[发明专利]模型训练方法、网络拥塞控制方法、装置及相关产品

说明书

本公开公开了一种模型训练方法、网络拥塞控制方法、装置及相关产品。涉及云计算技术领域，具体为云存储技术。具体实现方案为：获取本端设备和对端设备之间的至少一个线下网络连接；针对每个线下网络连接，对网络拥塞控制数据进行调整，并采集线下网络连接在网络拥塞控制数据调整后对应的第一传输行为数据及第一传输结果数据；根据调整后的网络拥塞控制数据、对应的第一传输行为数据及第一传输结果数据构建对应的训练样本；采用训练样本对预设神经网络模型进行训练，以获得训练至收敛的神经网络模型，训练至收敛的神经网络模型用于确定本端设备与对端设备进行线上网络连接时对应的最优网络拥塞控制数据。

技术领域

本公开涉及云计算技术领域，具体为云存储技术，尤其涉及一种模型训练方法、网络拥塞控制方法、装置及相关产品。

背景技术

随着网络通信技术和云计算技术的不断发展，对网络中大吞吐量、低时延及低卡顿的需求越来越迫切。但目前数据在网络传输过程中常常发生吞吐量小、时延大及卡顿严重的问题。这就造成了网络拥塞的现象。

目前一般采用网络拥塞控制算法来对网络拥塞进行控制。具体地，获取整体网络的情况、或者机器级别、域名级别的网络情况，进而根据网络情况对控制网络拥塞的参数进行调整，根据调整后的参数改善网络拥塞的情况。

发明内容

本公开提供了一种模型训练方法、网络拥塞控制方法、装置及相关产品。

根据本公开的第一方面，提供了一种用于网络拥塞控制的神经网络模型训练方法，包括：

获取本端设备和对端设备之间的至少一个线下网络连接；

针对每个线下网络连接，对网络拥塞控制数据进行调整，并采集所述线下网络连接在所述网络拥塞控制数据调整后对应的第一传输行为数据及第一传输结果数据；

根据调整后的网络拥塞控制数据、对应的第一传输行为数据及第一传输结果数据构建对应的训练样本；

采用所述训练样本对预设神经网络模型进行训练，以获得训练至收敛的神经网络模型，所述训练至收敛的神经网络模型用于确定本端设备与对端设备进行线上网络连接时对应的最优网络拥塞控制数据。

根据本公开的第二方面，提供了一种基于神经网络模型的网络拥塞控制方法，包括：

若监测到本端设备与对端设备进行线上网络连接，则采集所述线上网络连接对应的第二传输行为数据及第二传输结果数据；

将所述第二传输行为数据及所述第二传输结果数据输入到训练至收敛的神经网络模型中；

通过所述训练至收敛的神经网络模型输出所述网络连接对应的最优网络拥塞控制数据；所述训练至收敛的神经网络模型是通过训练样本训练获得的，所述训练样本是通过本端设备和对端设备之间的线下网络连接对应的调整后的网络拥塞控制数据、对应的第一传输行为数据及第一传输结果数据构建的；

根据所述最优网络拥塞控制参数对所述线上网络连接进行网络拥塞控制。

根据本公开的第三方面，提供一种用于网络拥塞控制的神经网络模型训练装置，包括：

获取单元，用于获取本端设备和对端设备之间的至少一个线下网络连接；

调整单元，用于针对每个线下网络连接，对网络拥塞控制数据进行调整；

采集单元，用于采集所述线下网络连接在所述网络拥塞控制数据调整后对应的第一传输行为数据及第一传输结果数据；

构建单元，用于根据调整后的网络拥塞控制数据、对应的第一传输行为数据及第一传输结果数据构建对应的训练样本；