[發(fā)明專利]數(shù)據(jù)測量方法、裝置、電子設(shè)備和計算機可讀介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011095139.0
• 申請日: 2020-10-14
• 公開（公告）號: CN114372569A
• 公開（公告）日: 2022-04-19
• 發(fā)明（設(shè)計）人: 張敏;高慶
• 申請（專利權(quán)）人: 新智數(shù)字科技有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04;G06N20/20
• 代理公司: 北京嘉科知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11687
• 代理人: 楊超

1.一種數(shù)據(jù)測量方法，其特征在于，包括：

獲取數(shù)據(jù)集合；

將所述數(shù)據(jù)集合輸入至預先訓練的深度學習網(wǎng)絡(luò)，輸出處理結(jié)果，其中，所述深度學習網(wǎng)絡(luò)是通過訓練樣本集合訓練得到的，所述深度學習網(wǎng)絡(luò)的訓練包括：

響應(yīng)于接收到目標用戶的訓練請求，獲取所述目標用戶的身份信息；

對所述身份信息進行核驗，確定核驗是否通過；

響應(yīng)于確定所述身份信息核驗通過，控制目標訓練引擎開啟訓練；

將所述處理結(jié)果確定為測量結(jié)果，以及控制具有顯示功能的目標設(shè)備顯示所述測量結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述深度學習網(wǎng)絡(luò)的訓練，包括：

響應(yīng)于檢測到所述目標用戶針對訓練模型庫中訓練模型的選擇操作，對所述目標訓練引擎進行校驗，確定校驗是否通過；

響應(yīng)于確定所述目標訓練引擎校驗通過，將初始模型傳輸至所述目標用戶的終端設(shè)備；

利用獲取的訓練樣本集合，對所述初始模型進行訓練，得到訓練完成的初始模型；

利用所述目標訓練引擎，將所述終端設(shè)備存儲的至少一個模型與所述訓練完成的初始模型進行聚合，得到聯(lián)合訓練模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述訓練樣本集合中的訓練樣本包括樣本數(shù)據(jù)集合和樣本處理結(jié)果，所述深度學習網(wǎng)絡(luò)是以所述樣本數(shù)據(jù)集合作為輸入，以所述樣本處理結(jié)果用于作為期望輸出訓練得到的。

4.根據(jù)權(quán)利要求1-3之一所述的方法，其特征在于，所述方法還包括：

響應(yīng)于檢測到所述目標用戶的終止聯(lián)合請求，控制所述目標訓練引擎停止訓練，以及將停止訓練時的聯(lián)合訓練模型存儲至目標模型庫。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述方法還包括：

響應(yīng)于檢測到所述目標用戶的查詢操作，獲取查詢接口；

從所述目標模型庫中抽取出接口與所述查詢接口相同的模型的歷史記錄和狀態(tài)信息，以及控制具所述目標設(shè)備顯示所述歷史記錄和所述狀態(tài)信息。

6.一種數(shù)據(jù)測量裝置，其特征在于，包括：

獲取單元，被配置成獲取數(shù)據(jù)集合；

處理單元，被配置成將所述數(shù)據(jù)集合輸入至預先訓練的深度學習網(wǎng)絡(luò)，輸出處理結(jié)果，其中，所述深度學習網(wǎng)絡(luò)是通過訓練樣本集合訓練得到的，所述深度學習網(wǎng)絡(luò)的訓練包括：

響應(yīng)于接收到目標用戶的訓練請求，獲取所述目標用戶的身份信息；

對所述身份信息進行核驗，確定核驗是否通過；

響應(yīng)于確定所述身份信息核驗通過，控制目標訓練引擎開啟訓練；

顯示單元，被配置成將所述處理結(jié)果確定為測量結(jié)果，以及控制具有顯示功能的目標設(shè)備顯示所述測量結(jié)果。

7.一種電子設(shè)備，包括：

一個或多個處理器；

存儲裝置，其上存儲有一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執(zhí)行，使得所述一個或多個處理器實現(xiàn)如權(quán)利要求1-5中任一所述的方法。

8.一種計算機可讀介質(zhì)，其上存儲有計算機程序，其中，所述程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-5中任一所述的方法。