跨边缘层次结构的连续学习模型的制作方法

背景技术：

技术实现思路

1、本公开的多个方面涉及多接入边缘计算(mec)系统中跨层次结构的边缘服务器中的连续学习模型。如上所述，mec涉及数据中心和服务器的层次结构，该数据中心和服务器具有不同级别的资源可用性和地理位置的范围，而不限制层次结构中的级别数量。在多个方面中，术语“本地边缘”可以指位于私有云远边缘的远程位置处的数据中心，该数据中心靠近一个或多个蜂窝塔。ran与云服务提供商的核心网络相结合，ran代表移动无线通信的骨干网络。例如，蜂窝塔可以通过ran(例如5g)接收和发送无线电信号以与iot设备(例如，摄像机)通信。各种服务应用可以执行不同的功能，例如网络监控或视频流，并可能负责评估与数据流量相关的数据。例如，服务应用可以基于为此目的训练的模型对视频流执行数据分析，例如对象识别(例如，对象计数、面部识别、人类识别)。

2、当本地边缘服务器从iot设备接收视频流数据(例如，通过ran从视频摄像机)时，本地边缘服务器使用模型对视频流数据执行推断确定。为了在本地边缘服务器的受限资源环境下生成准确的推断，该模型专门用于为生成特定类型的推断进行定制。例如，本地边缘服务器可以被分配有确定通过视频摄像机捕获的场景的各种颜色和形状的车辆的数量的任务。本地边缘服务器使用专门用于标识各种颜色和形状的车辆的数量的模型。为了在准确生成推断和消耗计算资源之间取得平衡，本地边缘服务器可以使用这样的模型：其针对在晴朗的日光条件下拍摄的视频进行微调，但在夜间条件下不进行微调。因此，使用相同的模型对不同条件下捕获的视频进行分析会导致生成准确度较低的推断。术语“数据漂移”指的是推断数据的不准确的程度。由于捕获数据的特征和/或模式随时间变化，数据漂移会随着时间的推移而发生。

3、在多个方面中，网络边缘服务器可以基于由本地边缘服务器生成的推断数据来确定数据漂移的级别。网络边缘服务器基于所确定的数据漂移对模型进行训练(或指示本地边缘服务器之一进行训练)。网络服务器然后可以将经训练的模型发送到本地边缘服务器以替换或更新先前的模型。本地边缘服务器接收模型并继续生成对从iot设备捕获的数据的推断。

4、提供本
技术实现要素：
是为了以简化的形式介绍一些概念的选择，这些概念在下面的具体实施方式中将进一步描述。本部分不旨在标识所要求保护的主题的关键特征或基本特征，也不旨在用于限制所要求保护的主题的范围。示例的附加方面、特征和/或优点将部分地在下面的描述中阐述，并且部分地将从描述中显而易见，或者可以通过本公开的实践来学习。

技术特征：

1.一种用于使用第一服务器和具有比所述第一服务器少的计算资源的多个服务器来训练模型的计算机执行的方法，所述方法包括：

2.根据权利要求1所述的计算机执行的方法，所述方法还包括：

3.根据权利要求1所述的计算机执行的方法，其中所述漂移阈值对应于预定推断准确度水平，并且其中在由所述模型生成的推断低于所述预定推断准确度水平时，模型被选择用于重新训练。

4.根据权利要求1所述的计算机执行的方法，其中所述推断数据由所述第一服务器基于通过无线网络从一个或多个设备接收到的捕获数据而生成。

5.根据权利要求1所述的计算机执行的方法，其中所述推断数据包括由成像设备捕获的图像中的一个或多个感兴趣区域。

6.一种用于使用第一服务器和具有比所述第一服务器少的计算资源的多个服务器来训练模型的系统，所述系统包括：

7.根据权利要求6所述的系统，其中所述第一服务器是多接入边缘计算层次结构的网络边缘服务器或云服务器之一，并且其中所述第二服务器和所述第三服务器是所述多接入边缘计算层次结构的本地边缘服务器或网络边缘服务器。

8.根据权利要求6所述的系统，其中所述计算机可执行指令在被执行时还使所述系统：

9.根据权利要求6所述的系统，其中所述漂移阈值对应于预定推断准确度水平，并且其中在由所述模型生成的推断低于所述预定推断准确度水平时，模型被选择用于重新训练。

10.根据权利要求6所述的系统，其中所述推断数据由所述第一服务器基于通过无线网络从一个或多个设备接收到的捕获数据而生成。

11.根据权利要求6所述的系统，其中所述推断数据包括由成像设备捕获的图像中的一个或多个感兴趣区域。

12.一种计算机可读记录介质，存储有计算机可执行指令，所述计算机可执行指令在由处理器执行时，使得用于使用第一服务器和具有比所述第一服务器少的计算资源的多个服务器来训练模型的计算机系统以：

13.根据权利要求12所述的计算机可读记录介质，其中所述第一服务器是多接入边缘计算层次结构的网络边缘服务器或云服务器之一，并且其中所述第二服务器和所述第三服务器是所述多接入边缘计算层次结构的本地边缘服务器或网络边缘服务器。

14.根据权利要求12所述的计算机可读记录介质，所述计算机可执行指令在被执行时还使所述系统：

15.根据权利要求12所述的计算机可读记录介质，其中所述推断数据由所述第一服务器基于通过无线网络从一个或多个设备接收到的捕获数据而生成。

技术总结
提供了用于在多接入边缘计算下跨层次结构连续地学习模型的系统和方法。具体地，本地边缘服务器使用模型生成与捕获的流数据相关联的推断数据。数据漂移确定器通过将推断数据与使用黄金模型生成的参考数据进行比较来确定推断数据中的数据漂移。数据漂移指示推断数据中的准确度损失。网关模型维护模型高速缓存中的一个或多个模型用于更新模型。网关模型指示一个或多个服务器训练新的模型。网关模型传输经训练的模型以更新本地边缘服务器中的模型。训练新的模型包括确定数据分析管道中具有可用于训练新模型同时为传入流数据生成其他推断数据的计算资源的本地边缘服务器。

技术研发人员：G·阿南塔纳拉亚南,舒元超,P·巴尔,谢祖望
受保护的技术使用者：微软技术许可有限责任公司
技术研发日：
技术公布日：2024/2/21