申请/专利权人：深圳前海微众银行股份有限公司

申请日：2020-12-31

公开（公告）日：2024-04-26

公开（公告）号：CN112631605B

主分类号：G06F8/41

分类号：G06F8/41;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2021.12.28#实质审查的生效;2021.04.09#公开

摘要：本申请提供了一种联邦学习模型的代码编译方法、装置、电子设备及存储介质；方法包括：获取联邦学习模型的模型信息；基于所述模型信息，构建与所述模型信息相对应的计算图；其中，所述计算图，包含与所述联邦学习模型中各个层相对应的节点，用于指示所述联邦学习模型中各个层之间的前向连接关系和后向连接关系；获取所述计算图中各节点所对应的程序代码；按照所述联邦学习模型中各个层之间的前向连接关系和后向连接关系，对所述计算图中各节点所对应的程序代码进行编译，得到用于训练所述联邦学习模型的可执行训练代码；通过本申请，能够降低用户所需要实现的联邦学习模型的训练代码的复杂度，提高模型训练效率。

主权项：1.一种联邦学习模型的代码编译方法，其特征在于，所述方法包括：获取联邦学习模型的模型信息；基于所述模型信息，构建与所述模型信息相对应的计算图；其中，所述计算图，包含与所述联邦学习模型中各个层相对应的节点，用于指示所述联邦学习模型中各个层之间的前向连接关系和后向连接关系；获取所述计算图中各节点所对应的程序代码；按照所述联邦学习模型中各个层之间的前向连接关系和后向连接关系，对所述计算图中各节点所对应的程序代码进行编译，得到用于训练所述联邦学习模型的可执行训练代码。

全文数据：

权利要求：

百度查询： 深圳前海微众银行股份有限公司 联邦学习模型的代码编译方法、装置、设备及存储介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD