CN109460826A - 用于分发数据的方法、装置和模型更新系统 - Google Patents
用于分发数据的方法、装置和模型更新系统 Download PDFInfo
- Publication number
- CN109460826A CN109460826A CN201811288020.8A CN201811288020A CN109460826A CN 109460826 A CN109460826 A CN 109460826A CN 201811288020 A CN201811288020 A CN 201811288020A CN 109460826 A CN109460826 A CN 109460826A
- Authority
- CN
- China
- Prior art keywords
- parameter
- model
- response
- sent
- server
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
Abstract
本申请实施例公开了用于分发数据的方法、装置和模型更新系统。该方法的一具体实施方式包括:响应于确定当前时间达到预设的请求发送时间,向模型训练服务端发送数据查询请求;响应于接收到模型训练服务端发送的、模型训练服务端中的模型包括的参数,将参数发送至对应的模型应用服务端,其中,参数是模型训练服务端中的模型包括的、在目标时间段内发生变化的参数。该实施方式可以避免在模型更新的时候,将模型训练服务端的模型包括的全量参数发送到模型应用服务端,提高了更新模型的效率。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于分发数据的方法、装置和模型更新系统。
背景技术
现有的模型训练方法,通常由服务端收集训练样本,利用训练样本训练模型,模型训练好后,应用该模型的其他服务端或终端设备,需要从训练模型的服务端获取模型的参数,以完成模型的更新。通常,在应用模型的服务端或终端需要更新模型时,需要从训练模型的服务端获取全量的参数以完成模型的更新。
发明内容
本申请实施例提出了用于分发数据的方法、装置和模型更新系统。
第一方面,本申请实施例提供了一种用于分发数据的方法,该方法包括:响应于确定当前时间达到预设的请求发送时间,向模型训练服务端发送数据查询请求;响应于接收到模型训练服务端发送的、模型训练服务端中的模型包括的参数,将参数发送至对应的模型应用服务端,其中,参数是模型训练服务端中的模型包括的、在目标时间段内发生变化的参数。
第二方面,本申请实施例提供了一种用于发送数据的方法,该方法包括:响应于接收到参数分发服务端发送的数据查询请求,确定预设的模型包括的参数在目标时间段内是否发生了变化;响应于确定发生了变化,将发生变化的参数发送至参数分发服务端。
在一些实施例中,模型是利用接收的、来自模型应用服务端的数据进行训练后得到的模型。
第三方面,本申请实施例提供了一种用于更新模型的方法,该方法包括:响应于接收到参数分发服务端发送的参数,确定预设的模型包括的、与所接收的参数对应的参数作为目标参数,其中,所接收的参数是模型训练服务端中的模型包括的、在目标时间段内发生变化的参数;将目标参数替换为所接收的参数。
第四方面,本申请实施例提供了一种用于分发数据的装置,该装置包括:第一发送单元,被配置成响应于确定当前时间达到预设的请求发送时间,向模型训练服务端发送数据查询请求;第二发送单元,被配置成响应于接收到模型训练服务端发送的、模型训练服务端中的模型包括的参数,将参数发送至对应的模型应用服务端,其中,参数是模型训练服务端中的模型包括的、在目标时间段内发生变化的参数。
第五方面,本申请实施例提供了一种用于发送数据的装置,该装置包括:确定单元,被配置成响应于接收到参数分发服务端发送的数据查询请求,确定预设的模型包括的参数在目标时间段内是否发生了变化;发送单元,被配置成响应于确定发生了变化,将发生变化的参数发送至参数分发服务端。
在一些实施例中,模型是利用接收的、来自模型应用服务端的数据进行训练后得到的模型。
第六方面,本申请实施例提供了一种用于更新模型的装置,该装置包括:确定单元,被配置成响应于接收到参数分发服务端发送的参数,确定预设的模型包括的、与所接收的参数对应的参数作为目标参数,其中,所接收的参数是模型训练服务端中的模型包括的、在目标时间段内发生变化的参数;替换单元,被配置成将目标参数替换为所接收的参数。
第七方面,本申请实施例提供了一种模型更新系统,该系统包括:通信连接的参数分发服务端、模型训练服务端和模型应用服务端;参数分发服务端,被配置成响应于确定当前时间达到预设的请求发送时间,向模型训练服务端发送数据查询请求;响应于接收到模型训练服务端发送的参数,将参数发送至对应的模型应用服务端;模型训练服务端,被配置成响应于接收到参数分发服务端发送的数据查询请求,确定预设的模型包括的参数在目标时间段内是否发生了变化;响应于确定发生了变化,将发生变化的参数发送至参数分发服务端;模型应用服务端,被配置成响应于接收到参数分发服务端发送的参数,确定预先设置在模型应用服务端的模型包括的、与所接收的参数对应的参数作为目标参数;将目标参数替换为所接收的参数。
在一些实施例中,模型训练服务端和参数分发服务端之间通过远程过程调用RPC协议通信。
第八方面,本申请实施例提供了一种服务端设备,该服务端设备包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面或第二方面或第三方面中任一实现方式描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面或第二方面或第三方面中任一实现方式描述的方法。
本申请实施例提供的用于分发数据的方法、装置和模型更新系统,通过向模型训练服务端发送数据查询请求,接收到模型训练服务端发送的、模型训练服务端中的模型包括的参数,将参数发送至模型应用服务端,以使模型应用服务端利用接收的参数更新模型。其中,参数是模型训练服务端中的模型包括的、在目标时间段内发生变化的参数,从而可以避免在模型更新的时候,将模型训练服务端的模型包括的全量参数发送到模型应用服务端,提高了更新模型的效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本申请实施例的用于分发数据的方法的一个实施例的流程图;
图3是根据本申请实施例的用于发送数据的方法的一个实施例的流程图;
图4是根据本申请实施例的用于更新模型的方法的一个实施例的流程图;
图5是根据本申请实施例的用于分发数据的装置的一个实施例的结构示意图;
图6是根据本申请实施例的用于发送数据的装置的一个实施例的结构示意图;
图7是根据本申请实施例的用于更新模型的装置的一个实施例的结构示意图;
图8是根据本申请实施例的模型更新系统的一个实施例的时序图;
图9是适于用来实现本申请实施例的服务端设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的用于分发数据的方法或用于分发数据的装置或模型更新系统的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101,网络102,模型训练服务端103,参数分发服务端104和模型应用服务端105。网络102用以在终端设备101,模型训练服务端103,参数分发服务端104和模型应用服务端105之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101通过网络102与模型应用服务端105交互,以接收或发送消息等。终端设备101上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
模型训练服务端103可以是用于训练各种机器学习模型的服务端。参数分发服务端104可以是将接收自模型训练服务端103的模型参数分发给模型应用服务端105的服务端。模型应用服务端105可以是利用模型为对终端设备101所需的各种信息(例如展示信息等)提供支持的服务端。通常,模型应用服务端105的数量可以是至少一个,每个模型应用服务端105分别对应于至少一个终端设备。
需要说明的是,本申请实施例所提供的用于分发数据的方法一般由参数分发服务端104执行,相应地,用于分发数据的装置一般设置于参数分发服务端104中。本申请实施例所提供的用于发送数据的方法一般由模型训练服务端103执行,相应地,用于分发数据的装置一般设置于模型训练服务端103中。本申请实施例所提供的用于更新模型的方法一般由模型应用服务端105执行,相应地,用于更新模型的装置一般设置于模型应用服务端105中
需要说明的是,模型训练服务端103、参数分发服务端104、模型应用服务端105可以是硬件,也可以是软件。当模型训练服务端103、参数分发服务端104、模型应用服务端105为硬件时,可以分别实现成多个服务端组成的分布式服务端集群,也可以实现成单个服务端。当上述模型训练服务端103、参数分发服务端104、模型应用服务端105为软件时,可以分别实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和各种服务端的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于分发数据的方法的一个实施例的流程200。该用于分发数据的方法,包括以下步骤:
步骤201,响应于确定当前时间达到预设的请求发送时间,向模型训练服务端发送数据查询请求。
在本实施例中,用于分发数据的方法的执行主体(例如图1所示的参数分发服务端104)可以响应于确定当前时间达到预设的请求发送时间,向模型训练服务端(例如图1所示的模型训练服务端103)发送数据查询请求。
其中,上述数据查询请求可以包括以下至少一种形式的信息:文字、数字、符号等。请求发送时间可以是基于预设的时间周期确定的时间。例如,预设的时间周期为一分钟,则可以将每分钟的第0秒作为请求发送时间。
步骤202,响应于接收到模型训练服务端发送的、模型训练服务端中的模型包括的参数,将参数发送至对应的模型应用服务端。
在本实施例中,上述执行主体可以响应于接收到模型训练服务端发送的、模型训练服务端中的模型包括的参数,将参数发送至对应的模型应用服务端。其中,所接收到的参数是模型训练服务端中的模型包括的、在目标时间段内发生变化的参数。通常,参数可以包括参数标识和参数值。
具体地,模型训练服务端在接收到上述数据查询请求后,可以提取预先设置在其上的模型包括的、在目标时间段内发生过变化的参数。上述目标时间段可以是根据预设的时间周期确定的时间段。例如预设的时间周期为一分钟,则目标时间段可以为模型训练服务端接收到数据查询请求的时间之前的一分钟。
模型训练服务端可以从上述模型包括的参数中,提取目标时间段内发生变化的参数,以及将所提取的参数发送至上述执行主体。
通常,模型应用服务端的数量可以是至少一个,在上述执行主体中,可以预先设置有表征参数与模型应用服务端的对应关系的对应关系表。作为示例,对应关系表中可以存储有多个表征模型应用服务端的服务端标识(例如模型应用服务端的地址)和对应的、表征参数的参数标识,上述执行主体可以从对应关系表中,查找与接收的参数的参数标识对应的服务端标识,从而将接收的参数发送至服务端标识表征的模型应用服务端。
上述执行主体可以将接收到的参数发送至模型应用服务器,以使模型应用服务器根据接收到的参数更新预先设置在其上的模型。
本申请的上述实施例提供的方法,通过向模型训练服务端发送数据查询请求,再接收模型训练服务端发送的、模型训练服务端中的模型包括的参数,以及将参数发送至模型应用服务端,从而可以获得模型中发生变化的参数,有助于使得模型应用服务端中的模型得到及时地更新。
继续参考图3,示出了根据本申请的用于发送数据的方法的一个实施例的流程300。该用于发送数据的方法,包括以下步骤:
步骤301,响应于接收到参数分发服务端发送的数据查询请求,确定预设的模型包括的参数在目标时间段内是否发生了变化。
在本实施例中,用于发送数据的方法的执行主体(例如图1所示的模型训练服务端103)可以响应于接收到参数分发服务端(例如图1所示的参数分发服务端104)发送的数据查询请求,确定预设的模型包括的参数在目标时间段内是否发生了变化。
其中,上述模型可以是各种机器学习模型。例如,上述模型可以包括但不限于以下至少一种:深度神经网络、循环神经网络、线性回归模型等。通常,在对模型进行训练时,可以对模型包括的参数进行调整,模型训练完成后,可以利用训练好的模型进行各种运算。例如进行图像识别、语音识别等。模型包括的参数通常包括参数标识和参数值。参数标识可以用于区分各个参数。上述执行主体可以记录参数值发送变化的参数。
上述目标时间段可以是根据预设的时间周期确定的时间段。例如预设的时间周期为一分钟,则目标时间段可以为上述执行主体接收到数据查询请求的时间之前的一分钟。
在本实施例的一些可选的实现方式中,上述模型可以是利用接收的、来自模型应用服务端(例如图1所示的模型应用服务端105)的数据进行训练后得到的模型。具体地,模型应用服务端可以与用户使用的终端设备(例如图1所示的终端设备101)进行交互,从而得到诸如用户的用户信息、用户进行各种操作所生成的信息等等。上述执行主体利用来自模型应用服务端的数据,生成训练样本,对上述模型进行训练,从而更新模型包括的参数。需要说明的是,上述来自模型应用服务端的数据可以由模型应用服务端直接发送至上述执行主体,也可以经过上述参数分发服务端转发至上述执行主体。
步骤302,响应于确定发生了变化,将发生变化的参数发送至参数分发服务端。
在本实施例中,上述执行主体可以响应于确定上述模型包括的参数在目标时间段内发生了变化,将发生变化的参数发送至参数分发服务端(例如图1所示的参数分发服务端104)。具体地,上述执行主体可以将发生变化的参数包括的参数标识和参数值发送至参数分发服务端。
通常,上述模型包括的参数的数据量较大,为了使用训练模型后所确定的参数更新其他电子设备上设置的模型,如果将模型包括的全部参数发送到上述电子设备,会造成网络拥堵,传输时间较长。将发生变化的参数发送到上述电子设备,使得上述电子设备更新发生变化的参数,可以提高更新模型的效率,避免造成网络拥堵。
本申请的上述实施例提供的方法,通过响应于接收到参数分发服务端发送的数据查询请求,确定预设的模型包括的参数在目标时间段内是否发生了变化,如果确定发生了变化,将发生变化的参数发送至参数分发服务端,从而可以提取发生变化的参数,将发生变化的参数发送到参数分发服务端,有助于使得模型应用服务端利用较少的参数更新模型,提高模型更新的效率。
继续参考图4,示出了根据本申请的用于更新模型的方法的一个实施例的流程400。该用于更新模型的方法,包括以下步骤:
步骤401,响应于接收到参数分发服务端发送的参数,确定预设的模型包括的、与所接收的参数对应的参数作为目标参数。
在本实施例中,用于更新模型的方法的执行主体(例如图1所示的模型应用服务端105)可以响应于接收到参数分发服务端(例如图1所示的参数分发服务端104)发送的参数,确定预设的模型包括的、与所接收的参数对应的参数作为目标参数。其中,所接收的参数是模型训练服务端(如图1所示的模型训练服务端103)中的模型包括的、在目标时间段内发生变化的参数。上述预设的模型可以是与上述图3对应实施例中描述的模型相同的模型,也可以是与其不同的模型。例如,可以是上述图3对应实施例中描述的模型包括的子模型。其中,所接收的参数包括参数标识。
通常,参数可以包括参数标识和参数值,上述执行主体可以从预设的模型中,确定与接收到的参数的参数标识相同的参数标识对应的参数作为目标参数。
步骤402,将目标参数替换为所接收的参数。
在本实施例中,上述执行主体可以将上述目标参数替换为所接收的参数。具体地,上述目标参数的数量通常为多个,对于多个目标参数中的每个目标参数,上述执行主体可以将每个目标参数替换为所接收的,与该目标参数对应的参数。由于所接收的参数的数据量通常小于上述图3对应实施例中描述的模型包括的参数的数据量,因此,可以避免利用网络传输大量的参数造成的网络拥堵,利用较少的参数即可完成模型的更新。
本申请的上述实施例提供的方法,通过响应于接收到参数分发服务端发送的参数,确定预设的模型包括的、与所接收的参数对应的参数作为目标参数,将目标参数替换为所接收的参数,从而利用了较少的参数即可实现模型的更新,提高了模型更新的效率。
进一步参考图5,作为对上述图2所示方法的实现,本申请提供了一种用于分发数据的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于分发数据的装置500包括:第一发送单元501,被配置成响应于确定当前时间达到预设的请求发送时间,向模型训练服务端发送数据查询请求;第二发送单元502,被配置成响应于接收到模型训练服务端发送的、模型训练服务端中的模型包括的参数,将参数发送至对应的模型应用服务端,其中,参数是模型训练服务端中的模型包括的、在目标时间段内发生变化的参数。
在本实施例中,第一发送单元501可以响应于确定当前时间达到预设的请求发送时间,向模型训练服务端(例如图1所示的模型训练服务端103)发送数据查询请求。
其中,上述数据查询请求可以包括以下至少一种形式的信息:文字、数字、符号等。请求发送时间可以是基于预设的时间周期确定的时间。例如,预设的时间周期为一分钟,则可以将每分钟的第0秒作为请求发送时间。
通常,模型训练服务端在接收到上述数据查询请求后,可以提取预先设置在其上的模型包括的、发生过变化的参数。
在本实施例中,第二发送单元502可以响应于接收到模型训练服务端发送的、模型训练服务端中的模型包括的参数,将参数发送至对应的模型应用服务端。其中,所接收到的参数是模型训练服务端中的模型包括的、在目标时间段内发生变化的参数。通常,参数可以包括参数标识和参数值。
具体地,上述目标时间段可以是根据预设的时间周期确定的时间段。例如预设的时间周期为一分钟,则目标时间段可以为模型训练服务端接收到数据查询请求的时间之前的一分钟。
模型训练服务端可以从上述模型包括的参数中,提取目标时间段内发生变化的参数,以及将所提取的参数发送至上述装置500。
通常,模型应用服务端的数量可以是至少一个,在上述装置500中,可以预先设置有表征参数与模型应用服务端的对应关系的对应关系表。作为示例,对应关系表中可以存储有多个表征模型应用服务端的服务端标识(例如模型应用服务端的地址)和对应的、表征参数的参数标识,第二发送单元502可以从对应关系表中,查找与接收的参数的参数标识对应的服务端标识,从而将接收的参数发送至服务端标识表征的模型应用服务端。
本申请的上述实施例提供的装置,通过向模型训练服务端发送数据查询请求,再接收模型训练服务端发送的、模型训练服务端中的模型包括的参数,以及将参数发送至模型应用服务端,从而可以获得模型中发生变化的参数,有助于使得模型应用服务端中的模型得到及时地更新。
进一步参考图6,作为对上述图3所示方法的实现,本申请提供了一种用于发送数据的装置的一个实施例,该装置实施例与图3所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,本实施例的用于发送数据的装置600包括:确定单元601,被配置成响应于接收到参数分发服务端发送的数据查询请求,确定预设的模型包括的参数在目标时间段内是否发生了变化;发送单元602,被配置成响应于确定发生了变化,将发生变化的参数发送至参数分发服务端。
在本实施例中,确定单元601可以响应于接收到参数分发服务端(例如图1所示的参数分发服务端104)发送的数据查询请求,确定预设的模型包括的参数在目标时间段内是否发生了变化。
其中,上述模型可以是各种机器学习模型。例如,上述模型可以包括但不限于以下至少一种:深度神经网络、循环神经网络、线性回归模型等。通常,在对模型进行训练时,可以对模型包括的参数进行调整,模型训练完成后,可以利用训练好的模型进行各种运算。例如进行图像识别、语音识别等。模型包括的参数通常包括参数标识和参数值。参数标识可以用于区分各个参数。上述装置600可以记录参数值发送变化的参数。
上述目标时间段可以是根据预设的时间周期确定的时间段。例如预设的时间周期为一分钟,则目标时间段可以为确定单元601接收到数据查询请求的时间之前的一分钟。
在本实施例中,发送单元602可以响应于确定上述模型包括的参数在目标时间段内发生了变化,将发生变化的参数发送至参数分发服务端(例如图1所示的参数分发服务端104)。具体地,发送单元602可以将发生变化的参数包括的参数标识和参数值发送至参数分发服务端。
通常,上述模型包括的参数的数据量较大,如果为了使用训练模型后所确定的参数更新其他电子设备上设置的模型,将模型包括的全部参数发送到上述电子设备,会造成网络拥堵,传输时间较长。将发生变化的参数发送到上述电子设备,使得上述电子设备更新发生变化的参数,可以提高更新模型的效率,避免造成网络拥堵。
在本实施例的一些可选的实现方式中,模型是利用接收的、来自模型应用服务端的数据进行训练后得到的模型。
本申请的上述实施例提供的装置,通过响应于接收到参数分发服务端发送的数据查询请求,确定预设的模型包括的参数在目标时间段内是否发生了变化,如果确定发生了变化,将发生变化的参数发送至参数分发服务端,从而可以提取发生变化的参数,将发生变化的参数发送到参数分发服务端,有助于使得模型应用服务端利用较少的参数更新模型,提高模型更新的效率。
进一步参考图7,作为对上述图4所示方法的实现,本申请提供了一种用于更新模型的装置的一个实施例,该装置实施例与图4所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图7所示,本实施例的用于更新模型的装置700包括:确定单元701,被配置成响应于接收到参数分发服务端发送的参数,确定预设的模型包括的、与所接收的参数对应的参数作为目标参数;替换单元702,被配置成将目标参数替换为所接收的参数。
在本实施例中,确定单元701可以响应于接收到参数分发服务端(例如图1所示的参数分发服务端104)发送的参数,确定预设的模型包括的、与所接收的参数对应的参数作为目标参数。其中,所接收的参数是模型训练服务端(如图1所示的模型训练服务端103)中的模型包括的、在目标时间段内发生变化的参数。上述预设的模型可以是与上述图3对应实施例中描述的模型相同的模型,也可以是与其不同的模型。例如,可以是上述图3对应实施例中描述的模型包括的子模型。
通常,参数可以包括参数标识和参数值,上述确定单元701可以从预设的模型中,确定与接收到的参数的参数标识相同的参数标识对应的参数作为目标参数。
在本实施例中,替换单元702可以将上述目标参数替换为所接收的参数。具体地,上述目标参数的数量通常为多个,对于多个目标参数中的每个目标参数,替换单元702可以将每个目标参数替换为所接收的,与该目标参数对应的参数。由于所接收的参数的数据量小于上述图3对应实施例中描述的模型包括的参数的数据量,因此,可以避免利用网络传输大量的参数造成的网络拥堵,利用较少的参数即可完成模型的更新。
本申请的上述实施例提供的方法,通过响应于接收到参数分发服务端发送的参数,确定预设的模型包括的、与所接收的参数对应的参数作为目标参数,将目标参数替换为所接收的参数,从而利用了较少的参数即可实现模型的更新,提高了模型更新的效率。
继续参考图8,其示出了根据本申请的模型更新系统的一个实施例的时序图800。
本申请实施例中的模型更新系统可以包括通信连接的参数分发服务端、模型训练服务端和模型应用服务端。
其中,参数分发服务端,被配置成响应于确定当前时间达到预设的请求发送时间,向模型训练服务端发送数据查询请求;响应于接收到模型训练服务端发送的参数,将参数发送至对应的模型应用服务端。
模型训练服务端,被配置成响应于接收到参数分发服务端发送的数据查询请求,确定预设的模型包括的参数在目标时间段内是否发生了变化;响应于确定发生了变化,将发生变化的参数发送至参数分发服务端。
模型应用服务端,被配置成响应于接收到参数分发服务端发送的参数,确定预先设置在模型应用服务端的模型包括的、与所接收的参数对应的参数作为目标参数;将目标参数替换为所接收的参数。
如图8所示,在步骤801中,参数分发服务端响应于确定当前时间达到预设的请求发送时间,向模型训练服务端发送数据查询请求。
在本实施例中,参数分发服务端可以响应于确定当前时间达到预设的请求发送时间,向模型训练服务端发送数据查询请求。
其中,上述数据查询请求可以包括以下至少一种形式的信息:文字、数字、符号等。请求发送时间可以是基于预设的时间周期确定的时间。例如,预设的时间周期为一分钟,则可以将每分钟的第0秒作为请求发送时间。
在步骤802中,模型训练服务端响应于接收到参数分发服务端发送的数据查询请求,确定预设的模型包括的参数在目标时间段内是否发生了变化。
在本实施例中,模型训练服务端可以响应于接收到参数分发服务端发送的数据查询请求,确定预设的模型包括的参数在目标时间段内是否发生了变化。
其中,上述模型可以是各种机器学习模型。例如,上述模型可以包括但不限于以下至少一种:深度神经网络、循环神经网络、线性回归模型等。通常,在对模型进行训练时,可以对模型包括的参数进行调整,模型训练完成后,可以利用训练好的模型进行各种运算。例如进行图像识别、语音识别等。模型包括的参数通常包括参数标识和参数值。参数标识可以用于区分各个参数。上述模型训练服务端可以记录参数值发送变化的参数。
上述目标时间段可以是根据预设的时间周期确定的时间段。例如预设的时间周期为一分钟,则目标时间段可以为模型训练服务端接收到数据查询请求的时间之前的一分钟。
在本实施例的一些可选的实现方式中,上述模型可以是模型训练服务端利用接收的、来自模型应用服务端的数据进行训练后得到的模型。具体地,模型应用服务端可以与用户使用的终端设备进行交互,从而得到诸如用户的用户信息、用户进行各种操作所生成的信息等等。模型训练服务端利用来自模型应用服务端的数据,生成训练样本,对上述模型进行训练,从而更新模型包括的参数。需要说明的是,上述来自模型应用服务端的数据可以由模型应用服务端直接发送至模型训练服务端,也可以经过上述参数分发服务端转发至模型训练服务端。
在步骤803中,模型训练服务端响应于确定发生了变化,将发生变化的参数发送至参数分发服务端。
模型训练服务端可以响应于确定上述模型包括的参数在目标时间段内发生了变化,将发生变化的参数发送至参数分发服务端。具体地,模型训练服务端可以将发生变化的参数包括的参数标识和参数值发送至参数分发服务端。
通常,上述模型包括的参数的数据量较大,如果为了使用训练模型后所确定的参数更新模型应用服务端上设置的模型,将模型包括的全部参数发送到模型应用服务端,会造成网络拥堵,传输时间较长。将发生变化的参数发送到模型应用服务端,使得模型应用服务端更新发生变化的参数,可以提高更新模型的效率,避免造成网络拥堵。
在步骤804中,参数分发服务端响应于接收到模型训练服务端发送的参数,将参数发送至对应的模型应用服务端。
在本实施例中,参数分发服务端可以响应于接收到模型训练服务端发送的、模型训练服务端中的模型包括的参数,将参数发送至对应的模型应用服务端。其中,所接收到的参数是模型训练服务端中的模型包括的、在目标时间段内发生变化的参数。
通常,模型应用服务端的数量可以是至少一个,在参数分发服务端中,可以预先设置有表征参数与模型应用服务端的对应关系的对应关系表。作为示例,对应关系表中可以存储有多个表征模型应用服务端的服务端标识(例如模型应用服务端的地址)和对应的、表征参数的参数标识,参数分发服务端可以从对应关系表中,查找与接收的参数的参数标识对应的服务端标识,从而将接收的参数发送至服务端标识表征的模型应用服务端。
在步骤805中,模型应用服务端响应于接收到参数分发服务端发送的参数,确定预先设置在模型应用服务端的模型包括的、与所接收的参数对应的参数作为目标参数。
在本实施例中,模型应用服务端可以响应于接收到参数分发服务端发送的参数,确定预设的模型包括的、与所接收的参数对应的参数作为目标参数。其中,上述预设的模型可以是与模型训练服务端上的模型相同的模型,也可以是与其不同的模型。例如,可以模型训练服务端上的模型包括的子模型。
通常,参数可以包括参数标识和参数值,模型应用服务端可以从预设的模型中,确定与接收到的参数的参数标识相同的参数标识对应的参数作为目标参数。
在步骤806中,模型应用服务端将目标参数替换为所接收的参数。
在本实施例中,模型应用服务端可以将上述目标参数替换为所接收的参数。具体地,上述目标参数的数量通常为多个,对于多个目标参数中的每个目标参数,模型应用服务端可以将每个目标参数替换为所接收的,与该目标参数对应的参数。由于所接收的参数的数据量小于上述图4对应实施例中描述的模型包括的参数的数据量,因此,可以避免利用网络传输大量的参数造成的网络拥堵,利用较少的参数即可完成模型的更新。
在本实施例的一些可选的实现方式中,模型训练服务端和参数分发服务端之间通过远程过程调用(RPC,Remote Procedure Call)协议通信。其中,RPC协议是一种通过网络从远程计算机程序上请求服务,而不需要了解底层网络技术的协议。RPC协议假定某些传输协议的存在,如TCP(Transmission Control Protocol传输控制协议)或UDP(UserDatagram Protocol,用户数据报协议),为设置在不同的设备上的通信程序之间传输数据。在OSI(Open System Interconnection,开放式系统互联)网络通信模型中,RPC跨越了传输层和应用层。RPC使得开发包括网络分布式多程序在内的应用程序更加容易。通过使用RPC协议,可以简化模型更新系统的搭建过程,提高模型更新的效率。
本申请实施例提供的模型更新系统,通过模型训练服务端向参数分发服务端发送设置在模型训练服务端的模型在目标时间段内发生变化的参数,再由参数分发服务端将参数发送到对应的模型应用服务端,模型应用服务端根据接收到的参数更新模型,避免了使用模型训练服务端上的模型包括的全量参数更新模型应用服务端上的模型,从而可以减少通过网络传输的数据量,避免造成网络拥堵,提高更新模型的效率。
下面参考图9,其示出了适于用来实现本申请实施例的服务端设备的计算机系统900的结构示意图。图9示出的服务端设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图9所示,计算机系统900包括中央处理单元(CPU)901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中,还存储有系统900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
以下部件连接至I/O接口905:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一发送单元和第二发送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一发送单元还可以被描述为“响应于确定当前时间达到预设的请求发送时间,向模型训练服务端发送数据查询请求的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的服务端设备中所包含的;也可以是单独存在,而未装配入该服务端设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该服务端设备执行时,使得该服务端设备:响应于确定当前时间达到预设的请求发送时间,向模型训练服务端发送数据查询请求;响应于接收到模型训练服务端发送的、模型训练服务端中的模型包括的参数,将参数发送至对应的模型应用服务端,其中,参数是模型训练服务端中的模型包括的、在目标时间段内发生变化的参数。
此外,当上述一个或者多个程序被该服务端设备执行时,还可以使得该服务端设备:响应于接收到参数分发服务端发送的数据查询请求,确定预设的模型包括的参数在目标时间段内是否发生了变化;响应于确定发生了变化,将发生变化的参数发送至参数分发服务端。
此外,当上述一个或者多个程序被该服务端设备执行时,还可以使得该服务端设备:响应于接收到参数分发服务端发送的参数,确定预设的模型包括的、与所接收的参数对应的参数作为目标参数;将目标参数替换为所接收的参数。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种用于分发数据的方法,包括:
响应于确定当前时间达到预设的请求发送时间,向模型训练服务端发送数据查询请求;
响应于接收到所述模型训练服务端发送的、所述模型训练服务端中的模型包括的参数,将所述参数发送至对应的模型应用服务端,其中,所述参数是所述模型训练服务端中的模型包括的、在目标时间段内发生变化的参数。
2.一种用于发送数据的方法,包括:
响应于接收到参数分发服务端发送的数据查询请求,确定预设的模型包括的参数在目标时间段内是否发生了变化;
响应于确定发生了变化,将发生变化的参数发送至参数分发服务端。
3.根据权利要求2所述的方法,其中,所述模型是利用接收的、来自模型应用服务端的数据进行训练后得到的模型。
4.一种用于更新模型的方法,包括:
响应于接收到参数分发服务端发送的参数,确定预设的模型包括的、与所接收的参数对应的参数作为目标参数,其中,所接收的参数是模型训练服务端中的模型包括的、在目标时间段内发生变化的参数;
将所述目标参数替换为所接收的参数。
5.一种用于分发数据的装置,包括:
第一发送单元,被配置成响应于确定当前时间达到预设的请求发送时间,向模型训练服务端发送数据查询请求;
第二发送单元,被配置成响应于接收到所述模型训练服务端发送的、所述模型训练服务端中的模型包括的参数,将所述参数发送至对应的模型应用服务端,其中,所述参数是所述模型训练服务端中的模型包括的、在目标时间段内发生变化的参数。
6.一种用于发送数据的装置,包括:
确定单元,被配置成响应于接收到参数分发服务端发送的数据查询请求,确定预设的模型包括的参数在目标时间段内是否发生了变化;
发送单元,被配置成响应于确定发生了变化,将发生变化的参数发送至参数分发服务端。
7.根据权利要求6所述的装置,其中,所述模型是利用接收的、来自模型应用服务端的数据进行训练后得到的模型。
8.一种用于更新模型的装置,包括:
确定单元,被配置成响应于接收到参数分发服务端发送的参数,确定预设的模型包括的、与所接收的参数对应的参数作为目标参数,其中,所接收的参数是模型训练服务端中的模型包括的、在目标时间段内发生变化的参数;
替换单元,被配置成将所述目标参数替换为所接收的参数。
9.一种模型更新系统,包括:通信连接的参数分发服务端、模型训练服务端和模型应用服务端;
所述参数分发服务端,被配置成响应于确定当前时间达到预设的请求发送时间,向所述模型训练服务端发送数据查询请求;响应于接收到所述模型训练服务端发送的参数,将所述参数发送至对应的模型应用服务端;
所述模型训练服务端,被配置成响应于接收到所述参数分发服务端发送的数据查询请求,确定预设的模型包括的参数在目标时间段内是否发生了变化;响应于确定发生了变化,将发生变化的参数发送至所述参数分发服务端;
所述模型应用服务端,被配置成响应于接收到所述参数分发服务端发送的参数,确定预先设置在所述模型应用服务端的模型包括的、与所接收的参数对应的参数作为目标参数;将所述目标参数替换为所接收的参数。
10.根据权利要求9所述的方法,其中,所述模型训练服务端和所述参数分发服务端之间通过远程过程调用RPC协议通信。
11.一种服务端设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811288020.8A CN109460826A (zh) | 2018-10-31 | 2018-10-31 | 用于分发数据的方法、装置和模型更新系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811288020.8A CN109460826A (zh) | 2018-10-31 | 2018-10-31 | 用于分发数据的方法、装置和模型更新系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109460826A true CN109460826A (zh) | 2019-03-12 |
Family
ID=65608977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811288020.8A Pending CN109460826A (zh) | 2018-10-31 | 2018-10-31 | 用于分发数据的方法、装置和模型更新系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109460826A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047050A (zh) * | 2019-12-17 | 2020-04-21 | 苏州浪潮智能科技有限公司 | 一种分布式并行训练方法、设备以及存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007004499A (ja) * | 2005-06-24 | 2007-01-11 | Mazda Motor Corp | プログラムデータ配信システム |
CN101408909A (zh) * | 2008-11-21 | 2009-04-15 | 中国运载火箭技术研究院 | 一种产品信息模型描述方法 |
CN104899641A (zh) * | 2015-05-25 | 2015-09-09 | 杭州朗和科技有限公司 | 深度神经网络学习方法、处理器和深度神经网络学习系统 |
CN105184367A (zh) * | 2014-06-09 | 2015-12-23 | 讯飞智元信息科技有限公司 | 深度神经网络的模型参数训练方法及系统 |
CN105208113A (zh) * | 2015-08-31 | 2015-12-30 | 北京百度网讯科技有限公司 | 信息推送的方法和装置 |
CN106327251A (zh) * | 2016-08-22 | 2017-01-11 | 北京小米移动软件有限公司 | 模型训练系统和方法 |
CN106610854A (zh) * | 2015-10-26 | 2017-05-03 | 阿里巴巴集团控股有限公司 | 一种模型更新方法及装置 |
CN106909529A (zh) * | 2015-12-22 | 2017-06-30 | 阿里巴巴集团控股有限公司 | 一种机器学习工具中间件及机器学习训练方法 |
CN106951926A (zh) * | 2017-03-29 | 2017-07-14 | 山东英特力数据技术有限公司 | 一种混合架构的深度学习系统方法及装置 |
CN107623583A (zh) * | 2016-07-15 | 2018-01-23 | 阿里巴巴集团控股有限公司 | 数据交互处理方法、装置及系统 |
CN107784364A (zh) * | 2016-08-25 | 2018-03-09 | 微软技术许可有限责任公司 | 机器学习模型的异步训练 |
CN107871160A (zh) * | 2016-09-26 | 2018-04-03 | 谷歌公司 | 通信高效联合学习 |
CN108009635A (zh) * | 2017-12-25 | 2018-05-08 | 大连理工大学 | 一种支持增量更新的深度卷积计算模型 |
CN108399458A (zh) * | 2018-03-26 | 2018-08-14 | 成都睿码科技有限责任公司 | 一种基于saas构建的深度学习模型训练系统 |
-
2018
- 2018-10-31 CN CN201811288020.8A patent/CN109460826A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007004499A (ja) * | 2005-06-24 | 2007-01-11 | Mazda Motor Corp | プログラムデータ配信システム |
CN101408909A (zh) * | 2008-11-21 | 2009-04-15 | 中国运载火箭技术研究院 | 一种产品信息模型描述方法 |
CN105184367A (zh) * | 2014-06-09 | 2015-12-23 | 讯飞智元信息科技有限公司 | 深度神经网络的模型参数训练方法及系统 |
CN104899641A (zh) * | 2015-05-25 | 2015-09-09 | 杭州朗和科技有限公司 | 深度神经网络学习方法、处理器和深度神经网络学习系统 |
CN105208113A (zh) * | 2015-08-31 | 2015-12-30 | 北京百度网讯科技有限公司 | 信息推送的方法和装置 |
CN106610854A (zh) * | 2015-10-26 | 2017-05-03 | 阿里巴巴集团控股有限公司 | 一种模型更新方法及装置 |
CN106909529A (zh) * | 2015-12-22 | 2017-06-30 | 阿里巴巴集团控股有限公司 | 一种机器学习工具中间件及机器学习训练方法 |
CN107623583A (zh) * | 2016-07-15 | 2018-01-23 | 阿里巴巴集团控股有限公司 | 数据交互处理方法、装置及系统 |
CN106327251A (zh) * | 2016-08-22 | 2017-01-11 | 北京小米移动软件有限公司 | 模型训练系统和方法 |
CN107784364A (zh) * | 2016-08-25 | 2018-03-09 | 微软技术许可有限责任公司 | 机器学习模型的异步训练 |
CN107871160A (zh) * | 2016-09-26 | 2018-04-03 | 谷歌公司 | 通信高效联合学习 |
CN106951926A (zh) * | 2017-03-29 | 2017-07-14 | 山东英特力数据技术有限公司 | 一种混合架构的深度学习系统方法及装置 |
CN108009635A (zh) * | 2017-12-25 | 2018-05-08 | 大连理工大学 | 一种支持增量更新的深度卷积计算模型 |
CN108399458A (zh) * | 2018-03-26 | 2018-08-14 | 成都睿码科技有限责任公司 | 一种基于saas构建的深度学习模型训练系统 |
Non-Patent Citations (1)
Title |
---|
张清辰: "面向大数据特征学习的深度计算模型研究", 《中国博士学位论文全文数据库》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047050A (zh) * | 2019-12-17 | 2020-04-21 | 苏州浪潮智能科技有限公司 | 一种分布式并行训练方法、设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109460513A (zh) | 用于生成点击率预测模型的方法和装置 | |
CN109032760A (zh) | 用于部署应用的方法和装置 | |
CN109697075A (zh) | 文件更新方法、系统和装置 | |
CN108540831B (zh) | 用于推送信息的方法和装置 | |
CN110489101A (zh) | 接口模拟方法、系统、介质和电子设备 | |
CN109995877A (zh) | 信息推送方法和装置 | |
CN110519379A (zh) | 基于微服务的请求处理方法及设备 | |
CN110391938A (zh) | 用于部署服务的方法和装置 | |
CN109714332A (zh) | 基于Thrift和语法树解析的协议转换方法及装置 | |
CN108494860A (zh) | Web访问系统、用于客户端的web访问方法和装置 | |
CN110209315A (zh) | 用户界面中字符的显示方法、装置、电子设备及存储介质 | |
CN110471733A (zh) | 信息处理方法和装置 | |
CN110096424A (zh) | 测试的处理方法、装置、电子设备及存储介质 | |
CN108962244A (zh) | 用于发送信息的方法和装置 | |
CN107203629A (zh) | 页面呈现方法、系统和装置 | |
CN110321738A (zh) | 信息处理方法和装置 | |
CN109766148A (zh) | 用于处理接口方法调用的方法和装置 | |
CN108829518A (zh) | 用于推送信息的方法和装置 | |
CN108733527A (zh) | 用于测试服务器功能的系统、方法和装置 | |
CN109818994A (zh) | 用于代理端的信息处理方法和装置 | |
CN108694120A (zh) | 测试服务组件的方法和装置 | |
CN109819042A (zh) | 用于提供软件开发工具包的方法和装置 | |
CN110223179A (zh) | 资金的数据处理方法、装置、系统、介质 | |
CN109460826A (zh) | 用于分发数据的方法、装置和模型更新系统 | |
CN111881392A (zh) | 展示页面的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |