(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211169790.7 (22)申请日 2022.09.23 (71)申请人 中国电信股份有限公司 地址 100033 北京市西城区金融大街31号 (72)发明人 陈佳宁　周旭华　 (74)专利代理 机构 北京律智知识产权代理有限 公司 11438 专利代理师 孙宝海 (51)Int.Cl. G06N 20/00(2019.01) G06F 21/62(2013.01) (54)发明名称 模型训练方法、 装置、 电子设备以及存储介 质 (57)摘要 本申请的实施例揭示了一种模 型训练方法、 装置、 电子设备以及存储介质， 包括： 主服务节点 将数据模型的初始模型参数作为待更新的模型 参数； 各个参与终端利用本地存储的训练数据对 数据模型进行训练， 得到各个模型参数； 若各个 参与终端的网络参数满足通信条件， 则对应参与 终端将更新后模 型参数发送至主服务节点； 主服 务节点对更新后的模型参数聚合， 若得到的第一 聚合模型参数不能使数据模型满足收敛条件， 将 第一聚合模 型参数作为待更新的模 型参数， 跳转 至主服务节点将待更新的模型参数发送至参与 终端步骤， 反之， 将第一聚合模型参数带入数据 模型。 本实施例提供方法能节约联邦学习过程中 的通信成本 。 权利要求书2页 说明书12页 附图4页 CN 115481752 A 2022.12.16 CN 115481752 A 1.一种基于联邦学习框架的模型训练方法， 所述联邦学习框架包括主服务节点以及与 所述主服 务节点连接的至少一个参与终端， 其特 征在于， 包括： 所述主服 务节点将数据模型的初始模型参数作为待更新的模型参数； 所述主服 务节点将所述待更新的模型参数发送至各个参与终端； 各个参与终端分别基于所述待更新的模型参数并利用本地存储的训练数据对所述数 据模型进行训练 处理， 得到各个参与终端对应的更新后的模型参数； 若各个参与终端的网络参数满足预设通信条件， 则对应参与终端将对应的更新后的模 型参数发送至所述主服 务节点； 所述主服务节点对接收到的更新后的模型参数进行聚合处理， 若得到的第 一聚合模型 参数不能使所述数据模型满足预设的收敛条件， 则将所述第一聚合模型参数作为所述待 更 新的模型参数， 并跳转至所述主服务节点将所述待更新的模型参数发送至所述参与终端的 步骤， 反之， 则将所述第一聚合模型参数 带入所述数据模型。 2.根据权利要求1所述的方法， 其特征在于， 在所述若各个参与终端的网络参数满足预 设通信条件， 则对应参与终端将对应的更新后的模型参数发送至所述主服务节点之前， 所 述方法包括： 在预设时间段内周期性 地检测各个参与终端的网络参数 是否满足所述预设通信条件。 3.根据权利要求1所述的方法， 其特征在于， 所述判断各个参与终端的网络参数是否满 足所述预设通信条件 包括： 若检测到各个参与终端的带宽大于第一预设阈值， 且时延小于第二预设阈值， 则确定 对应参与终端的网络参数满足所述预设通信条件。 4.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 若各个参与终端的网络参数满足所述预设通信条件， 则对应参与终端将本地存储的训 练数据的个数发送至所述主服 务节点。 5.根据权利要求4所述的方法， 其特征在于， 所述主服务节点对接收到的更新后的模型 参数进行聚合处 理包括： 所述主服务节点基于各个目标参与终端对应的训练数据的个数为对应目标参与终端 配置对应的权 重， 所述目标参与终端的网络参数满足所述预设通信条件； 所述主服务节点基于各个目标参与终端对应的权重对接收到的更新后的模型参数进 行聚合处 理。 6.根据权利要求1所述的方法， 其特征在于， 所述联邦学习框架还包括至少一个边缘节 点， 每个边缘节点分别连接所述主服务节点和至少一个参与终端； 所述若各个参与终端的 网络参数满足预设通信条件， 则对应参与终端将对应的更新后的模型参数发送至所述主服 务节点包括： 若各个参与终端的网络参数满足所述预设通信条件， 则对应参与终端将对应的更新后 的模型参数发送至连接的边 缘节点； 各个边缘节点对接收到的更新后的模型参数进行聚合处理， 若对应边缘节点的网络参 数满足所述预设通信条件， 将聚合处 理得到的更新后的模型参数发送至所述主服 务节点。 7.根据权利要求6所述的方法， 其特 征在于， 所述方法还 包括： 各个边缘节点对接收到的更新后的模型参数进行聚合处理， 若存在至少一个边缘节点权　利　要　求　书 1/2 页 2 CN 115481752 A 2的网络参数不满足所述预设通信条件， 将对应边缘节点进 行聚合处理得到的更新后的模型 参数发送至连接的参与终端， 以使得所述连接的各个参与终端基于对应边缘节点进行聚合 处理得到的更新后的模型参数， 并利用本地存储的训练数据对所述数据模型进行训练处 理， 得到所述连接的各个参与终端对应的更新后的模型参数。 8.一种基于联邦学习框架的模型训练装置， 其特 征在于， 包括： 控制模块， 用于控制所述主服务节点将数据模型的初始模型参数作为待更新的模型参 数； 第一发送模块， 用于控制所述主服务节点将所述待更新的模型参数发送至各个参与终 端； 训练模块， 用于各个参与终端分别基于所述待更新的模型参数并利用本地存储的训练 数据对所述数据模型进行训练 处理， 得到各个参与终端对应的更新后的模型参数； 第二发送模块， 用于控制若各个参与终端的网络参数满足预设通信条件， 则对应参与 终端将对应的更新后的模型参数发送至所述主服 务节点； 聚合处理模块， 用于控制所述主服务节点对接收到的更新后的模型参数进行聚合处 理， 若得到的第一聚合模型参数不能使所述数据模型满足预设的收敛条件， 则将所述第一 聚合模型参数作为所述待 更新的模型参数， 并跳转至所述主服务节点将所述待更新的模型 参数发送至所述参与终端的步骤， 反之， 则将所述第一聚合模 型参数带入所述数据模型， 其 中， 所述联邦学习框架包括主服 务节点以及与所述主服 务节点连接的至少一个参与终端。 9.一种电子设备， 其特 征在于， 包括： 存储器， 存储有计算机可读指令； 处理器， 读取存储器存储的计算机可读指令， 以执行权利要求1－7中的任一项所述的 方法。 10.一种计算机可读存储介质， 其特征在于， 其上存储有计算机可读指令， 当所述计算 机可读指令被计算机的处理器执行时， 使计算机执行权利要求1－7中的任一项所述的方 法。权　利　要　求　书 2/2 页 3 CN 115481752 A 3