[發明專利]聯邦學習模型的代碼編譯方法、裝置、設備及存儲介質

在審

• 申請號: 202011618511.1
• 申請日: 2020-12-31
• 公開（公告）號: CN112631605A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 陳建蓉;唐興興;黃啟軍;陳振南;陳瑞欽
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06F8/41
• 分類號: G06F8/41;G06N20/00
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 高天華;張穎玲

1.一種聯邦學習模型的代碼編譯方法，其特征在于，所述方法包括：

獲取聯邦學習模型的模型信息；

基于所述模型信息，構建與所述模型信息相對應的計算圖；

其中，所述計算圖，包含與所述聯邦學習模型中各個層相對應的節點，用于指示所述聯邦學習模型中各個層之間的前向連接關系和后向連接關系；

獲取所述計算圖中各節點所對應的程序代碼；

按照所述聯邦學習模型中各個層之間的前向連接關系和后向連接關系，對所述計算圖中各節點所對應的程序代碼進行編譯，得到用于訓練所述聯邦學習模型的可執行訓練代碼。

2.如權利要求1所述的方法，其特征在于，所述獲取聯邦學習模型的模型信息，包括：

獲取輸入的所述聯邦學習模型的模型信息代碼；

對所述模型信息代碼進行解析，得到所述聯邦學習模型的模型信息。

3.如權利要求1所述的方法，其特征在于，所述獲取聯邦學習模型的模型信息，包括：

呈現人機交互界面，并

在所述人機交互界面中呈現供選擇的至少一種模型信息；

響應于針對所述至少一種模型信息中目標模型信息的選擇操作，將所選擇的目標模型信息作為所述聯邦學習模型的模型信息。

4.如權利要求1所述的方法，其特征在于，所述計算圖包括前向計算圖和后向計算圖，所述基于所述模型信息，構建與所述模型信息相對應的計算圖，包括：

獲取所述聯邦學習模型中各個層的模型參數；

基于各個層的所述模型參數以及所述聯邦學習模型中各個層之間的前向連接關系，構建與所述模型信息相對應的前向計算圖，并基于各個層的所述模型參數以及所述聯邦學習模型中各個層之間的后向連接關系，構建與所述模型信息相對應的后向計算圖。

5.如權利要求1所述的方法，其特征在于，所述獲取所述計算圖中各節點所對應的程序代碼，包括：

獲取節點與程序代碼之間的映射關系；

基于所述映射關系，分別以所述計算圖中各節點為索引，從代碼庫中查找并獲取相應的程序代碼。

6.如權利要求1所述的方法，其特征在于，所述程序代碼包括前向程序代碼以及后向程序代碼；

所述按照所述聯邦學習模型中各個層之間的前向連接關系和后向連接關系，對所述計算圖中各節點所對應的程序代碼進行編譯，得到用于訓練所述聯邦學習模型的可執行訓練代碼，包括：

按照所述聯邦學習模型中各個層之間的前向連接關系，對所述計算圖中各節點所對應的前向程序代碼進行編譯，得到所述聯邦學習模型的前向可執行代碼；

按照所述聯邦學習模型中各個層之間的后向連接關系，對所述計算圖中各節點所對應的后向程序代碼進行編譯，得到所述聯邦學習模型的后向可執行代碼；

將所述前向可執行代碼以及所述后向可執行代碼進行合并，得到用于訓練所述聯邦學習模型的可執行訓練代碼。

7.如權利要求1所述的方法，其特征在于，所述方法還包括：

接收到針對所述可執行訓練代碼的運行指令；

響應于所述運行指令，運行所述可執行訓練代碼，以

調用各數據方設備通過所述聯邦學習模型對訓練樣本進行預測，得到預測結果，并確定所述預測結果與相應的樣本標簽之間的差異，基于所述差異確定更新梯度，并將所述更新梯度發送至模型方設備；

調用所述模型方設備基于各所述數據方設備發送的更新梯度，更新所述聯邦學習模型的模型參數，以得到訓練完成的聯邦學習模型。