任务调度方法、电子设备及存储介质

    公开(公告)号:CN115033355A

    公开(公告)日:2022-09-09

    申请号:CN202210482168.5

    申请日:2022-05-05

    IPC分类号: G06F9/48 G06F9/50

    摘要: 本申请提供一种任务调度方法、电子设备及存储介质,该方法包括:基于应用程序请求信息形成应用任务图;确定应用任务图中各个应用任务对应的任务优先级,形成任务优先队列;基于优先队列集合确定队首任务集合;根据队首任务集合确定目标调度任务;分别确定边缘云系统中的各个异构边缘服务器对应的容器配置状态,确定目标调度任务在各个异构边缘服务器中分别对应的第一预估完成时间;确定目标调度任务在边缘云系统中的远程云服务器中的第二预估完成时间;基于各个第一预估完成时间以及第二预估完成时间确定目标调度服务器。本申请提供的方案,能够充分利用服务器资源,提升任务动态调度合理性,提高应用任务处理效率。

    面向大规模产业链隐私计算的联邦学习模型训练方法

    公开(公告)号:CN114169412B

    公开(公告)日:2024-09-06

    申请号:CN202111397160.0

    申请日:2021-11-23

    IPC分类号: G06F18/214 G06N3/098

    摘要: 本发明提供一种面向大规模产业链隐私计算的联邦学习模型训练方法。所述方法包括:由联邦学习中心服务器节点以非独立同分布为目标划分产业链业务训练数据集,并分发至多个联邦学习工人节点;联邦学习工人节点基于目标利润函数迭代训练本地模型;聚合服务器节点在聚合每个联邦学习工人节点发送的更新后的本地模型权重后,根据各个本地模型权重分布和整体本地模型权重分布,计算每个联邦学习工人节点对应的地动距离,并剔除超过预设距离阈值的联邦学习工人节点;由剩余的联邦学习工人节点继续进行模型训练。本发明在联邦学习模型训练过程中将分布差异过大的数据分布剔除,减少异质性数据带来的精度损失,提高了传统算法在产业链中的应用可靠性。