[发明专利]一种存储空间调整方法、设备及存储介质

权利要求书

1.一种存储空间调整方法，其特征在于，包括：

接收基站集中单元发送的模型及模型对应的性能评估结果，其中，模型是在集中单元上执行的网络性能人工智能AI训练模型；

根据模型的性能评估结果和对模型训练任务设定的模型性能阈值，确定模型是否达到阈值要求；

根据模型是否达到阈值要求调整基站集中单元的存储空间。

2.如权利要求1所述的方法，其特征在于，所述模型是自主学习模型和/或迁移学习模型。

3.如权利要求1所述的方法，其特征在于，根据模型是否达到阈值要求调整基站集中单元的存储空间，包括：

指示达到阈值要求的基站集中单元减小存储空间，未达到阈值要求的基站集中单元增加存储空间。

4.如权利要求3所述的方法，其特征在于，以步长的方式减小存储空间；和/或，

以步长的方式增加存储空间。

5.如权利要求3所述的方法，其特征在于，通过存储空间调整请求Storage SpaceChange Request消息指示基站集中单元调整存储空间。

6.如权利要求3所述的方法，其特征在于，对于达到阈值要求的基站集中单元，进一步包括：

指示基站集中单元的在线推理模块采用达到阈值要求的模型中性能最好的模型。

7.如权利要求3所述的方法，其特征在于，对于未达到阈值要求的基站集中单元，进一步包括以下指示之一或者其组合：

指示基站集中单元的在线推理模块采用性能最优的模型；

将基站集中单元的在线推理模块的学习模式配置为自主学习和迁移学习；

选择其他基站的同一模型训练任务中性能达到阈值要求的最好的n个模型作为未达到阈值要求的基站集中单元的在线推理模块的迁移源，其中，n为自然数。

8.如权利要求1至7任一所述的方法，其特征在于，进一步包括：

接收基站集中单元的数据存储模块发送的存储空间分配量；

分析存储空间分配量、模型相似度、模型性能之间的关系；

建立用于建立存储空间评估模型的自主学习模型性能与存储空间分配量之间的关系模型，和/或，建立用于建立存储空间评估模型的迁移模型性能与模型相似度、存储空间分配量之间的关系模型。

9.一种存储空间调整方法，其特征在于，包括：

基站集中单元发送模型及模型对应的性能评估结果，其中，模型是在集中单元上执行的网络性能AI训练模型；

基站集中单元根据返回的指示调整基站集中单元的存储空间。

10.如权利要求9所述的方法，其特征在于，所述模型是自主学习模型和/或迁移学习模型。

11.如权利要求9所述的方法，其特征在于，根据指示以步长的方式调整基站集中单元的存储空间。

12.如权利要求9所述的方法，其特征在于，通过Storage Space Change Request消息接收调整存储空间的指示。

13.如权利要求9所述的方法，其特征在于，进一步包括：

基站集中单元的在线推理模块根据指示在指示的模型中采用性能最好的模型。

14.如权利要求9所述的方法，其特征在于，进一步包括以下指示之一或者其组合：

基站集中单元的在线推理模块根据指示在指示的模型中采用性能最优的模型；

根据指示将基站集中单元的在线推理模块的学习模式配置为自主学习和迁移学习；

根据指示从迁移源迁移模型。