资源分配推理模型训练方法、装置、设备及介质

    公开(公告)号:CN116992275A

    公开(公告)日:2023-11-03

    申请号:CN202211097778.X

    申请日:2022-09-08

    摘要: 本发明涉及计算机领域,提供一种资源分配推理模型训练方法、装置、设备及介质,该方法包括:确定影响处理器分配和内存分配的特征因素,特征因素包括推理参数、算法个数和算法类型基数;基于推理参数、算法个数和算法类型基数,对多元线性回归模型进行训练,得到内存分配模型;基于推理参数、算法个数和算法类型基数,对线性回归对数模型进行训练,得到处理器分配模型;基于内存分配模型和处理器分配模型,得到资源分配推理模型;多元线性回归模型是基于多元线性函数构成的模型;线性回归对数模型是基于线性函数和对数函数构成的模型。本发明实施例提供的资源分配推理模型训练方法训练出的资源分配推理模型解决了推理计算资源管理粗放的问题。

    联邦学习环境下的数据共享与协同方法及系统

    公开(公告)号:CN115514761A

    公开(公告)日:2022-12-23

    申请号:CN202110620110.8

    申请日:2021-06-03

    摘要: 本发明提供一种联邦学习环境下的数据共享与协同方法及系统,所述方法包括:数据提供节点从本地的中台层中提取数据并按照第一预设协议格式发布;数据评估节点获取数据提供节点发布的数据,并基于共享数据安全评估协议对数据提供节点发布的数据进行数据相对价值评估;数据协同任务发起节点获取目标数据,基于目标数据训练得到目标模型,并对目标数据进行数据动态价值评估;数据协同任务发起节点对所述目标数据中每个数据提供节点发布的数据进行数据应用价值评估;数据协同任务发起节点计算数据提供节点在当前数据协同任务中的激励,并根据所述激励向所述数据提供节点进行支付和结算。本发明可降低联邦学习大规模落地应用的难度。