公开(公告)号：CN116629386B

公开(公告)日：2023-09-19

申请号：CN202310903982.4

申请日：2023-07-21

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 宋金洲 ,  孙仁恩 ,  魏鹏 ,  张冠男

IPC: G06N20/00 ,  G06F16/2458 ,  G06F16/27 ,  G06F21/62 ,  G06F16/21 ,  G06F16/23 ,  G06F16/245

Abstract: 本说明书一个或多个实施方式提供了一种模型训练方法及装置，模型训练方法包括基于实时接收到的训练数据的时间信息确定训练数据的时效性，在训练数据的时效性为有效的情况下，将训练数据存储在云服务器的存储模块中，利用存储模块中存储的训练数据对部署于云服务器的全局模型进行训练。本公开实施方式中，通过对训练数据的时效性筛选，仅存储有效的训练数据，缩减云服务器存储数据量，降低存储压力，而且可以过滤过期或者错误数据，为模型训练提供正确且可靠的数据基础，提高模型训练的稳定性和训练效果。

公开(公告)号：CN116562399A

公开(公告)日：2023-08-08

申请号：CN202310844489.X

申请日：2023-07-10

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 宋金洲 ,  孙仁恩 ,  魏鹏 ,  张冠男

IPC: G06N20/00 ,  G06F9/50

Abstract: 本说明书一个或多个实施方式提供了一种端边云协同的模型训练方法及装置，模型训练方法包括接收与边缘节点所对应的各个应用端发送的梯度信息，基于接收到的各个应用端发送的梯度信息进行聚合处理得到聚合梯度数据，将聚合梯度数据发送至云服务器，以及云服务器根据聚合梯度数据对全局模型进行训练。本说明书实施方式中，通过边缘节点对应用端的梯度信息进行聚合处理，从而缩减梯度信息的数据量，而且可以最大程度保留全部梯度信息的特征，因此后续云服务器的模型训练仍然是建立在全局视野，在较少丢失信息的情况下，加快模型训练速度，保证模型的精度和效果。

公开(公告)号：CN116629386A

公开(公告)日：2023-08-22

申请号：CN202310903982.4

申请日：2023-07-21

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 宋金洲 ,  孙仁恩 ,  魏鹏 ,  张冠男

IPC: G06N20/00 ,  G06F16/2458 ,  G06F16/27 ,  G06F21/62 ,  G06F16/21 ,  G06F16/23 ,  G06F16/245

Abstract: 本说明书一个或多个实施方式提供了一种模型训练方法及装置，模型训练方法包括基于实时接收到的训练数据的时间信息确定训练数据的时效性，在训练数据的时效性为有效的情况下，将训练数据存储在云服务器的存储模块中，利用存储模块中存储的训练数据对部署于云服务器的全局模型进行训练。本公开实施方式中，通过对训练数据的时效性筛选，仅存储有效的训练数据，缩减云服务器存储数据量，降低存储压力，而且可以过滤过期或者错误数据，为模型训练提供正确且可靠的数据基础，提高模型训练的稳定性和训练效果。