[發明專利]數據協作處理方法、系統、裝置、設備及存儲介質

在審

• 申請號: 202210386028.8
• 申請日: 2022-04-13
• 公開（公告）號: CN114860426A
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 趙昆
• 申請（專利權）人: 西安廣和通無線通信有限公司
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06N3/04;G06N3/08
• 代理公司: 深圳智匯遠見知識產權代理有限公司 44481
• 代理人: 黃巍

1.一種數據協作處理方法，其特征在于，適用于終端設備，所述方法包括：

獲取待處理的數據以及獲取待拆分的目標深度神經網絡模型；

獲取所述終端設備的當前內存運行情況；

根據所述當前內存運行情況，將所述深度神經網絡模型劃分為第一部分網絡層和第二部分網絡層，得到分區結果；其中，所述第一部分網絡層在所述終端設備上運行；所述第二部分網絡層在邊緣計算設備上運行；

將所述分區結果發送到所述邊緣計算設備中，以使得所述邊緣計算設備和所述終端設備根據所述分區結果協作完成對所述數據的處理。

2.根據權利要求1所述的數據協作處理方法，其特征在于，所述根據所述當前內存運行情況，將所述深度神經網絡模型劃分為第一部分網絡層和第二部分網絡層，包括：

獲取所述目標深度神經網絡模型的各網絡層，在所述終端設備的所述當前內存運行情況下，各自的第一預測延遲時間，以及各網絡層在所述邊緣計算設備中各自的第二預測延遲時間；

根據各所述第一預測延遲時間和各所述第二預測延遲時間，以所述深度神經網絡模型整體的預測延遲時間最短為目標，確定在所述終端設備上運行的所述深度神經網絡模型的第一部分網絡層，以及在所述邊緣計算設備上運行的第二部分網絡層。

3.根據權利要求2所述的數據協作處理方法，其特征在于，所述獲取所述目標深度神經網絡模型的各網絡層，在所述終端設備的所述當前內存運行情況下，各自的第一預測延遲時間，以及各網絡層在所述邊緣計算設備中各自的第二預測延遲時間，包括：

獲取所述目標深度神經網絡模型的各網絡層各自對應的第一延遲時間預測模型和第二延遲時間預測模型；其中，所述第一延遲時間預測模型為所述網絡層在所述終端設備中運行時的延遲時間預測模型；所述第二延遲時間預測模型為所述網絡層在所述邊緣計算設備中運行時的延遲時間預測模型；

利用所述第一延遲時間預測模型，預測在所述當前內存運行情況下，所述目標深度神經網絡模型的各網絡層在所述終端設備中各自的第一預測延遲時間；

利用所述第二延遲時間預測模型，預測所述目標深度神經網絡模型的各網絡層在所述邊緣計算設備中各自的第二預測延遲時間。

4.根據權利要求3所述的數據協作處理方法，其特征在于，所述獲取所述目標深度神經網絡模型的各網絡層各自對應的第一延遲時間預測模型和第二延遲時間預測模型，包括：

獲取所述目標深度神經網絡模型的目標模型特征信息；

獲取預先存儲的對應關系信息；其中，所述對應關系信息中包括：各模型特征信息各自對應的各網絡層的第一延遲時間預測模型和第二延遲時間預測模型；

從所述對應關系信息中，確定所述目標模型特征信息對應的各網絡層的第一延遲時間預測模型和第二延遲時間預測模型。

5.根據權利要求4所述的數據協作處理方法，其特征在于，所述獲取預先存儲的對應關系信息，包括：

對于任意一種深度神經網絡模型的每一個網絡層，進行如下處理：獲取多個訓練數據；獲取在所述終端設備的不同內存運行情況下，所述網絡層對各所述訓練數據進行計算的第一延時；

根據各所述第一延時以及與所述終端設備的各所述內存運行情況，擬合得到所述第一延遲時間預測模型；

獲取所述邊緣計算設備發送的各網絡層的第二延遲時間預測模型；其中，所述第二延遲時間預測模型為所述邊緣計算設備根據所述網絡層在所述邊緣計算設備中，對各所述訓練數據進行計算得到的第二延時擬合得到；

對應存儲各所述深度神經網絡模型的模型特征信息各自對應的第一延遲時間預測模型和第二延遲時間預測模型，得到所述對應關系信息。

6.根據權利要求1～5任意一項所述的數據協作處理方法，其特征在于，所述將所述分區結果發送到所述邊緣計算設備之前，還包括：

獲取所述終端設備與所述邊緣計算設備之間的網絡監測數據；

根據所述網絡監測數據，判定所述終端設備與所述邊緣計算設備處于連接狀態。