[发明专利]一种数据处理方法及电子设备

说明书

本申请实施例提供了一种数据处理方法及电子设备，所述方法包括：自区块链中至少获得第一模型的第一参数；基于所述第一参数及训练数据训练第一模型；基于训练结果确定所述第一模型的第二参数；基于自检测结果确定所述第二参数下的第一模型满足预设规则；向所述区块链的参与者发送至少包括所述第一参数和第二参数的数据包，并申请投票，所述投票用于确定其他参与者在基于所述第二参数下的所述第一模型满足所述预设规则；基于投票结果确定基于所述第二参数下的第一模型而生成新的区块，或继续训练所述第一模型。本申请实施例的数据处理方法可快速基于区块链而实现模型训练。

技术领域

本申请实施例涉及智能设备领域，特别涉及一种数据处理方法及电子设备。

背景技术

基于区块链的人工智能模型训练场景(BDML)例如为：社区维护一个解决某个特定问题的人工智能模型的区块链，参与方如果训练得到一个更好的模型，经过其他参与方投票后会生成一个新的区块，每个参与方能够在不公开自己的数据的情况下进行协同训练。但是上述方法在具体实施的过程中会因设置步骤具有缺陷而导致模型的训练过程较为费时费力。

申请内容

本申请实施例提供了一种可快速基于区块链而实现模型训练的数据处理方法及应用该方法的电子设备。

为了解决上述技术问题，本申请实施例提供了一种数据处理方法，其中，包括：

自区块链中至少获得第一模型的第一参数；

基于所述第一参数及训练数据训练第一模型；

基于训练结果确定所述第一模型的第二参数；

基于自检测结果确定所述第二参数下的第一模型满足预设规则；

向所述区块链的参与者发送至少包括所述第一参数和第二参数的数据包，并申请投票，所述投票用于确定其他参与者在基于所述第二参数下的所述第一模型满足所述预设规则；

基于投票结果确定基于所述第二参数下的第一模型而生成新的区块，或继续训练所述第一模型。

作为优选，所述自区块链中至少获得第一模型的第一参数包括：

自区块链中至少获得所述第一模型当前处于最新状态的第一参数。

作为优选，所述基于所述第一参数及训练数据训练所述第一模型包括：

至少确定训练步长；

基于所述训练步长、第一参数及预备的训练数据基于随机梯度下降法训练所述第一模型。

作为优选，所述预设规则为所述第一模型进行数据处理时精度优于基于所述第一参数下的所述第一模型的数据处理精度。

作为优选，所述向所述区块链的参与者发送至少包括所述第一参数和第二参数的数据包，并申请投票包括：

向所述区块链的参与者发送至少包括所述第一参数、训练步长以及第二参数的数据包，并申请投票。

作为优选，还包括：

接收所述区块链中其他参与者的投票申请及附加的数据包。

所述基于投票结果确定继续训练所述第一模型包括：

基于投票结果确定投票失败；

至少基于接收到的其他参与者的数据包继续训练所述第一模型。

作为优选，所述至少基于接收到的其他参与者的数据包继续训练所述第一模型包括：

根据预设的训练步长及第一参数删选规则以及接收的所述数据包中的训练步长及第一参数确定候选数据集；

基于参数平均的方式综合所述第二参数和候选数据集；