[发明专利]基于区块链的AI训练任务的处理方法、节点及介质在审
| 申请号: | 202010624144.X | 申请日: | 2020-06-30 |
| 公开(公告)号: | CN111858755A | 公开(公告)日: | 2020-10-30 |
| 发明(设计)人: | 路成业;王凌 | 申请(专利权)人: | 全链通有限公司 |
| 主分类号: | G06F16/27 | 分类号: | G06F16/27;G06N20/00 |
| 代理公司: | 暂无信息 | 代理人: | 暂无信息 |
| 地址: | 100191 北京市海淀区*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 区块 ai 训练 任务 处理 方法 节点 介质 | ||
本发明实施例提供一种基于区块链的AI训练任务的处理方法、节点及介质,通过接收AI训练任务发起节点在区块链网络中发布的AI训练任务,以及区块链网络中的AI训练节点基于该AI训练任务发布的模型数据;基于AI训练任务中携带的训练结果检测样本对模型数据进行验证;当该模型数据是AI训练任务发布后满足最低准确率的第一个训练结果时,根据第一对应关系确定AI训练节点的奖励金额;当该模型数据是在第一个训练结果之后发布的训练结果时,根据第二对应关系确定AI训练节点的奖励金额,从而实现了基于区块链的AI训练任务的处理,提升了AI训练任务的训练效果,降低了AI训练任务的处理成本。
技术领域
本发明实施例涉及区块链技术领域,尤其涉及一种基于区块链的AI训练任务的处理方法、节点及介质。
背景技术
随着人工智能(Artificial Intelligence,AI)技术的不断发展,AI技术可以应用在很多领域,例如,可以应用在语音识别、机器翻译等模型训练中。
通常情况下,一次AI训练需要很大的计算量。例如,一次语音识别的模型训练可能涉及到20E Flops的浮点计算,一次机器翻译的模型训练可能涉及到10E Flops甚至上百EFlops的浮点计算。为了完成一次AI训练往往需要构建很大规模的计算机集群。而构建大规模计算机集群的成本较高。
发明内容
本发明实施例提供一种基于区块链的AI训练任务的处理方法、节点及介质,用以通过区块链对AI训练任务进行处理,并提升AI训练任务的训练效果。
本发明实施例第一方面提供一种基于区块链的AI训练任务的处理方法,包括:
记账节点接收AI训练任务发起节点在区块链网络中发布的AI训练任务,所述AI训练任务包括训练结果检测样本,以及训练结果奖励方案,所述训练结果奖励方案中包括可获得奖励的最低准确率,满足所述最低准确率的第一个训练结果的准确率与奖励金额的第一对应关系,以及后续训练结果的提升梯度与奖励金额的第二对应关系;所述记账节点接收所述区块链网络中的AI训练节点基于所述AI训练任务发布的模型数据;所述记账节点基于所述训练结果检测样本对所述模型数据进行验证,得到模型的正确率;若所述模型数据是所述AI训练任务发布后,满足所述最低准确率的第一个训练结果,则所述记账节点根据所述第一对应关系,确定所述AI训练节点的奖励金额;若所述模型数据是在所述第一个训练结果之后发布的训练结果,所述记账节点基于所述第二对应关系,确定所述AI训练节点的奖励金额;所述记账节点将所述AI训练节点的奖励金额记录到所述区块链网络上。
可选的,所述AI训练节点发布的所述模型数据为所述AI训练节点基于所述AI训练任务训练得到的模型数据。
可选的,所述AI训练节点发布的所述模型数据为所述AI训练节点已有的,且符合所述AI训练任务的要求的模型数据。
可选的,所述AI训练节点发布的所述模型数据为所述AI训练节点对所述区块链网络中的其他训练节点发布的模型数据进行优化后得到的模型数据。
可选的,所述记账节点基于所述训练结果检测样本对所述模型数据进行验证,得到模型的正确率之后,所述方法还包括:
所述记账节点将所述正确率发布到所述区块链网络中,以使所述区块链网络中的其他记账节点对所述正确率进行验证。
本发明实施例第二方面提供一种记账节点,包括:处理器和存储器,所述存储器中存储有指令,当所述处理器执行所述指令时执行如下操作:
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全链通有限公司,未经全链通有限公司许可,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/202010624144.X/2.html,转载请声明来源钻瓜专利网。





