发明公开
- 专利标题: 基于联邦学习的人工智能模型训练方法、装置及系统
-
申请号: CN202210297072.1申请日: 2022-03-24
-
公开(公告)号: CN114692868A公开(公告)日: 2022-07-01
- 发明人: 李道兴 , 王晓辉 , 郭鹏天 , 季知祥 , 杨会峰 , 陈连栋
- 申请人: 中国电力科学研究院有限公司 , 国网河北省电力有限公司信息通信分公司
- 申请人地址: 北京市海淀区清河小营东路15号;
- 专利权人: 中国电力科学研究院有限公司,国网河北省电力有限公司信息通信分公司
- 当前专利权人: 中国电力科学研究院有限公司,国网河北省电力有限公司信息通信分公司
- 当前专利权人地址: 北京市海淀区清河小营东路15号;
- 代理机构: 北京中巡通大知识产权代理有限公司
- 代理商 孟大帅
- 主分类号: G06N3/08
- IPC分类号: G06N3/08 ; G06N20/00 ; G06N3/04 ; G06Q50/06 ; G06F9/50
摘要:
本发明属于电力自动化领域,公开了一种基于联邦学习的人工智能模型训练方法、装置及系统,包括:获取初始人工智能模型并发送至各计算节点;接收中心节点发送的初始人工智能模型,作为本地人工智能模型;迭代进行更新步骤,至预设更新迭代阈值或当前人工智能模型满足预设条件时,将当前人工智能模型作为训练完成人工智能模型,并发送至各计算节点;迭代进行梯度计算步骤至预设梯度计算迭代阈值,并接收中心节点发送的训练完成人工智能模型,或者,迭代进行梯度计算步骤至接收到中心节点发送的训练完成人工智能模型,采用训练完成人工智能模型更新本地人工智能模型。通过异步模型参数更新方法提升高性能计算节点的算力利用率,提升模型训练速度。