数据处理、模型训练方法及装置、电子设备、存储介质.pdf

(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CN114285847A(43)申请公布日2022.04.05(21)申请号202111558408.7(22)申请日2021.12.17(71)申请人中国电信股份有限公司地址100033北京市西城区金融大街31号(72)发明人刘磊许洪彭竞孙钰坤张兴(74)专利代理机构北京律智知识产权代理有限公司11438代理人孙宝海阚梓瑄(51)Int.Cl.H04L67/10(2022.01)H04L67/12(2022.01)权利要求书4页说明书17页附图7页(54)发明名称数据处理、模型训练方法及装置、电子设备、存储介质(57)摘要本申请的实施例揭示了一种数据处理、模型训练方法及装置、设备、存储介质，该方法包括：边缘服务器将接收到来自于路测基站发送的车辆终端的图像任务输入至预先训练好的多任务分割卸载模型中，得到分割后的各个子任务以及各个子任务待卸载的目标边缘服务器对应的标识；将各个子任务分别发送至与目标边缘服务器对应的标识匹配的目标边缘服务器，以使目标边缘服务器对接收到的子任务进行处理；将接收到来自于各个目标边缘服务器发送的子任务处理结果进行整合，得到图像任务的任务处理结果；将图像任务的任务处理结果通过路测基站发送至车辆终端。本申请实施例的技术方案极大地优化了数据处理方案，降低了数据处理的时延，进而提升了数据处理的效率。CN114285847ACN114285847A权利要求书1/4页1.一种数据处理方法，其特征在于，应用于边缘计算系统，所述边缘计算系统包括多个边缘服务器，所述方法由边缘服务器执行，所述方法包括：将接收到来自于路测基站发送的车辆终端的图像任务输入至预先训练好的多任务分割卸载模型中，得到分割后的各个子任务以及各个子任务待卸载的目标边缘服务器对应的标识；其中，所述多任务分割卸载模型是将多个训练样本图像任务，各个边缘服务器的可用算力资源信息，以及各个边缘服务器之间的链路状态信息输入至优势动作评价网络中进行训练得到；将各个子任务分别发送至与目标边缘服务器对应的标识匹配的目标边缘服务器，以使目标边缘服务器对接收到的子任务进行处理；将接收到来自于各个目标边缘服务器发送的子任务处理结果进行整合，得到所述图像任务的任务处理结果；将所述图像任务的任务处理结果通过所述路测基站发送至所述车辆终端。2.如权利要求1所述的数据处理方法，其特征在于，在所述将接收到来自于路测基站发送的车辆终端的图像任务输入至预先训练好的多任务分割卸载模型中之前，所述方法还包括：获取多个训练样本图像任务，各个边缘服务器的可用算力资源信息，以及各个边缘服务器之间的链路状态信息；将各个训练样本图像任务，各个边缘服务器的可用算力资源信息，以及各个边缘服务器之间的链路状态信息输入至优势动作评价网络中进行训练，得到所述多任务分割卸载模型。3.如权利要求2所述的数据处理方法，其特征在于，所述将各个训练样本图像任务，各个边缘服务器的可用算力资源信息，以及各个边缘服务器之间的链路状态信息输入至优势动作评价网络中进行训练，得到所述多任务分割卸载模型，包括：基于各个边缘服务器，构建优势动作评价强化学习算法的智能体；基于各个训练样本图像任务的分割卸载动作矩阵表示，构建动作空间；基于各个训练样本图像任务所需的算力资源信息，各个训练样本图像任务所接入的路测基站的标识，各个边缘服务器的可用算力资源信息，以及各个边缘服务器之间的链路状态信息，构建状态空间；基于各个训练样本图像任务在所接入的路测基站匹配的边缘服务器上进行处理的时延信息，以及各个训练样本图像任务经过任务分割与卸载后进行处理的时延信息，构建环境反馈；基于预设超参数对优势动作评价网络的参数进行调整，得到所述多任务分割卸载模型。4.如权利要求3所述的数据处理方法，其特征在于，在基于各个训练样本图像任务在所接入的路测基站匹配的边缘服务器上进行处理的时延信息，以及各个训练样本图像任务经过任务分割与卸载后进行处理的时延信息，构建环境反馈之前，所述方法还包括：将训练样本图像任务分割为多个子训练样本任务；计算各个子训练样本任务从所接入的路测基站匹配的边缘服务器传输到其他边缘服务器之间的传输时延，以及计算各个子训练样本任务在所接入的路测基站匹配的边缘服务2CN114285847A权利要求书2/4页器上和/或其他边缘服务器上进行处理的计算时延；基于所述传输时延与所述计算时延，计算各个子训练样本任务进行处理的总时延；对各个子训练样本任务进行处理的总时延进行求和运算，得到对应的训练样本图像任务进行处理的时延信息。5.如权利要求4所述的数据处理方法，其特征在于，通过下述公式计算得到各个子训练样本任务从所接入的路测基站匹配的边缘服务器传输到其他边缘服务器之间的传输时延：其中，表征第i个训