[发明专利]获取模型的方法、装置、设备、系统及可读存储介质

权利要求书

1.一种获取模型的方法，其特征在于，所述方法包括：

中心设备接收参与第N轮联邦学习的边缘设备发送的联邦学习数据，所述N为正整数，任一边缘设备发送的联邦学习数据包括模型结构指示信息和模型数据，所述模型结构指示信息用于指示所述任一边缘设备第N轮联邦学习所采用的子模型结构，所述模型数据包括基于所述子模型结构进行模型训练得到的子模型的参数数据，所述子模型结构是基于所述任一边缘设备的设备状态和模型性能要求中的至少一种从全局模型结构中确定的；

所述中心设备根据所述参与第N轮联邦学习的边缘设备发送的联邦学习数据获取第N轮联邦学习的全局模型。

2.根据权利要求1所述的方法，其特征在于，所述中心设备接收参与第N轮联邦学习的边缘设备发送的联邦学习数据之前，还包括：

所述中心设备获取用于选择子模型结构的参考数据，向所述边缘设备发送所述参考数据，所述参考数据用于所述边缘设备选择第N轮联邦学习所采用的子模型结构。

3.根据权利要求2所述的方法，其特征在于，所述参考数据包括子模型结构与模型性能数据的对应关系、子模型结构与设备状态的对应关系中的至少一种，其中，所述子模型结构与模型性能数据的对应关系用于从所述全局模型结构中选择模型性能数据满足模型性能要求的子模型结构，所述子模型结构与设备状态的对应关系用于从所述全局模型结构中选择设备状态与边缘设备的设备状态匹配的子模型结构。

4.根据权利要求3所述的方法，其特征在于，所述N大于1，所述子模型结构与模型性能数据的对应关系包括第N轮联邦学习之前的联邦学习过程中参与联邦学习的边缘设备所采用的子模型结构和模型性能数据的对应关系；和/或

所述子模型结构与设备状态的对应关系包括第N轮联邦学习之前的联邦学习过程中参与联邦学习的边缘设备所采用的子模型结构和模型性能数据的对应关系。

5.根据权利要求3或4所述的方法，其特征在于，对于所述参考数据包括的任一子模型结构，所述子模型结构对应的模型性能数据包括基于所述子模型结构训练出的子模型的推理准确率、基于所述子模型结构训练出的子模型的推理时长、基于所述子模型结构训练子模型的训练时长中的至少一种。

6.根据权利要求5所述的方法，其特征在于，所述参考数据包括第一关系表和第二关系表，所述第一关系表包括子模型结构与推理准确率的对应关系，所述第二关系表包括子模型结构、设备状态与推理时长或训练时长的对应关系。

7.根据权利要求1-6任一所述的方法，其特征在于，所述中心设备接收参与第N轮联邦学习的边缘设备发送的联邦学习数据之前，还包括：

所述中心设备获取多个候选边缘设备的设备状态；

所述中心设备根据所述多个候选边缘设备的设备状态确定参与第N轮联邦学习的边缘设备；

所述中心设备向所述参与第N轮联邦学习的边缘设备发送第N-1轮联邦学习得到的全局模型的参数数据。

8.根据权利要求7所述的方法，其特征在于，所述中心设备根据所述多个候选边缘设备的设备状态确定参与第N轮联邦学习的边缘设备，包括：

所述中心设备根据所述多个候选边缘设备的设备状态查询子模型结构与设备状态映射表，如果查询到存在与任一候选边缘设备的设备状态匹配的可用子模型结构，则将所述任一候选边缘设备作为可用的候选边缘设备，在可用的候选边缘设备中确定参与第N轮联邦学习的边缘设备。

9.根据权利要求1-8任一所述的方法，其特征在于，所述模型结构指示信息包括所述子模型结构的标识或所述全局模型结构中的神经元的标签，其中，每个神经元的标签用于指示所述子模型结构是否包括所述神经元。

10.根据权利要求1-9任一所述的方法，其特征在于，所述设备状态用于指示中央处理器CPU占用情况、内存占用情况、随机存取存储器RAM占用情况以及磁盘占用情况中的至少一种。