(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111642717.2 (22)申请日 2021.12.2 9 (71)申请人 深圳市巨鼎医疗股份有限公司 地址 518000 广东省深圳市罗湖区文锦路 东文锦广场文 盛中心2001 (72)发明人 陶超　周红林　范先旭　彭少杰　 龙汉　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 代理人 张庆玲 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 7/00(2006.01)G06N 20/10(2019.01) (54)发明名称 一种模型训练方法、 终端设备及计算机可读 存储介质 (57)摘要 本申请公开了一种模 型训练方法、 终端设备 及计算机可读存储介质， 该方法包括： 读取训练 数据集； 构建分布式网络模型， 其中， 分布式网络 模型包括若干节点上部署相同的神经网络； 将所 述训练数据集分配到每个节点上的神经网络进 行训练； 基于每个节点的神经网络训练得到的模 型参数训练最终的分布式网络模 型。 通过本申请 的方法， 可以将训练数据集分配到各个节点的神 经网络进行训练， 减少训练时间， 有效提高了模 型训练的效率。 权利要求书2页 说明书9页 附图4页 CN 114417982 A 2022.04.29 CN 114417982 A 1.一种模型训练方法， 其特征在于， 所述模型分布于多个节点进行训练， 所述模型训练 方法包括： 读取训练数据集； 构建分布式网络模型， 其中， 分布式网络模型包括在若干节点上部署相同的神经网络； 将所述训练数据集分配到每 个节点上的神经网络进行训练； 基于每个节点的神经网络训练得到的模型参数训练最终的分布式网络模型。 2.根据权利要求1所述的模型训练方法， 其特 征在于， 所述将所述训练数据集分配到每 个节点上的神经网络进行训练， 包括： 将所述训练数据集进行切片， 以得到与节点数量相同数量的训练数据子集； 将若干训练数据子集分配到对应节点上的神经网络进行训练。 3.根据权利要求2所述的模型训练方法， 其特 征在于， 所述将若干训练数据子集分配到对应节点上的神经网络进行训练之后， 所述模型训练 方法还包括： 在分配到对应节点的训练数据子集训练完成后， 将该节点的训练数据子集分配到其他 节点的神经网络继续训练； 获取其他节点的训练数据子集， 对该节点的神经网络继续训练。 4.根据权利要求1所述的模型训练方法， 其特 征在于， 所述基于每个节点的神经网络训练得到的模型参数训练最终的分布式网络模型， 包 括： 将每个节点的神经网络训练得到的模型参数共享到其他节点的神经网络， 以使其他节 点的神经网络按照多个节点的神经网络的模型参数进行 更新。 5.根据权利要求1所述的模型训练方法， 其特 征在于， 所述基于每个节点的神经网络训练得到的模型参数训练最终的分布式网络模型， 包 括： 将每个节点的神经网络训练得到的模型参数 上传到所述分布式网络模型； 按照上传的模型参数对所述分布式网络模型的模型参数进行 更新。 6.根据权利要求1所述的模型训练方法， 其特 征在于， 所述将所述训练数据集分配到每 个节点上的神经网络进行训练， 包括： 将所述训练数据集分配到每 个节点上的神经网络进行训练， 以获取训练损失值； 在所述训练损失值大于预设损失阈值 时， 采用柯西变异优化算法获取所述神经网络的 模型参数。 7.根据权利要求1或6所述的模型训练方法， 其特 征在于， 所述将所述训练数据集分配到每 个节点上的神经网络进行训练， 包括： 将所述训练数据集分配到每 个节点上的神经网络进行训练， 以获取训练损失值； 在所述训练损失值大于预设损失阈值 时， 采用强行探索策略获取所述神经网络的模型 参数。 8.根据权利要求1所述的模型训练方法， 其特 征在于， 所述构建 分布式网络模型， 包括： 在所述分布式网络模型中搭建支持向量机和/或贝叶斯网络 。权　利　要　求　书 1/2 页 2 CN 114417982 A 29.一种终端设备， 其特征在于， 所述终端设备包括存储器以及与所述存储器耦接的处 理器； 其中， 所述存储器用于存储程序数据， 所述处理器用于执行所述程序数据以实现如权 利要求1～8中任一项所述的模型训练方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有程序指 令， 所述程序指令被执 行时实现权利要求1～8任一项所述的模型训练方法。权　利　要　求　书 2/2 页 3 CN 114417982 A 3