[发明专利]联邦学习模型的代码编译方法、装置、设备及存储介质

权利要求书

1.一种联邦学习模型的代码编译方法，其特征在于，所述方法包括：

获取联邦学习模型的模型信息；

基于所述模型信息，构建与所述模型信息相对应的计算图；

其中，所述计算图，包含与所述联邦学习模型中各个层相对应的节点，用于指示所述联邦学习模型中各个层之间的前向连接关系和后向连接关系；

获取所述计算图中各节点所对应的程序代码；

按照所述联邦学习模型中各个层之间的前向连接关系和后向连接关系，对所述计算图中各节点所对应的程序代码进行编译，得到用于训练所述联邦学习模型的可执行训练代码。

2.如权利要求1所述的方法，其特征在于，所述获取联邦学习模型的模型信息，包括：

获取输入的所述联邦学习模型的模型信息代码；

对所述模型信息代码进行解析，得到所述联邦学习模型的模型信息。

3.如权利要求1所述的方法，其特征在于，所述获取联邦学习模型的模型信息，包括：

呈现人机交互界面，并

在所述人机交互界面中呈现供选择的至少一种模型信息；

响应于针对所述至少一种模型信息中目标模型信息的选择操作，将所选择的目标模型信息作为所述联邦学习模型的模型信息。

4.如权利要求1所述的方法，其特征在于，所述计算图包括前向计算图和后向计算图，所述基于所述模型信息，构建与所述模型信息相对应的计算图，包括：

获取所述联邦学习模型中各个层的模型参数；

基于各个层的所述模型参数以及所述联邦学习模型中各个层之间的前向连接关系，构建与所述模型信息相对应的前向计算图，并基于各个层的所述模型参数以及所述联邦学习模型中各个层之间的后向连接关系，构建与所述模型信息相对应的后向计算图。

5.如权利要求1所述的方法，其特征在于，所述获取所述计算图中各节点所对应的程序代码，包括：

获取节点与程序代码之间的映射关系；

基于所述映射关系，分别以所述计算图中各节点为索引，从代码库中查找并获取相应的程序代码。

6.如权利要求1所述的方法，其特征在于，所述程序代码包括前向程序代码以及后向程序代码；

所述按照所述联邦学习模型中各个层之间的前向连接关系和后向连接关系，对所述计算图中各节点所对应的程序代码进行编译，得到用于训练所述联邦学习模型的可执行训练代码，包括：

按照所述联邦学习模型中各个层之间的前向连接关系，对所述计算图中各节点所对应的前向程序代码进行编译，得到所述联邦学习模型的前向可执行代码；

按照所述联邦学习模型中各个层之间的后向连接关系，对所述计算图中各节点所对应的后向程序代码进行编译，得到所述联邦学习模型的后向可执行代码；

将所述前向可执行代码以及所述后向可执行代码进行合并，得到用于训练所述联邦学习模型的可执行训练代码。

7.如权利要求1所述的方法，其特征在于，所述方法还包括：

接收到针对所述可执行训练代码的运行指令；

响应于所述运行指令，运行所述可执行训练代码，以

调用各数据方设备通过所述联邦学习模型对训练样本进行预测，得到预测结果，并确定所述预测结果与相应的样本标签之间的差异，基于所述差异确定更新梯度，并将所述更新梯度发送至模型方设备；

调用所述模型方设备基于各所述数据方设备发送的更新梯度，更新所述联邦学习模型的模型参数，以得到训练完成的联邦学习模型。