高要求，对智能物联网的进一步发展至关重要，也是急需解决的技术问题。

相关技术中，各终端设备先基于全局状态和本地收集的真实数据进行本地模型训练；然后各终端设备分别将更新后的模型参数上传到边缘端或云端服务器进行全局聚合；最后边缘端或云端服务器将聚合后的模型参数下发至各终端设备进行新一轮的模型更新。然而，每个终端设备都需要在本地进行多次模型训练及更新，效率较低。

发明内容

本发明实施例提供一种模型更新方法、装置、服务器及终端设备，以解决现有每个终端设备都需要在本地进行多次模型训练及更新，效率较低的问题。

为解决上述技术问题，本发明是这样实现的：

第一方面，本发明实施例提供了一种模型更新方法，应用于服务器，所述方法包括：

分别接收M个终端设备发送的多个类别对应的中心点数据，其中，目标类别对应的中心点数据为所述终端设备依据第N轮更新的全局网络模型基于目标样本数据确定，所述目标样本数据与目标类别对应，所述目标类别为所述多个类别中的任意一个类别，其中，N、M均为正整数；

采用所述M个终端设备发送的多个类别对应的中心点数据，对所述第N轮更新的全局网络模型进行训练，得到第N+1轮更新的全局网络模型；

分别向所述M个终端设备发送所述第N+1轮更新的全局网络模型。

可选的，所述采用所述M个终端设备发送的多个类别对应的中心点数据，对所述第N轮更新的全局网络模型进行训练，得到第N+1轮更新的全局网络模型，包括：

将所述M个终端设备发送的目标类别对应的中心点数据进行聚合处理，得到第一聚合数据，所述第一聚合数据为所述目标类别对应的聚合数据；

依据第一样本数据与所述第一聚合数据进行损失计算，得到损失值；

基于所述损失值调整所述第N轮更新的全局网络模型的模型参数，得到第N+1轮更新的全局网络模型。

可选的，所述依据第一样本数据与所述第一聚合数据进行损失计算，得到损失值，包括：

采用所述第N轮更新的全局网络模型对第一样本数据进行特征提取处理，得到所述第一样本数据对应的特征数据；

依据所述第一样本数据对应的特征数据与所述第一聚合数据进行损失计算，得到损失值。

可选的，所述依据所述第一样本数据对应的特征数据与所述第一聚合数据进行损失计算，得到损失值，包括：