[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

说明书

本申请提供了一种联邦学习模型的代码编译方法、装置、电子设备及存储介质；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；通过本申请，能够降低用户所需要实现的联邦学习模型的训练代码的复杂度，提高模型训练效率。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种联邦学习模型的代码编译方法、装置、电子设备及存储介质。

背景技术

人工智能(AI，Artificial Intelligence)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法和技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

随着人工智能的逐渐发展，联邦学习作为人工智能的重要方向受到广泛关注。相关技术中，联邦学习的训练代码需要基于各训练参与方的数据计算、参数训练、各方的交互等方面编译得到，对于用户来说，所要实现的代码逻辑相当复杂，需要更多的时间开发和维护，训练效率较低。

发明内容

本申请实施例提供一种联邦学习模型的代码编译方法、装置、电子设备及存储介质，能够降低用户所需要实现的联邦学习模型的训练代码的复杂度，提高模型训练效率。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种联邦学习模型的代码编译方法，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。

本申请实施例提供一种联邦学习模型的代码编译方法，包括：

呈现联邦学习模型对应的模型信息输入界面；

基于所述模型信息输入界面接收到输入的所述联邦学习模型的模型信息；

响应于基于输入的所述模型信息触发的代码编译指令，编译得到用于训练所述联邦学习模型的可执行训练代码；

其中，所述可执行训练代码，为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，对计算图中各节点所对应的程序代码进行编译得到；

其中，所述计算图与所述模型信息相对应，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。

本申请实施例还提供一种联邦学习模型的代码编译装置，包括：

第一获取模块，用于获取联邦学习模型的模型信息；

构建模块，用于基于所述模型信息，构建与所述模型信息相对应的计算图；