[发明专利]模型训练方法、模型训练装置和电子设备

权利要求书

1.一种模型训练方法，应用于由多个节点构成的区块链网络中的任一节点，所述区块链网络用于训练一个或多个模型，所述一个或多个模型分别针对不同的区块链，所述方法包括：

基于第一模型的训练发起事件，确定区块链网络中除所述任一节点之外参与训练所述第一模型的一个或多个节点，由所述任一节点以及所述一个或多个节点构成第一子网，其中所述第一模型与所述一个或多个模型均不同；

从所述一个或多个模型中确定所述第一模型的协助模型；

获取针对所述协助模型的区块链上最新区块中的模型参数；

基于所述模型参数和关于所述第一模型的本地数据集，训练得到第一模型参数；以及

将所述第一模型参数广播至所述第一子网进行验证，如果验证通过，则基于所述第一模型参数创建针对所述第一模型的区块链的最新区块。

2.根据权利要求1所述的方法，还包括：

获取所述针对所述第一模型的区块链上最新区块中的第一模型参数；

基于所述第一模型参数和关于所述第一模型的本地数据集，训练得到第二模型参数，并将所述第二模型参数广播至所述第一子网进行验证；以及

如果验证通过，则将所述第二模型参数作为更新的第一模型参数，基于更新的第一模型参数创建针对所述第一模型的区块链的最新区块。

3.根据权利要求1所述的方法，其中，所述确定区块链网络中除所述任一节点之外参与训练所述第一模型的一个或多个节点包括：

确定包含关于所述第一模型的本地数据集的所述一个或多个节点。

4.根据权利要求1所述的方法，其中，所述从所述一个或多个模型中确定所述第一模型的协助模型包括：

计算所述一个或多个模型中的任一模型与所述第一模型之间的相似度；

将与所述第一模型之间的相似度最高的模型作为所述协助模型。

5.根据权利要求1所的方法，其中，所述模型参数包括：所述协助模型的n个网络层的参数，其中n为正整数；

所述基于所述模型参数和关于所述第一模型的本地数据集，训练得到第一模型参数包括：

设置所述协助模型的前i个网络层的第一学习率以及后(n-i)个网络层的第二学习率，其中，i为小于n的正整数，第一学习率小于第二学习率；以及

利用关于所述第一模型的本地数据集对所述n个网络层的参数进行迭代优化，得到更新的所述n个网络层的参数，作为所述第一模型参数。

6.根据权利要求1所述的方法，还包括：

接收来自所述第一子网中的其他节点的第一模型参数；

基于关于所述第一模型的本地数据集验证所述第一模型参数的精度；

如果所述精度高于预定阈值，则向所述其他节点发送第一消息；以及

如果所述精度不高于预定阈值，则向所述其他节点发送第二消息。

7.根据权利要求6所述的方法，其中，所述将所述第一模型参数广播至所述第一子网进行验证包括：

接收来自所述第一子网中各节点的第一消息和第二消息；

如果所述第一消息的数量与所述第二消息的数量之间的比值超过预定比例，则确定验证通过。

8.根据权利要求7所述的方法，还包括：

如果验证未通过，基于来自其他节点的第一模型参数对所述任一节点训练得到的第一模型参数进行修正，得到更新的第一模型参数。