[发明专利]一种计算资源的分配方法及装置

权利要求书

1.一种计算资源的分配方法，应用于服务器，其特征在于，所述方法包括：

在对全局网络模型的每一轮训练过程中，获取多个用户设备的带宽信息；

根据所述多个用户设备的带宽信息，生成每个所述用户设备的第一计算频率；

向每个所述用户设备发送对应的第一计算频率和所述全局网络模型的局部模型参数，以使所述用户设备根据所述第一计算频率对所述局部模型参数进行更新。

2.根据权利要求1所述的方法，其特征在于，所述根据所述多个用户设备的带宽信息，生成每个所述用户设备的第一计算频率，包括：

将所述多个用户设备的带宽信息输入到已训练的强化模型中处理，输出每个所述用户设备的第一计算频率，其中，所述强化模型基于训练样本集中的多个带宽样本训练得到，所述带宽样本包括所述多个用户设备的历史带宽信息。

3.根据权利要求2所述的方法，其特征在于，所述将所述多个用户设备的带宽信息输入到已训练的强化模型中处理之前，所述方法还包括：

将所述训练样本集合中的所述带宽样本输入到初始强化模型中处理，输出每个所述用户设备的第二计算频率；

利用每个所述用户设备的第二计算频率对所述全局网络模型进行训练，得到本轮训练的经验数据，所述经验数据包括完成所述本轮训练的总时间，每个所述用户设备在本轮训练中的功耗、对应的带宽样本，以及每个所述用户设备下一轮训练中对应的带宽样本；

当累计获得N轮训练的经验数据时，对所述N轮训练的经验数据进行处理，得到损失值；

当所述损失值不满足预设条件时，调整所述初始强化模型的模型参数，并返回执行将所述训练样本集合中的所述带宽样本输入初始强化模型中处理，输出每个所述用户设备的第二计算频率的步骤；

当所述损失值满足所述预设条件时，停止训练所述初始强化模型，并将训练后的所述初始强化模型作为所述强化模型。

4.根据权利要求3所述的方法，其特征在于，所述训练样本集中还包括每个所述用户设备的最高计算频率，所述将所述训练样本集合中的所述带宽样本输入到初始强化模型中处理，输出每个所述用户设备的第二计算频率，包括：

将所述训练样本集合中的所述带宽样本输入到所述初始强化模型中处理，得到每个所述用户设备的第三计算频率；

若所述第三计算频率大于或等于对应的所述最高计算频率，则将所述最高计算频率作为所述第二计算频率输出；

若所述第三计算频率小于对应的所述最高计算频率，则将所述第三计算频率作为所述第二计算频率输出。

5.根据权利要求3所述的方法，其特征在于，所述利用每个所述用户设备的第二计算频率对全局网络模型进行训练，得到本轮训练的经验数据，包括：

向每个所述用户设备发送对应的第二计算频率和所述全局网络模型的局部模型参数，以使所述用户设备根据所述第二计算频率对所述局部模型参数进行更新；

接收每个所述用户设备发送的更新后的局部模型参数和所述功耗信息，所述功耗信息为所述用户设备根据对应的第二计算频率对对应的局部模型参数进行更新所产生的功耗；

将每个所述用户设备的更新后的局部模型参数进行组合，得到所述全局网络模型更新后的全局模型参数；

统计完成所述本轮训练的总时间。

6.一种计算资源的分配方法，应用于用户设备，其特征在于，所述方法包括：

接收服务器发送的第一计算频率和全局网络模型的局部模型参数，所述第一计算频率为所述服务器根据多个所述用户设备的带宽信息生成的；

根据所述第一计算频率对所述局部模型参数进行更新。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

接收所述服务器发送的第二计算频率和所述全局网络模型的局部模型参数，所述第二计算频率为所述服务器将训练样本集合中的所述带宽样本输入到初始强化模型中处理得到的；

根据所述第二计算频率对所述局部模型参数进行更新；

统计功耗信息，并向所述服务器发送更新后的局部模型参数和所述功耗信息，所述功耗信息为所述用户设备根据对应的第二计算频率对对应的局部模型参数进行更新所产生的功耗。