[发明专利]分布式机器学习方法、系统、服务器、设备及存储介质

说明书

本公开提供了一种分布式机器学习方法、系统、服务器、设备及存储介质，涉及机器学习等人工智能技术领域。具体实现方案为：基于延时信息，获取参与训练的数个边缘设备的最优调度队列；基于所述数个边缘设备的最优调度队列，调度所述数个边缘设备中各所述边缘设备对机器学习模型进行训练。本公开，能够有效地提高分布式机器学习的效率。

技术领域

本公开涉及计算机技术领域，具体涉及机器学习等人工智能技术领域，尤其涉及一种分布式机器学习方法、系统、服务器、设备及存储介质。

背景技术

随着人工智能技术的快速发展，深度学习技术作为其中最为重要的技术之一，需要十分庞大的数据作为基础。另外，现有的各种终端设备如智能手机、智能平板、智能手表等，在操作便利的同时，收集了大量的数据，这些数据对深度学习技术十分具有吸引力。传统的机器学习技术都是通过将终端设备上的数据收集起来，再集中进行训练，为终端设备上的数据的隐私性带来了巨大的威胁。

联邦学习是一种分布式机器学习技术，与以往的机器学习技术不同的是，联邦学习不用收集终端设备上的用户的数据，而是让这些数据留存在本地。而在终端设备本地训练机器学习模型，并将训练好的机器学习模型上传给服务器。通过这种方式，数据不离开本地，能够有效地保障了用户的数据隐私安全。

发明内容

本公开提供了一种分布式机器学习方法、系统、服务器、设备及存储介。

根据本公开的一方面，提供了一种分布式机器学习方法，包括：

基于延时信息，获取参与训练的数个边缘设备的最优调度队列；

基于所述数个边缘设备的最优调度队列，调度所述数个边缘设备中各所述边缘设备对机器学习模型进行训练。

根据本公开的另一方面，提供了一种服务器，包括：

队列获取模块，用于基于延时信息，获取参与训练的数个边缘设备的最优调度队列；

调度模块，用于基于所述数个边缘设备的最优调度队列，调度所述数个边缘设备中各所述边缘设备对机器学习模型进行训练。

根据本公开的再一方面，提供了一种分布式机器学习系统，包括服务器和多个边缘设备；所述服务器与各所述边缘设备通信连接；所述服务器采用如上所述的方面和任一可能的实现方式的服务器。

根据本公开的又一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的方面和任一可能的实现方式的方法。

根据本公开的又另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的方面和任一可能的实现方式的方法。

根据本公开的再另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方面和任一可能的实现方式的方法。

根据本公开的技术，能够有效地提高分布式机器学习的效率。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开第一实施例的示意图；

图2是根据本公开第二实施例的示意图；