CN116566846A - 模型的管理方法、系统以及共享节点、网络节点 - Google Patents
模型的管理方法、系统以及共享节点、网络节点 Download PDFInfo
- Publication number
- CN116566846A CN116566846A CN202310817613.3A CN202310817613A CN116566846A CN 116566846 A CN116566846 A CN 116566846A CN 202310817613 A CN202310817613 A CN 202310817613A CN 116566846 A CN116566846 A CN 116566846A
- Authority
- CN
- China
- Prior art keywords
- model
- node
- requested
- request
- information
- 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.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims description 30
- 238000012549 training Methods 0.000 claims abstract description 90
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000004044 response Effects 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 17
- 230000002787 reinforcement Effects 0.000 description 9
- 238000012360 testing method Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本公开涉及一种模型的管理方法、系统以及共享节点、网络节点，涉及通信技术领域。本公开的方法包括：接收网络节点发送的模型复用请求，其中，网络节点为接入网域内的节点或核心网域内的节点，模型复用请求包括：请求的模型的属性信息和内容信息，属性信息用于表示网络节点所属的域；根据模型复用请求，在共享模型库中查找请求的模型；在查找到的模型与请求的模型内容信息相匹配，属性信息不匹配的情况下，向网络节点获取训练数据和模型需求信息；根据训练数据和模型需求信息对查找到的模型进行调整，作为请求的模型；将请求的模型发送至网络节点。
Description
技术领域
本公开涉及通信技术领域，特别涉及一种模型的管理方法、系统以及共享节点、网络节点。
背景技术
智能内生是6G（6th Generation，第六代移动通信技术）网络的重要研究方向，接入网和核心网均针对智能内生的方向开展的研究。核心网在基于3GPP（3rd GenerationPartnership Project，第三代合作伙伴计划）的架构基础上加入了如NWDAF（Network DataAnalytics Function，网络数据分析功能）等智能化网元，接入网侧的研究3GPP也通过网络节能等场景入手展开。
发明内容
发明人发现：目前接入域和核心网域的内生智能均是在各自域内独立实现，即在各自域内进行AI（Artificial Intelligence，人工智能）/ML（Machine Learning，机器学习）模型的训练、推理、存储等，针对无线域和核心网域的跨域智能内生研究还未有较大的进展。
本公开所要解决的一个技术问题是：提出一种模型的管理方法，实现域间模型共享，提高资源利用率。
根据本公开的一些实施例，提供的一种模型的管理方法，由共享节点执行，包括：接收网络节点发送的模型复用请求，其中，网络节点为接入网域内的节点或核心网域内的节点，模型复用请求包括：请求的模型的属性信息和内容信息，属性信息用于表示网络节点所属的域；根据模型复用请求，在共享模型库中查找请求的模型；在查找到的模型与请求的模型内容信息相匹配，属性信息不匹配的情况下，向网络节点获取训练数据和模型需求信息；根据训练数据和模型需求信息对查找到的模型进行调整，作为请求的模型；将请求的模型发送至网络节点。
在一些实施例中，属性信息和内容信息采用标签表示，标签中的属性字段表示属性信息，内容字段表示内容信息，根据模型复用请求，在共享模型库中查找请求的模型包括：将请求的模型的内容字段与共享模型库中的每个已存储的模型的内容字段进行匹配；针对与请求的模型的内容字段相匹配的已存储的模型，将该已存储的模型的属性字段与请求的模型的属性字段进行匹配。
在一些实施例中，内容字段包括：模型类型标识和模型功能标识中至少一项。
在一些实施例中，向网络节点获取训练数据包括：向网络节点发送模型训练请求；接收网络节点发送的模型训练响应，其中，模型训练响应包括：训练数据和模型需求信息，模型需求信息包括：输入参数的个数，输入参数的类型，输出参数的个数，输出参数的类型中至少一项。
在一些实施例中，该方法还包括：将请求的模型和标签进行对应存储。
在一些实施例中，该方法还包括：在查找到的模型与请求的模型内容信息和属性信息相匹配的情况下，将查找到的模型作为请求的模型，发送至网络节点。
在一些实施例中，该方法还包括：接收网络节点发送的模型上传请求，其中，模型上传请求包括待上传模型、属性信息和内容信息；将待上传模型、属性信息和内容信息对应存储至共享模型库的。
在一些实施例中，该方法还包括：接收网络节点发送的模型更新请求，其中，模型更新请求包括更新后的模型、属性信息和内容信息；根据更新后的模型的属性信息和内容信息，在共享模型库中查找已存储的更新后的模型对应的原模型；将更新后的模型替换原模型进行存储。
在一些实施例中，该方法还包括：接收网络节点发送模型下载请求，其中，模型下载请求包括：待更新模型的属性信息和内容信息；根据待更新模型的属性信息和内容信息，在共享模型库中查找待更新模型；向网络节点发送的模型下载响应，其中，模型下载响应包括待更新模型。
根据本公开的另一些实施例，提供的一种模型的管理方法，由网络节点执行，其中，网络节点为接入网域内的节点或核心网域内的节点，管理方法包括：响应于推理侧节点发送的模型推理请求，确定所属域内是否存储模型推理请求对应的模型；在未存储模型推理请求对应的模型的情况下，向共享节点发送模型复用请求，其中，模型复用请求包括：请求的模型的属性信息和内容信息，请求的模型为模型推理请求对应的模型，属性信息用于表示网络节点所属的域；在共享节点查找到的模型与请求的模型内容信息相匹配，属性信息不匹配的情况下，向共享节点发送训练数据和模型需求信息；接收共享节点发送的请求的模型，其中，请求的模型是共享节点根据训练数据和模型需求信息对查找到的模型进行调整得到的。
在一些实施例中，模型推理请求包括：模型推理请求对应的模型的标签，标签中的属性字段表示属性信息，内容字段表示内容信息，确定所属域内是否存储模型推理请求对应的模型包括：根据模型推理请求对应的模型的标签，在所属域内的模型库中查找模型推理请求对应的模型。
在一些实施例中，向共享节点发送训练数据和模型需求信息包括：接收共享节点发送的模型训练请求；根据请求的模型的属性信息和内容信息，确定请求的模型的模型需求信息，其中，模型需求信息包括：输入参数的个数，输入参数的类型，输出参数的个数，输出参数的类型中至少一项；向共享节点发送模型训练响应，其中，模型训练响应包括：训练数据和模型需求信息。
在一些实施例中，该方法还包括：获取待训练的模型的训练数据；对待训练的模型进行训练，得到待上传模型；将待上传模型存储至所属域内的模型库；向共享节点发送模型上传请求，其中，模型上传请求包括待上传模型、属性信息和内容信息。
在一些实施例中，该方法还包括：在共享节点查找到的模型与请求的模型内容信息和属性信息相匹配的情况下，接收共享节点发送的查找到的模型作为请求的模型。
在一些实施例中，该方法还包括：向共享节点发送模型更新请求，其中，模型更新请求包括更新后的模型、更新后的模型的属性信息和内容信息，以便共享节点根据模型更新请求对已存储的更新后的模型对应的原模型进行更新。
在一些实施例中，该方法还包括：响应于模型更新需求，确定所属域内是否存储待更新模型；在所属域内未存储待更新模型的情况下，向共享节点发送模型下载请求，其中，模型下载请求包括：待更新模型的属性信息和内容信息；接收共享节点发送的模型下载响应，其中，模型下载响应包括待更新模型；根据待更新模型的当前训练参数，对待更新模型进行更新，得到更新后的模型。
根据本公开的又一些实施例，提供的一种共享节点，包括：接收模块，用于接收网络节点发送的模型复用请求，其中，网络节点为接入网域内的节点或核心网域内的节点，模型复用请求包括：请求的模型的属性信息和内容信息，属性信息用于表示网络节点所属的域；查找模块，用于根据模型复用请求，在共享模型库中查找请求的模型；获取模块，用于在查找到的模型与请求的模型内容信息相匹配，属性信息不匹配的情况下，向网络节点获取训练数据和模型需求信息；调整模块，用于根据训练数据和模型需求信息对查找到的模型进行调整，作为请求的模型；发送模块，用于将请求的模型发送至网络节点。
根据本公开的再一些实施例，提供的一种网络节点，包括：确定模块，用于响应于推理侧节点发送的模型推理请求，确定所属域内是否存储模型推理请求对应的模型；发送模块，用于在未存储模型推理请求对应的模型的情况下，向共享节点发送模型复用请求，其中，模型复用请求包括：请求的模型的属性信息和内容信息，请求的模型为模型推理请求对应的模型，属性信息用于表示网络节点所属的域；在共享节点查找到的模型与请求的模型内容信息相匹配，属性信息不匹配的情况下，向共享节点发送训练数据和模型需求信息；接收模块，用于接收共享节点发送的请求的模型，其中，请求的模型是共享节点根据训练数据和模型需求信息对查找到的模型进行调整得到的。
根据本公开的又一些实施例，提供的一种模型的管理装置，包括：处理器；以及耦接至处理器的存储器，用于存储指令，指令被处理器执行时，使处理器执行如前述任意实施例的模型的管理方法。
根据本公开的再一些实施例，提供的一种非瞬时性计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现前述任意实施例的模型的管理方法。
根据本公开的又一些实施例，提供的一种模型的管理系统，包括：前述任意实施例的共享节点和前述任意实施例的网络节点。
本公开中网络节点可以是接入网域内的节点或核心网域内的节点，共享节点接收网络节点发送的模型复用请求，在共享模型库中查找请求的模型，如果查找到的模型与请求的模型内容信息相匹配，属性信息不匹配，则从网络节点获取训练数据，对查找到的AI重新训练，得到请求的模型发送至网络节点。本公开中共享节点建立共享模型库，并可以针对不同域模型的差异进行模型的二次训练，实现接入网和核心网之间跨域的模型共享，降低了接入网和核心网资源的占用量，提高资源利用率，为跨域智能内生提供了基础。
通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出本公开的一些实施例的模型的管理方法的流程示意图。
图2示出本公开的另一些实施例的模型的管理方法的流程示意图。
图3A示出本公开的一些实施例的系统架构的示意图。
图3B示出本公开的又一些实施例的模型的管理方法的流程示意图。
图4示出本公开的一些实施例的共享节点的结构示意图。
图5示出本公开的一些实施例的网络节点的结构示意图。
图6示出本公开的一些实施例的模型的管理装置的结构示意图。
图7示出本公开的另一些实施例的模型的管理装置的结构示意图。
图8示出本公开的一些实施例的模型的管理系统的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
本公开提供一种模型的管理方法，下面结合图1~3B进行描述。
图1为本公开模型的管理方法一些实施例的流程图。如图1所示，该实施例的方法包括：步骤S102~S110。
在步骤S102中，网络节点向共享节点发送模型复用请求，相应的，共享节点接收网络节点发送的模型复用请求。
如图3A所示，系统中包括共享节点，共享节点具备存储能力、连接能力和调度能力。共享节点侧构建共享模型库，存储共享的模型，实现接入网域和核心网域的模型跨域互通、共享。网络节点可以是接入网域内的节点，例如，基站、终端等。网络节点也可以是核心网域内的节点，例如，NWDAF等，不限于所举示例。网络节点可以建立各自的域内模型库，例如，接入网模型库或者核心网模型库。
模型可以是通过计算机实现的AI或ML等模型。
在一些实施例中，网络节点响应于推理侧节点发送的模型推理请求，确定所属域内是否存储模型推理请求对应的模型；在未存储模型推理请求对应的模型的情况下，向共享节点发送模型复用请求。在存储模型推理请求对应的模型的情况下，则不需要发起模型复用请求。
模型推理请求的发起者可以是各自域内的用户，网络节点首先在所属域内模型库中匹配是否有已经训练完成的模型，匹配的规则也可以采用{属性：内容}的匹配模式，若匹配成功，则直接推送模型至推理侧节点，根据推理的数据完成模型推理。当域内无对应的模型后，网络节点开始向共享节点的发送模型复用请求，请求模型协同。
例如，模型复用请求包括：请求的模型的属性信息和内容信息，属性信息用于表示网络节点所属的域。属性信息和内容信息可以采用标签表示，标签中的属性字段表示属性信息，内容字段表示内容信息。内容字段包括：模型类型标识和模型功能标识中至少一项。例如，接入网中用于节能场景的强化学习模型，标签为{接入网：强化学习_节能}，具体表示方式不限于所举示例。
在步骤S104中，共享节点根据模型复用请求，在共享模型库中查找请求的模型。
在一些实施例中，共享节点将请求的模型的内容字段与共享模型库中的每个已存储的模型的内容字段进行匹配；针对与请求的模型的内容字段相匹配的已存储的模型，将该已存储的模型的属性字段与请求的模型的属性字段进行匹配。
共享节点在共享模型库中根据{属性：内容}的标签，首先匹配内容字段，内容字段匹配成功后再匹配属性字数。例如，标签为{接入网：强化学习_节能}，首先匹配“强化学习_节能”，内容字段匹配成功后再匹配“接入网”。
在步骤S106中，共享节点在查找到的模型与请求的模型内容信息相匹配，属性信息不匹配的情况下，向网络节点获取训练数据和模型需求信息，相应的，网络节点向共享节点发送训练数据和模型需求信息。
如果属性字段没有匹配到“接入网”，但可以匹配到{核心网：强化学习_节能}，则选择{核心网：强化学习_节能}的模型实现跨域模型协同。但是由于核心网和接入网的设计模型的差异性、训练数据和需求的不同，需要对查找到的模型进行调整或重新训练。
在一些实施例中，共享节点向网络节点发送模型训练请求，相应的，网络节点接收共享节点发送的模型训练请求。网络节点根据请求的模型的属性信息和内容信息，确定请求的模型的模型需求信息，网络节点向共享节点发送模型训练响应，相应的，共享节点接收网络节点发送的模型训练响应。
例如，模型需求信息包括：输入参数的个数，输入参数的类型，输出参数的个数，输出参数的类型中至少一项。模型训练响应包括：训练数据和模型需求信息。针对功能和类型相同的模型，可以预先配置核心网和接入网的不同模型需求信息，例如，针对“强化学习_节能”模型，预先配置核心网侧所需的输入/输出参数的个数和类型，接入网侧所需的输入/输出参数的个数和类型。
共享节点下发训练数据和模型详细需求的请求即模型训练请求，网络节点上传训练数据和模型需求信息（例如，模型详细输入输出参数等），共享节点在接收到对应的训练数据和模型需求信息后，开始对查找到的模型进行修改和二次训练。
在一些实施例中，在共享节点查找到的模型与请求的模型内容信息和属性信息相匹配的情况下，将查找到的模型作为请求的模型，发送至网络节点。相应的，网络节点接收共享节点发送的查找到的模型作为请求的模型。
共享节点如果直接查找到网络节点请求的模型，则直接将改模型发送至网络节点即可。
在步骤S108中，共享节点根据训练数据和模型需求信息对查找到的模型进行调整，作为请求的模型。
共享节点可以对查找到的模型进行二次训练，具体训练方法可以根据实际模型确定。
在步骤S110中，共享节点将请求的模型发送至网络节点，相应的，网络节点接收共享节点发送的请求的模型。
共享节点可以将请求的模型的相关数据发送至网络节点，以使网络节点可以在本地构建该模型并进行使用。
在一些实施例中，网络节点对接收到的模型进行测试或评估，在测试或评估通过的情况下，完成模型推理等功能。在测试或评估未通过的情况下，可以根据训练数据对接接收到的模型修改和再次训练，直至通过测试或评估，并将测试或评估通过的模型在所属域内的模型库中更新。
在一些实施例中，共享节点将请求的模型和标签进行对应存储。例如，共享节点查找到的模型的标签为{核心网：强化学习_节能}，经过修改或二次训练得到请求的模型，标签为{接入网：强化学习_节能}，则将请求的模型和标签对应存储。
上述实施例中网络节点可以是接入网域内的节点或核心网域内的节点，共享节点接收网络节点发送的模型复用请求，在共享模型库中查找请求的模型，如果查找到的模型与请求的模型内容信息相匹配，属性信息不匹配，则从网络节点获取训练数据，对查找到的模型重新训练，得到请求的模型发送至网络节点。上述实施例中共享节点建立共享模型库，并可以针对不同域模型的差异进行模型的二次训练，实现接入网和核心网之间跨域的模型共享，降低了接入网和核心网资源的占用量，提高资源利用率，为跨域智能内生提供了基础。
下面结合图2描述本公开模型的管理方法的另一些实施例。
图2为本公开模型的管理方法另一些实施例的流程图。如图2所示，该实施例的方法包括：步骤S202~S214。
在步骤S202中，网络节点获取待训练的模型的训练数据，对待训练的模型进行训练，得到待上传模型。
接入网域或核心网域首先通过采集到的数据，构建数据库，然后将数据提供给模型训练使用，进行模型的训练。
在步骤S204中，网络节点将待上传模型存储至所属域内的模型库。
模型的数据采集、训练和推理等可以是同一域内多个网络节点共同完成的。数据库、域内的模型库对于同一域内的多个网络节点可以是共享的，也可以是分布式的，即分布在多个网络节点侧，在此不作限制。
在步骤S206中，网络节点向共享节点发送模型上传请求，相应的，共享节点接收网络节点发送的模型上传请求。
模型上传请求包括待上传模型、属性信息和内容信息。网络节点可以周期性或定时向共享节点推送待上传的模型。
在步骤S208中，共享节点将待上传模型、属性信息和内容信息对应存储至共享模型库的。
共享节点可以将待上传模型和对应的标签存储至共享模型库。
例如，接入网模型库因为存储空间的限制，会定时将已经训练完成的模型的数据推送至共享节点的共享模型库，会根据{属性：内容}的标签存储模型，属性包括：接入网和核心网，内容可以根据差异调整，如上传了接入网中用于节能场景的强化学习模型，则存储的标签为{接入网：强化学习_节能}。核心网节点首先将已经训练的模型存放于核心网模型库中，然后推送至共享节点侧的共享模型库，推送的模式跟接入网侧保持一致，采用定时推送的模式，存储的标签也为{属性：内容}，如核心网侧上传了用于轨迹预测场景的监督学习模型，则存储标签为{核心网：监督学习_轨迹预测}。
在一些实施例中，网络节点可以根据各个模型在预设时间内的使用频率，选取使用频率低于阈值的模型发送到共享节点进行存储，在所属域内的模型库中删除使用频率低于阈值的模型，节省存储资源。
在步骤S210中，网络节点向共享节点发送模型更新请求，相应的，共享节点接收网络节点发送的模型更新请求。
模型更新请求包括更新后的模型、属性信息和内容信息。
在步骤S212中，共享节点根据更新后的模型的属性信息和内容信息，在共享模型库中查找已存储的更新后的模型对应的原模型。
共享节点可以根据更新后的模型的标签在共享模型库中查找原模型。
在步骤S214中，共享节点将更新后的模型替换原模型进行存储。
如果核心网或接入网有训练后更新的模型，则更新后的模型首先存储在所属域内的模型库中，然后推送至共享节点的共享模型库中替换原模型。接入网和核心网的模型可以不支持模型版本的倒退，只支持模型版本的更新，如果需要用使用旧版本的模型，则需要重新进行训练。
在一些实施例中，需要更新的模型可能没有存储在网络节点所属域内的模型库中，仅存储在共享模型库中，网络节点则需要先从共享节点侧下载待更新的模型再进行更新。
网络节点响应于模型更新需求，确定所属域内是否存储待更新模型；在所属域内存储待更新模型的情况下，对待更新的模型进行更新；在所属域内未存储待更新模型的情况下，网络节点向共享节点发送模型下载请求，相应的，共享节点接收网络节点发送模型下载请求。其中，模型下载请求包括：待更新模型的属性信息和内容信息；共享节点根据待更新模型的属性信息和内容信息，在共享模型库中查找待更新模型。共享节点向网络节点发送的模型下载响应，相应的，网络节点接收共享节点发送的模型下载响应，其中，模型下载响应包括待更新模型。网络节点根据待更新模型的当前训练参数，对待更新模型进行更新，得到更新后的模型。网络节点得到更新后的模型，再根据前述实施例的方法上传至共享节点进行存储。
上述实施例的方法实现了跨域的模型存储和更新，降低了接入网和核心网资源的占用量，提高资源利用率，为跨域智能内生提供了基础。
如图3B所示，接入网侧可以实现模型的推理、训练和存储，将已训练模型存储至接入网模型库中，同时将已训练模型推送至共享节点的共享模型库中。响应于模型推理请求，获取相应的模型执行推理。如果接入网模型库中没有对应的模型，则向共享节点请求已训练模型，接收共享节点下发已训练模型，再对模型进行评估，评估通过后执行推理。核心网侧的实现方案相同或相似，不再赘述。
本公开还提供一种共享节点，下面结合图4进行描述。
图4为本公开共享节点的一些实施例的结构图。如图4所示，该实施例的共享节点40包括：接收模块410，查找模块420，获取模块430，调整模块440，发送模块450。
接收模块410用于接收网络节点发送的模型复用请求，其中，网络节点为接入网域内的节点或核心网域内的节点，模型复用请求包括：请求的模型的属性信息和内容信息，属性信息用于表示网络节点所属的域。
查找模块420用于根据模型复用请求，在共享模型库中查找请求的模型。
在一些实施例中，属性信息和内容信息采用标签表示，标签中的属性字段表示属性信息，内容字段表示内容信息，查找模块420用于将请求的模型的内容字段与共享模型库中的每个已存储的模型的内容字段进行匹配；针对与请求的模型的内容字段相匹配的已存储的模型，将该已存储的模型的属性字段与请求的模型的属性字段进行匹配。
在一些实施例中，内容字段包括：模型类型标识和模型功能标识中至少一项。
获取模块430用于在查找到的模型与请求的模型内容信息相匹配，属性信息不匹配的情况下，向网络节点获取训练数据和模型需求信息。
在一些实施例中，获取模块430用于向网络节点发送模型训练请求；接收网络节点发送的模型训练响应，其中，模型训练响应包括：训练数据和模型需求信息，模型需求信息包括：输入参数的个数，输入参数的类型，输出参数的个数，输出参数的类型中至少一项。
调整模块440用于根据训练数据和模型需求信息对查找到的模型进行调整，作为请求的模型。
发送模块450用于将请求的模型发送至网络节点。
在一些实施例中，共享节点40还包括存储模块460，用于将请求的模型和标签进行对应存储。
在一些实施例中，发送模块450还用于在查找到的模型与请求的模型内容信息和属性信息相匹配的情况下，将查找到的模型作为请求的模型，发送至网络节点。
在一些实施例中，接收模块410还用于接收网络节点发送的模型上传请求，其中，模型上传请求包括待上传模型、属性信息和内容信息；存储模块460还用于将待上传模型、属性信息和内容信息对应存储至共享模型库的。
在一些实施例中，接收模块410还用于接收网络节点发送的模型更新请求，其中，模型更新请求包括更新后的模型、属性信息和内容信息；查找模块420还用于根据更新后的模型的属性信息和内容信息，在共享模型库中查找已存储的更新后的模型对应的原模型；存储模块460还用于将更新后的模型替换原模型进行存储。
在一些实施例中，接收模块410还用于接收网络节点发送模型下载请求，其中，模型下载请求包括：待更新模型的属性信息和内容信息；查找模块420还用于根据待更新模型的属性信息和内容信息，在共享模型库中查找待更新模型；发送模块450还用于向网络节点发送的模型下载响应，其中，模型下载响应包括待更新模型。
本公开还提供一种网络节点，网络节点为接入网域内的节点或核心网域内的节点，下面结合图5进行描述。
图5为本公开网络节点的一些实施例的结构图。如图5所示，该实施例的网络节点50包括：确定模块510，发送模块520，接收模块530。
确定模块510用于响应于推理侧节点发送的模型推理请求，确定所属域内是否存储模型推理请求对应的模型。
发送模块520用于在未存储模型推理请求对应的模型的情况下，向共享节点发送模型复用请求，其中，模型复用请求包括：请求的模型的属性信息和内容信息，请求的模型为模型推理请求对应的模型，属性信息用于表示网络节点所属的域；在共享节点查找到的模型与请求的模型内容信息相匹配，属性信息不匹配的情况下，向共享节点发送训练数据和模型需求信息。
接收模块530用于接收共享节点发送的请求的模型，其中，请求的模型是共享节点根据训练数据和模型需求信息对查找到的模型进行调整得到的。
在一些实施例中，模型推理请求包括：模型推理请求对应的模型的标签，标签中的属性字段表示属性信息，内容字段表示内容信息，确定模块510用于根据模型推理请求对应的模型的标签，在所属域内的模型库中查找模型推理请求对应的模型。
在一些实施例中，接收模块530还用于接收共享节点发送的模型训练请求；确定模块510还用于根据请求的模型的属性信息和内容信息，确定请求的模型的模型需求信息，其中，模型需求信息包括：输入参数的个数，输入参数的类型，输出参数的个数，输出参数的类型中至少一项；发送模块520还用于向共享节点发送模型训练响应，其中，模型训练响应包括：训练数据和模型需求信息。
在一些实施例中，网络节点50还包括训练模块540，用于获取待训练的模型的训练数据；对待训练的模型进行训练，得到待上传模型；存储模块550，用于将待上传模型存储至所属域内的模型库；发送模块520还用于向共享节点发送模型上传请求，其中，模型上传请求包括待上传模型、属性信息和内容信息。
在一些实施例中，接收模块530还用于在共享节点查找到的模型与请求的模型内容信息和属性信息相匹配的情况下，接收共享节点发送的查找到的模型作为请求的模型。
在一些实施例中，发送模块520还用于向共享节点发送模型更新请求，其中，模型更新请求包括更新后的模型、更新后的模型的属性信息和内容信息，以便共享节点根据模型更新请求对已存储的更新后的模型对应的原模型进行更新。
在一些实施例中，确定模块510还用于响应于模型更新需求，确定所属域内是否存储待更新模型；发送模块520还用于在所属域内未存储待更新模型的情况下，向共享节点发送模型下载请求，其中，模型下载请求包括：待更新模型的属性信息和内容信息；接收模块530还用于接收共享节点发送的模型下载响应，其中，模型下载响应包括待更新模型；训练模块540还用于根据待更新模型的当前训练参数，对待更新模型进行更新，得到更新后的模型。
本公开的实施例中的模型的管理装置（共享节点或网络节点）可各由各种计算设备或计算机系统来实现，下面结合图6以及图7进行描述。
图6为本公开模型的管理装置的一些实施例的结构图。如图6所示，该实施例的装置60包括：存储器610以及耦接至该存储器610的处理器620，处理器620被配置为基于存储在存储器610中的指令，执行本公开中任意一些实施例中的模型的管理方法。
其中，存储器610例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序（Boot Loader）、数据库以及其他程序等。
图7为本公开模型的管理装置的另一些实施例的结构图。如图7所示，该实施例的装置70包括：存储器710以及处理器720，分别与存储器610以及处理器620类似。还可以包括输入输出接口730、网络接口740、存储接口750等。这些接口730，740，750以及存储器710和处理器720之间例如可以通过总线760连接。其中，输入输出接口730为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口740为各种联网设备提供连接接口，例如可以连接到数据库服务器或者云端存储服务器等。存储接口750为SD卡、U盘等外置存储设备提供连接接口。
本公开还提供一种模型的管理系统，如图8所示，模型的管理系统80包括：共享节点40和网络节点50，网络节点可以是接入网域节点和/或核心网域节点。
本领域内的技术人员应当明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解为可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的较佳实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (21)
1.一种模型的管理方法，由共享节点执行，包括：
接收网络节点发送的模型复用请求，其中，所述网络节点为接入网域内的节点或核心网域内的节点，所述模型复用请求包括：请求的模型的属性信息和内容信息，所述属性信息用于表示所述网络节点所属的域；
根据所述模型复用请求，在共享模型库中查找所述请求的模型；
在查找到的模型与所述请求的模型内容信息相匹配，属性信息不匹配的情况下，向所述网络节点获取训练数据和模型需求信息；
根据所述训练数据和模型需求信息对所述查找到的模型进行调整，作为所述请求的模型；
将所述请求的模型发送至所述网络节点。
2.根据权利要求1所述的管理方法，其中，所述属性信息和内容信息采用标签表示，标签中的属性字段表示属性信息，内容字段表示内容信息，所述根据所述模型复用请求，在共享模型库中查找所述请求的模型包括：
将所述请求的模型的内容字段与所述共享模型库中的每个已存储的模型的内容字段进行匹配；
针对与所述请求的模型的内容字段相匹配的已存储的模型，将该已存储的模型的属性字段与所述请求的模型的属性字段进行匹配。
3.根据权利要求2所述的管理方法，其中，所述内容字段包括：模型类型标识和模型功能标识中至少一项。
4.根据权利要求1所述的管理方法，其中，所述向所述网络节点获取训练数据包括：
向所述网络节点发送模型训练请求；
接收所述网络节点发送的模型训练响应，其中，所述模型训练响应包括：所述训练数据和所述模型需求信息，所述模型需求信息包括：输入参数的个数，输入参数的类型，输出参数的个数，输出参数的类型中至少一项。
5.根据权利要求1-4任一项所述的管理方法，还包括：
将所述请求的模型和标签进行对应存储。
6.根据权利要求1-4任一项所述的管理方法，还包括：
在查找到的模型与所述请求的模型内容信息和属性信息相匹配的情况下，将查找到的模型作为所述请求的模型，发送至所述网络节点。
7.根据权利要求1-4任一项所述的管理方法，还包括：
接收所述网络节点发送的模型上传请求，其中，所述模型上传请求包括待上传模型、属性信息和内容信息；
将所述待上传模型、属性信息和内容信息对应存储至所述共享模型库的。
8.根据权利要求1-4任一项所述的管理方法，还包括：
接收所述网络节点发送的模型更新请求，其中，所述模型更新请求包括更新后的模型、属性信息和内容信息；
根据所述更新后的模型的属性信息和内容信息，在所述共享模型库中查找已存储的所述更新后的模型对应的原模型；
将所述更新后的模型替换所述原模型进行存储。
9.根据权利要求1-4任一项所述的管理方法，还包括：
接收所述网络节点发送模型下载请求，其中，所述模型下载请求包括：待更新模型的属性信息和内容信息；
根据所述待更新模型的属性信息和内容信息，在所述共享模型库中查找所述待更新模型；
向所述网络节点发送的模型下载响应，其中，所述模型下载响应包括所述待更新模型。
10.一种模型的管理方法，由网络节点执行，其中，所述网络节点为接入网域内的节点或核心网域内的节点，所述管理方法包括：
响应于推理侧节点发送的模型推理请求，确定所属域内是否存储所述模型推理请求对应的模型；
在未存储所述模型推理请求对应的模型的情况下，向共享节点发送模型复用请求，其中，所述模型复用请求包括：请求的模型的属性信息和内容信息，所述请求的模型为所述模型推理请求对应的模型，所述属性信息用于表示所述网络节点所属的域；
在所述共享节点查找到的模型与所述请求的模型内容信息相匹配，属性信息不匹配的情况下，向所述共享节点发送训练数据和模型需求信息；
接收所述共享节点发送的所述请求的模型，其中，所述请求的模型是所述共享节点根据所述训练数据和所述模型需求信息对所述查找到的模型进行调整得到的。
11.根据权利要求10所述的管理方法，其中，所述模型推理请求包括：所述模型推理请求对应的模型的标签，所述标签中的属性字段表示属性信息，内容字段表示内容信息，所述确定所属域内是否存储所述模型推理请求对应的模型包括：
根据所述模型推理请求对应的模型的标签，在所属域内的模型库中查找所述模型推理请求对应的模型。
12.根据权利要求10所述的管理方法，其中，所述向所述共享节点发送训练数据和模型需求信息包括：
接收所述共享节点发送的模型训练请求；
根据所述请求的模型的属性信息和内容信息，确定所述请求的模型的所述模型需求信息，其中，所述模型需求信息包括：输入参数的个数，输入参数的类型，输出参数的个数，输出参数的类型中至少一项；
向所述共享节点发送模型训练响应，其中，所述模型训练响应包括：所述训练数据和所述模型需求信息。
13.根据权利要求10-12任一项所述的管理方法，还包括：
获取待训练的模型的训练数据；
对所述待训练的模型进行训练，得到待上传模型；
将所述待上传模型存储至所属域内的模型库；
向所述共享节点发送模型上传请求，其中，所述模型上传请求包括所述待上传模型、属性信息和内容信息。
14.根据权利要求10-12任一项所述的管理方法，还包括：
在所述共享节点查找到的模型与所述请求的模型内容信息和属性信息相匹配的情况下，接收所述共享节点发送的查找到的模型作为所述请求的模型。
15.根据权利要求10-12任一项所述的管理方法，还包括：
向所述共享节点发送模型更新请求，其中，所述模型更新请求包括更新后的模型、所述更新后的模型的属性信息和内容信息，以便所述共享节点根据所述模型更新请求对已存储的所述更新后的模型对应的原模型进行更新。
16.根据权利要求15所述的管理方法，还包括：
响应于模型更新需求，确定所属域内是否存储待更新模型；
在所属域内未存储待更新模型的情况下，向所述共享节点发送模型下载请求，其中，所述模型下载请求包括：所述待更新模型的属性信息和内容信息；
接收所述共享节点发送的模型下载响应，其中，所述模型下载响应包括所述待更新模型；
根据所述待更新模型的当前训练参数，对所述待更新模型进行更新，得到所述更新后的模型。
17.一种共享节点，包括：
接收模块，用于接收网络节点发送的模型复用请求，其中，所述网络节点为接入网域内的节点或核心网域内的节点，所述模型复用请求包括：请求的模型的属性信息和内容信息，所述属性信息用于表示所述网络节点所属的域；
查找模块，用于根据所述模型复用请求，在共享模型库中查找所述请求的模型；
获取模块，用于在查找到的模型与所述请求的模型内容信息相匹配，属性信息不匹配的情况下，向所述网络节点获取训练数据和模型需求信息；
调整模块，用于根据所述训练数据和模型需求信息对所述查找到的模型进行调整，作为所述请求的模型；
发送模块，用于将所述请求的模型发送至所述网络节点。
18.一种网络节点，包括：
确定模块，用于响应于推理侧节点发送的模型推理请求，确定所属域内是否存储所述模型推理请求对应的模型；
发送模块，用于在未存储所述模型推理请求对应的模型的情况下，向共享节点发送模型复用请求，其中，所述模型复用请求包括：请求的模型的属性信息和内容信息，所述请求的模型为所述模型推理请求对应的模型，所述属性信息用于表示所述网络节点所属的域；在所述共享节点查找到的模型与所述请求的模型内容信息相匹配，属性信息不匹配的情况下，向所述共享节点发送训练数据和模型需求信息；
接收模块，用于接收所述共享节点发送的所述请求的模型，其中，所述请求的模型是所述共享节点根据所述训练数据和所述模型需求信息对所述查找到的模型进行调整得到的。
19. 一种模型的管理装置，包括：
处理器；以及
耦接至所述处理器的存储器，用于存储指令，所述指令被所述处理器执行时，使所述处理器执行如权利要求1-16任一项所述的模型的管理方法。
20.一种非瞬时性计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现权利要求1-16任一项所述方法的步骤。
21.一种模型的管理系统，包括：权利要求17所述的共享节点和权利要求18所述的网络节点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310817613.3A CN116566846B (zh) | 2023-07-05 | 2023-07-05 | 模型的管理方法、系统以及共享节点、网络节点 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310817613.3A CN116566846B (zh) | 2023-07-05 | 2023-07-05 | 模型的管理方法、系统以及共享节点、网络节点 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116566846A true CN116566846A (zh) | 2023-08-08 |
| CN116566846B CN116566846B (zh) | 2023-09-22 |
Family
ID=87491850
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310817613.3A Active CN116566846B (zh) | 2023-07-05 | 2023-07-05 | 模型的管理方法、系统以及共享节点、网络节点 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116566846B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110490305A (zh) * | 2019-08-22 | 2019-11-22 | 腾讯科技（深圳）有限公司 | 基于区块链网络的机器学习模型处理方法及节点 |
| CN111612153A (zh) * | 2019-02-22 | 2020-09-01 | 华为技术有限公司 | 训练模型的方法和装置 |
| US20210184989A1 (en) * | 2020-03-04 | 2021-06-17 | Geng Wu | Data-centric service-based network architecture |
| CN113535808A (zh) * | 2021-06-24 | 2021-10-22 | 复旦大学 | 基于安全多方计算的键值对模型安全训练与推理方法 |
| CN113570397A (zh) * | 2021-01-27 | 2021-10-29 | 腾讯科技（深圳）有限公司 | 一种模型训练设备、方法、装置及介质 |
| CN114339821A (zh) * | 2020-09-30 | 2022-04-12 | 英特尔公司 | 用于分布式nwdaf之间的机器学习模型共享的方法和装置 |
| CN114916015A (zh) * | 2022-05-12 | 2022-08-16 | 东南大学 | 雾无线接入网中基于量化的联邦强化学习的协作缓存方法 |
| CN115622777A (zh) * | 2022-10-09 | 2023-01-17 | 郑州大学 | 一种基于联盟链的多中心联邦学习数据共享方法 |
-
2023
- 2023-07-05 CN CN202310817613.3A patent/CN116566846B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111612153A (zh) * | 2019-02-22 | 2020-09-01 | 华为技术有限公司 | 训练模型的方法和装置 |
| CN110490305A (zh) * | 2019-08-22 | 2019-11-22 | 腾讯科技（深圳）有限公司 | 基于区块链网络的机器学习模型处理方法及节点 |
| US20210184989A1 (en) * | 2020-03-04 | 2021-06-17 | Geng Wu | Data-centric service-based network architecture |
| CN114339821A (zh) * | 2020-09-30 | 2022-04-12 | 英特尔公司 | 用于分布式nwdaf之间的机器学习模型共享的方法和装置 |
| CN113570397A (zh) * | 2021-01-27 | 2021-10-29 | 腾讯科技（深圳）有限公司 | 一种模型训练设备、方法、装置及介质 |
| CN113535808A (zh) * | 2021-06-24 | 2021-10-22 | 复旦大学 | 基于安全多方计算的键值对模型安全训练与推理方法 |
| CN114916015A (zh) * | 2022-05-12 | 2022-08-16 | 东南大学 | 雾无线接入网中基于量化的联邦强化学习的协作缓存方法 |
| CN115622777A (zh) * | 2022-10-09 | 2023-01-17 | 郑州大学 | 一种基于联盟链的多中心联邦学习数据共享方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116566846B (zh) | 2023-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111083722B (zh) | 模型的推送、模型的请求方法及装置、存储介质 | |
| CN102291430B (zh) | 物联网配置信息处理方法、物联网平台及系统 | |
| CN110119399B (zh) | 基于机器学习的业务流程优化方法 | |
| WO2022001941A1 (zh) | 网元管理方法、网管系统、独立计算节点、计算机设备、存储介质 | |
| WO2024012235A1 (zh) | 人工智能请求分析方法、装置及设备 | |
| US20240095529A1 (en) | Neural Network Optimization Method and Apparatus | |
| CN111626338B (zh) | 基于融合分类模型的云环境匹配方法、装置、设备和介质 | |
| CN114492601A (zh) | 资源分类模型的训练方法、装置、电子设备及存储介质 | |
| CN114896502B (zh) | 应用ai和大数据分析的用户需求决策方法及互联网系统 | |
| CN113570439A (zh) | 基于人工智能的电子商务大数据挖掘方法及电子商务系统 | |
| CN102077526B (zh) | 用于分布式信息管理的方法和装置 | |
| CN112541556A (zh) | 模型构建优化方法、设备、介质及计算机程序产品 | |
| CN111949720B (zh) | 基于大数据和人工智能的数据分析方法及云端数据服务器 | |
| CN116566846B (zh) | 模型的管理方法、系统以及共享节点、网络节点 | |
| CN103079194A (zh) | 业务适配方法、装置及系统 | |
| CN112529027A (zh) | 数据处理方法、客户端、装置及计算机可读存储介质 | |
| CN112948251B (zh) | 软件自动测试方法及装置 | |
| CN115915192A (zh) | 网络优化方法、装置、电子设备和存储介质 | |
| CN115087042A (zh) | 5g专网数据分流方法、装置、设备及存储介质 | |
| CN114580533A (zh) | 特征提取模型的训练方法、装置、设备、介质及程序产品 | |
| CN112926952A (zh) | 结合云计算的大数据办公业务处理方法及大数据服务器 | |
| CN114993329B (zh) | 道路数据更新方法及装置 | |
| CN112633513A (zh) | 数据处理方法、系统、装置及计算机可读存储介质 | |
| CN115330319B (zh) | 基于大数据的物流信息处理方法及人工智能服务器 | |
| CN115551055B (zh) | 基站的节能方法、系统和生产者网元 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |