本申请属于通信,具体涉及一种ai模型配置方法、终端及网络侧设备。
背景技术:
1、随着通信技术的发展,在通信系统中引入了人工智能(artificialintelligence,ai)模型,终端可以基于网络侧设备配置的ai模型执行相应的操作,例如进行定位。由于ai模型配置后,可能会由于当前的网络环境与模型训练时的环境差异较大,从而导致模型输出结果的可靠性较差。
技术实现思路
1、本申请实施例提供一种ai模型配置方法、终端及网络侧设备,能够解决模型输出结果的可靠性较差的问题。
2、第一方面,提供了一种ai模型配置方法,包括:
3、终端从网络侧设备接收配置信息,所述配置信息包括至少两套配置参数,所述配置参数包括第一信息和与所述第一信息关联的模型元信息,所述第一信息用于构建ai模型,所述模型元信息用于表示所述第一信息构建的ai模型运行的网络环境;
4、所述终端根据所述模型元信息,在基于所述第一信息构建的ai模型中确定使用的目标ai模型。
5、第二方面,提供了一种ai模型配置方法,包括:
6、网络侧设备向终端发送配置信息,所述配置信息包括至少两套配置参数,所述配置参数包括第一信息和与所述第一信息关联的模型元信息,所述第一信息用于构建ai模型,所述模型元信息用于表示所述第一信息构建的ai模型运行的网络环境。
7、第三方面,提供了一种ai模型配置装置,包括:
8、接收模块,用于从网络侧设备接收配置信息,所述配置信息包括至少两套配置参数,所述配置参数包括第一信息和与所述第一信息关联的模型元信息,所述第一信息用于构建ai模型,所述模型元信息用于表示所述第一信息构建的ai模型运行的网络环境;
9、确定模块,用于根据所述模型元信息,在基于所述第一信息构建的ai模型中确定使用的目标ai模型。
10、第四方面,提供了一种ai模型配置装置,包括:
11、发送模块,用于向终端发送配置信息,所述配置信息包括至少两套配置参数,所述配置参数包括第一信息和与所述第一信息关联的模型元信息,所述第一信息用于构建ai模型,所述模型元信息用于表示所述第一信息构建的ai模型运行的网络环境。
12、第五方面,提供了一种终端,该终端包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
13、第六方面,提供了一种终端,包括处理器及通信接口,其中,所述通信接口用于从网络侧设备接收配置信息,所述配置信息包括至少两套配置参数,所述配置参数包括第一信息和与所述第一信息关联的模型元信息,所述第一信息用于构建ai模型,所述模型元信息用于表示所述第一信息构建的ai模型运行的网络环境;所述处理器用于根据所述模型元信息,在基于所述第一信息构建的ai模型中确定使用的目标ai模型。
14、第七方面,提供了一种网络侧设备,该网络侧设备包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第二方面所述的方法的步骤。
15、第八方面,提供了一种网络侧设备,包括处理器及通信接口,其中,所述通信接口用于向终端发送配置信息,所述配置信息包括至少两套配置参数,所述配置参数包括第一信息和与所述第一信息关联的模型元信息,所述第一信息用于构建ai模型,所述模型元信息用于表示所述第一信息构建的ai模型运行的网络环境。
16、第九方面,提供了一种通信系统,包括:终端及网络侧设备,所述终端可用于执行如第一方面所述的ai模型配置方法的步骤,所述网络侧设备可用于执行如第二方面所述的ai模型配置方法的步骤。
17、第十方面,提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤,或者实现如第二方面所述的方法的步骤。
18、第十一方面,提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的方法的步骤,或实现如第二方面所述的方法的步骤。
19、第十二方面,提供了一种计算机程序/程序产品,所述计算机程序/程序产品被存储在存储介质中,所述计算机程序/程序产品被至少一个处理器执行以实现如第一方面所述的方法的步骤,或实现如第二方面所述的方法的步骤。
20、本申请实施例通过终端从网络侧设备接收配置信息,所述配置信息包括至少两套配置参数,所述配置参数包括第一信息和与所述第一信息关联的模型元信息,所述模型元信息用于表示所述第一信息构建的ai模型运行的网络环境。这样,终端可以根据模型元信息和当前的网络环境信息,确定当前的ai模型是否有效,同时在当前ai模型无效的情况下可以进一步选择适用于当前的网络环境信息的目标ai模型执行相应的操作,从而避免了由于网络环境变化导致ai模型输出结果的精度降低,因此提高了ai模型使用的可靠性。
1.一种ai模型配置方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述终端根据所述模型元信息,在基于所述第一信息构建的ai模型中确定使用的目标ai模型,包括:
3.根据权利要求2所述的方法,其特征在于,所述第二信息包括以下至少一项:
4.根据权利要求1至3任一项所述的方法,其特征在于,所述模型元信息包括以下至少一项:
5.根据权利要求1至4任一项所述的方法,其特征在于,所述配置参数还包括以下至少一项:
6.根据权利要求1至5任一项所述的方法,其特征在于,所述目标ai模型用于定位。
7.一种ai模型配置方法,其特征在于,包括:
8.根据权利要求7所述的方法,其特征在于,所述网络侧设备向终端发送至少两个人工智能ai模型的配置信息之后,所述方法还包括:
9.根据权利要求8所述的方法,其特征在于,所述第二信息包括以下至少一项:
10.根据权利要求7至9任一项所述的方法,其特征在于,所述模型元信息包括以下至少一项:
11.根据权利要求7至10任一项所述的方法,其特征在于,所述配置参数还包括以下至少一项:
12.根据权利要求7至11任一项所述的方法,其特征在于,所述ai模型为用于定位的模型。
13.一种ai模型配置装置,其特征在于,包括:
14.一种ai模型配置装置,其特征在于,包括:
15.一种终端,其特征在于,包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1至6任一项所述的ai模型配置方法的步骤。
16.一种网络侧设备,其特征在于,包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求6至12任一项所述的ai模型配置方法的步骤。
17.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1至12任一项所述的ai模型配置方法的步骤。