迁移学习方法、装置、设备、计算机存储介质及产品与流程

    技术2025-01-16  37


    本申请属于网络通信,尤其涉及一种迁移学习方法、装置、设备、计算机存储介质及产品。


    背景技术:

    1、近年来,专网业务兴起并蓬勃发展,在行业专网场景中有大量的业务对移动通信网络带宽有较高的要求,如视频监控业务、高清图像识别业务等,更高的带宽需求则需要配置更多的基站、传输硬件资源来支撑,这导致专网成本与价格的高企,严重制约着专网的市场推广。

    2、随着边缘计算的发展,无线基站已具备边缘算力,例如在5g bbu(室内基带处理单元building baseband unit)上增加额外算力板卡,实现算力和网络的硬件融合,可以为基站提供算力与存储资源,目前已能够提供强大的边缘算力。因此可以将语义处理单元部署在基站侧,执行语义处理任务,从而降低专网业务的成本。

    3、但是,现有语义通信需要预先的在收发两端部署语义处理模块,且一旦完成部署后仅能针对固定的语义场景进行处理,灵活性与适用性严重不足。


    技术实现思路

    1、本申请实施例提供一种迁移学习方法、装置、设备、计算机存储介质及产品,以解决现有的语义通信仅能针对固定的语义场景进行处理,灵活性与适用性严重不足的问题。

    2、第一方面,本申请实施例提供一种迁移学习方法,应用于边缘计算设备,所述边缘计算设备分别与服务器和终端连接,方法包括:

    3、接收服务器发送的第一参数和第一语义模型,所述第一参数为所述服务器基于预设的语义背景对所述第一语义模型训练得到;

    4、根据所述第一参数和语义训练数据对所述第一语义模型进行生成判别训练,得到第二语义模型以及所述第二语义模型的第二参数,所述语义训练数据是通过所述终端获取的;

    5、向所述服务器发送所述第二参数,以使所述服务器将多个所述边缘计算设备的所述第二参数聚合为第三参数;

    6、接收所述服务器发送的第三参数;

    7、根据所述第三参数和所述语义训练数据对所述第二语义模型进行生成判别训练,得到目标模型,所述目标模型用于接收的信息进行语义编码或语义解码。

    8、第二方面,本申请实施例提供了一种迁移学习装置,装置包括:

    9、第一接收模块,用于接收服务器发送的第一参数和第一语义模型,所述第一参数为所述服务器基于预设的语义背景对所述第一语义模型训练得到;

    10、第一训练模块,用于根据所述第一参数和语义训练数据对所述第一语义模型进行生成判别训练,得到第二语义模型以及所述第二语义模型的第二参数,所述语义训练数据是通过所述终端获取的;

    11、第一发送模块,用于向所述服务器发送所述第二参数,以使所述服务器将多个所述边缘计算设备的所述第二参数聚合为第三参数;

    12、第二接收模块,用于接收所述服务器发送的第三参数;

    13、第二训练模块,用于根据所述第三参数和所述语义训练数据对所述第二语义模型进行生成判别训练,得到目标模型,所述目标模型用于接收的信息进行语义编码或语义解码。

    14、第三方面,本申请实施例提供了一种终端设备,设备包括:处理器以及存储有计算机程序指令的存储器;

    15、处理器执行计算机程序指令时实现如第一方面的迁移学习方法。

    16、第四方面,本申请实施例提供了一种计算机存储介质,计算机可读存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现如第一方面的迁移学习方法。

    17、第五方面,本申请实施例提供了一种计算机程序产品,计算机程序产品中的指令由电子设备的处理器执行时,使得电子设备执行如第一方面的迁移学习方法。

    18、本申请实施例提供的迁移学习方法,通过边缘计算设备作为联邦学习的节点,与服务器共同训练语义模型,并根据服务器的模型参数结合本地终端的语义训练数据进一步进行训练,实现模型的本地化。这意味着模型不仅可以根据全局的模型参数进行更新,还可以结合本地的特定数据和语义场景进行微调。从而使得模型能够更好地适应各种不同的语义环境和需求,提高了模型的灵活性和适用性。



    技术特征:

    1.一种迁移学习方法,其特征在于,应用于边缘计算设备,所述边缘计算设备分别与服务器和终端连接,所述方法包括:

    2.如权利要求1所述的迁移学习方法,其特征在于,所述第一语义模型包括编码模型和生成判别网络模型;

    3.如权利要求2所述的迁移学习方法,其特征在于,所述第二参数包括生成网络参数和判别网络参数;所述生成判别网络包括生成网络和判别网络;

    4.如权利要求3所述的迁移学习方法,其特征在于,所述判别网络参数a通过下述表达式进行计算:

    5.如权利要求1所述的迁移学习方法,其特征在于,所述根据所述第三参数和所述语义训练数据对所述第二语义模型进行生成判别训练,得到目标模型之后,所述方法还包括:

    6.如权利要求5所述的迁移学习方法,其特征在于,所述将所述目标模型部署至与所述边缘计算设备对应的终端,所述方法还包括:

    7.一种迁移学习装置,其特征在于,所述装置包括:

    8.一种终端设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;

    9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-6任意一项所述的迁移学习方法。

    10.一种计算机程序产品,其特征在于,计算机产品包括计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任意一项所述的迁移学习方法。


    技术总结
    本申请公开了一种迁移学习方法、装置、设备、计算机存储介质及产品。其中,迁移学习方法,包括:接收服务器发送的第一参数和第一语义模型,第一参数为服务器基于预设的语义背景对第一语义模型训练得到;根据第一参数和语义训练数据对第一语义模型进行生成判别训练,得到第二语义模型以及第二语义模型的第二参数,语义训练数据是通过终端获取的;向服务器发送第二参数,以使服务器将多个边缘计算设备的第二参数聚合为第三参数;接收服务器发送的第三参数;根据第三参数和语义训练数据对第二语义模型进行生成判别训练,得到目标模型,目标模型用于接收的信息进行语义编码或语义解码。本申请实施例能够提高语义通信的灵活性与适用性。

    技术研发人员:方东旭,刘康
    受保护的技术使用者:中国移动通信集团重庆有限公司
    技术研发日:
    技术公布日:2024/10/24
    转载请注明原文地址:https://symbian.8miu.com/read-25038.html

    最新回复(0)