[发明专利]模型优化方法、电子设备以及计算机可读存储介质

权利要求书

1.一种模型优化方法，其特征在于，应用于第一电子设备，第一电子设备处于集群网络，集群网络还包括多个第二电子设备，多个第二电子设备上至少分布两种具有不同数据结构的第一数据，方法包括：

第一电子设备根据每个第二电子设备上分布的第一数据的数据结构，为每个第二电子设备确定第一神经网络模型，第一神经网络模型包括第一模型参数和第一结构参数；

第一电子设备根据每个第二电子设备对应的第一数据，确定多个第二电子设备之间的相关系数，以及

第一电子设备根据相关系数调整每个第二电子设备对应的第一模型参数和第一结构参数，得到第二神经网络模型，第二神经网络结构为针对集群网络进行模型优化得到的神经网络模型。

2.根据权利要求1的方法，其特征在于，多个第二电子设备之间的相关系数是第一电子设备基于每个第二电子设备对应的第一标签数据确定的，每个第二电子设备对应的第一标签数据是每个第二电子设备利用对应的第一神经网络模型处理对应的第一数据得到的。

3.根据权利要求1的方法，其特征在于，第一电子设备根据相关系数调整每个第二电子设备对应的所第一模型参数和第一结构参数，包括：

第一电子设备将相关系数发送至每个第二电子设备，控制每个第二电子设备基于对应的第一数据以及相关系数确定第一权重；

第一电子设备根据第一权重，调整第一模型参数和第一结构参数。

4.根据权利要求1至3中任一项的方法，其特征在于，相关系数包括表示每个第二电子设备之间相关性的矩阵。

5.根据权利要求1至4中任一项的方法，其特征在于，第一电子设备根据每个第二电子上分布的第一数据的数据结构，为每个第二电子设备确定第一神经网络模型结构，包括：

第一电子设备根据每个第二电子设备上分布的第一数据的数据结构，利用神经网络模型架构搜索方法为每个第二电子设备确定第一神经网络模型结构。

6.根据权利要求1至5中任一项的方法，其特征在于，具有不同数据结构的第一数据包括数据种类相同但每个种类下数据量不同的第一数据。

7.根据权利要求1至6中任一项的方法，其特征在于，第一数据至少包括图像数据、音频数据、文本数据。

8.一种模型优化方法，其特征在于，应用于集群网络，集群网络包括第一电子设备和多个第二电子设备，多个第二电子设备上至少分布两种具有不同数据结构的第一数据，

所述方法包括：

第一电子设备根据每个第二电子设备上分布的第一数据的数据结构，确定并向每个第二电子设备发送第一神经网络模型，第一神经网络模型包括第一模型参数和第一结构参数；

第二电子设备利用对应的第一神经网络模型处理对应的第一数据，得到并向第一电子设备发送对应的第一标签数据；

第一电子设备根据每个第二电子设备发送的第一标签数据，确定并向每个第二电子设备发送多个第二电子设备之间的相关系数；

每个第二电子设备根据相关系数以及对应的第一数据，确定第一权重，并向第一电子设备发送第一权重；

第一电子设备根据第一权重调整每个第二电子设备对应的所第一模型参数和第一结构参数，得到第二神经网络模型，第二神经网络结构为针对集群网络进行模型优化得到的神经网络模型。

9.一种电子设备，其特征在于，包括：

处理器；用于存储处理器可执行指令的存储器；

其中，处理器被配置为执行权利要求1至8中任一项的方法。

10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，计算机程序指令被处理器执行时实现权利要求1至8中任一项的方法。