-
公开(公告)号:CN114676853B
公开(公告)日:2025-03-25
申请号:CN202110407285.0
申请日:2021-04-15
Applicant: 腾讯云计算(北京)有限责任公司
IPC: G06N20/20
Abstract: 本申请实施例提供了一种数据处理方法、装置、设备以及介质,该方法包括:获取N个局部识别模型分别对应的局部模型参数,N为客户端的数量;获取与局部模型参数集合相关联的M个权重组合,根据每个权重组合分别对局部模型参数集合进行参数融合,得到M个备选全局模型,M为正整数;获取M个备选全局模型分别在多媒体验证数据集中的评估指标,根据评估指标在M个备选全局模型中确定目标全局模型,将目标全局模型传输至N个客户端,以使N个客户端分别根据目标全局模型对所关联的局部识别模型进行参数更新,得到对象识别模型。采用本申请实施例,可以提高联邦训练模型之间的参数融合有效性,进而提高联邦识别模型的泛化效果。
-
公开(公告)号:CN113762503A
公开(公告)日:2021-12-07
申请号:CN202110583709.9
申请日:2021-05-27
Applicant: 腾讯云计算(北京)有限责任公司
Abstract: 本申请实施例公开了一种数据处理方法,装置、设备及计算机可读存储介质。其中方法包括:获取预训练模型,以及第二训练数据集,并采用第二训练数据集对预训练模型进行迭代训练;在迭代训练过程中若当前迭代次数满足参数量化条件,则从N个网络层中确定出目标待量化网络层,对目标待量化网络层进行量化,根据量化后的目标待量化网络层更新预训练模型;并采用第二训练数据集对更新后的预训练模型进行训练,得到量化模型。可见,在对预训练模型进行迭代训练过程中,通过采用量化后的目标待量化网络层来更新预训练模型,实现了更好的模型量化。
-
公开(公告)号:CN113762503B
公开(公告)日:2024-08-23
申请号:CN202110583709.9
申请日:2021-05-27
Applicant: 腾讯云计算(北京)有限责任公司
IPC: G06N3/0495 , G06N3/09 , G06V40/16 , G06V10/82
Abstract: 本申请实施例公开了一种数据处理方法,装置、设备及计算机可读存储介质。其中方法包括:获取预训练模型,以及第二训练数据集,并采用第二训练数据集对预训练模型进行迭代训练;在迭代训练过程中若当前迭代次数满足参数量化条件,则从N个网络层中确定出目标待量化网络层,对目标待量化网络层进行量化,根据量化后的目标待量化网络层更新预训练模型;并采用第二训练数据集对更新后的预训练模型进行训练,得到量化模型。可见,在对预训练模型进行迭代训练过程中,通过采用量化后的目标待量化网络层来更新预训练模型,实现了更好的模型量化。
-
公开(公告)号:CN114676853A
公开(公告)日:2022-06-28
申请号:CN202110407285.0
申请日:2021-04-15
Applicant: 腾讯云计算(北京)有限责任公司
IPC: G06N20/20
Abstract: 本申请实施例提供了一种数据处理方法、装置、设备以及介质,该方法包括:获取N个局部识别模型分别对应的局部模型参数,N为客户端的数量;获取与局部模型参数集合相关联的M个权重组合,根据每个权重组合分别对局部模型参数集合进行参数融合,得到M个备选全局模型,M为正整数;获取M个备选全局模型分别在多媒体验证数据集中的评估指标,根据评估指标在M个备选全局模型中确定目标全局模型,将目标全局模型传输至N个客户端,以使N个客户端分别根据目标全局模型对所关联的局部识别模型进行参数更新,得到对象识别模型。采用本申请实施例,可以提高联邦训练模型之间的参数融合有效性,进而提高联邦识别模型的泛化效果。
-
公开(公告)号:CN115222064A
公开(公告)日:2022-10-21
申请号:CN202111604853.2
申请日:2021-12-24
Applicant: 腾讯云计算(北京)有限责任公司
Abstract: 本申请实施例提供了一种数据处理方法、装置、设备以及介质,该方法包括:获取N个局部识别模型在第r个同步周期所对应的局部模型参数,对N个局部识别模型分别对应的局部模型参数进行参数融合,得到第r个同步周期对应的目标全局模型;获取N个局部识别模型在第r‑1个同步周期时的历史全局模型,根据历史全局模型和目标全局模型,生成第r个同步周期对应的全局联邦动量;将全局联邦动量发送至N个客户端,以使N个客户端分别根据全局联邦动量对所关联的局部识别模型进行参数更新,得到对象识别模型。采用本申请实施例,可以提高局部识别模型的训练效率,以及提高对局部识别模型进行训练得到的对象识别模型的模型性能。
-
-
-
-