申请/专利权人:浪潮(北京)电子信息产业有限公司
申请日:2023-12-29
公开(公告)日:2024-04-05
公开(公告)号:CN117829311A
主分类号:G06N20/00
分类号:G06N20/00;G06F18/214;G06Q10/04
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.23#实质审查的生效;2024.04.05#公开
摘要:本发明涉及计算机技术领域,具体公开了异构算力的联邦学习耗时预测方法、装置、设备及系统,通过采集联邦学习系统中各客户端异构设备的客户端异构设备信息、客户端训练任务信息以及对应的实际训练耗时测量结果和理论训练耗时计算结果构建的预测数据集来训练联邦学习时间预测模型,在训练中除了实际训练耗时测量结果外将理论训练耗时计算结果引入损失函数,来提高模型预测联邦学习耗时的泛化能力,由此利用得到的联邦学习时间预测模型来预测被测联邦学习系统中各被测客户端异构设备的客户端联邦学习耗时预测结果,可以实现更为准确的预测,实现了在异构算力下的联邦学习耗时预测,通过提供准确的耗时预测结果来优化联邦学习系统的算力调度。
主权项:1.一种异构算力的联邦学习耗时预测方法,其特征在于,包括:采集联邦学习系统中各客户端异构设备的客户端异构设备信息、客户端训练任务信息以及对应的实际训练耗时测量结果和理论训练耗时计算结果,构建预测数据集;利用所述预测数据集训练得到联邦学习时间预测模型,并在训练中根据所述实际训练耗时测量结果和所述理论训练耗时计算结果构建损失函数;采集被测联邦学习系统中各被测客户端异构设备的客户端异构设备信息和客户端训练任务信息;将所述被测客户端异构设备的客户端异构设备信息和客户端训练任务信息输入所述联邦学习时间预测模型,得到与所述被测客户端异构设备对应的客户端联邦学习耗时预测结果;将所述客户端联邦学习耗时预测结果更新至所述被测联邦学习系统中的聚合节点以得到所述被测联邦学习系统的联邦学习耗时预测结果。
全文数据:
权利要求:
百度查询: 浪潮(北京)电子信息产业有限公司 异构算力的联邦学习耗时预测方法、装置、设备及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。