本技术实施例涉及通信领域，特别涉及通信领域中的通信方法和通信装置。
背景技术：
1、网络数据分析网元(network data analytics function，nwdaf)可以训练机器学习(machine learning，ml)模型，还可以通过训练完成的ml模型进行预测，并将预测结果传输至所需网元。nwdaf可以分为包含分析逻辑功能(analytics logic function，anlf)的nwdaf和包含管理逻辑功能(management logic function，mtlf)的nwdaf。包含mtlf的nwdaf可以训练ml模型，包含anlf的nwdaf可以用于通过训练完成的ml模型进行推理。
2、在一些示例中，包含mtlf的nwdaf可以通过纵向联邦的方式训练ml模型。包含anlf的nwdaf可以通过纵向联邦的方式使用ml模型进行推理。
3、然而，在这种实现方式中，会存在ml模型的推理结果不够准确的情况。
技术实现思路
1、本技术提供一种通信方法和通信装置，有利于降低出现ml模型的推理结果不够准确的概率。
2、第一方面，提供了一种通信方法，应用于第一网元，该方法包括：获取多个分散的第一模型各自的推理结果，多个分散的第一模型用于联合推理，多个分散的第一模型的任务均为目标任务；根据多个分散的第一模型各自的推理结果，判断目标任务的准确度。
3、多个分散的第一模型用于表示多个网元各自训练的本地模型。这多个分散的第一模型具有相关性，可以用于联合推理。这多个分散的第一模型的训练任务和/或推理任务可以均为目标任务，也就是说，这多个分散的第一模型的训练任务和/或推理任务相同。目标任务的准确度可以用于判断是否重新训练第一模型的依据。
4、本技术提供的方法，获取多个分散的第一模型各自的推理结果，计算目标任务的准确度，而不是计算第一模型的准确度，这样，使用目标任务的准确度作为是否重新训练第一模型的依据，有利于实现对第一模型进行重新训练，降低出现第一模型的推理结果不够准确的概率。
5、结合第一方面，在第一方面的某些实现方式中，方法还包括：在目标任务的准确度不满足预设需求的情况下，指示重新训练多个分散的第一模型。
6、这样，第一网元判断目标任务的准确度是否满足预设需求，从而确定是否重新训练第一模型，无需其他网元参与，实现简单。
7、结合第一方面，在第一方面的某些实现方式中，指示重新训练多个分散的第一模型，包括：向与多个分散的第一模型对应的第二网元发送第一信息，第一信息用于指示重新训练第一模型。
8、第二网元为训练第一模型的网元。第一网元可以通过第一信息指示第二网元重新训练第一模型。这样，第一网元与第二网元直接通信，实现简单。
9、结合第一方面，在第一方面的某些实现方式中，接收来自第二网元的第一数据标识，第一数据标识用于表示使用第一模型进行推理时第一模型的输入数据和输出数据；获取多个分散的第一模型各自的推理结果，包括：根据第一数据标识，获取第一模型的推理结果。
10、这样，第一网元与第二网元之间不直接传输第一模型的推理结果，有利于提高数据的安全性，使用第一数据标识，有利于在保证数据安全的情况下获取第一模型各自的推理结果。
11、可选地，第一网元还可以接收来自第二网元的训练第一模型时的样本数据的标识，响应于训练第一模型时的样本数据的标识，第一网元可以确定训练第一模型时所使用的样本数据。训练第一模型时所使用的样本数据可以用于重新训练第一模型。这样，第一网元指示重新训练多个分散的第一模型时，可以指示通过训练第一模型时所使用的样本数据进行重新训练。
12、可选地，第一网元还可以接收来自第二网元的模型标识，该模型标识用于表示第二网元训练的第一模型的标识。响应于第二网元的模型标识，第一网元可以确定第二网元中第一模型的标识。这样，第一网元指示重新训练多个分散的第一模型时，可以指示重新训练与第一模型的标识对应的模型。
13、结合第一方面，在第一方面的某些实现方式中，在接收来自第二网元的第一数据标识之前，方法还包括：向第二网元发送用于请求第一数据标识的信息；接收来自第二网元的第一数据标识，包括：响应于用于请求第一数据标识的信息，接收来自第二网元的第一数据标识。
14、这样，在第一网元请求第一数据标识的情况下，第二网元向第一网元发送第一数据标识，在存在需求时发送，有利于减少通信交互次数。
15、结合第一方面，在第一方面的某些实现方式中，第一信息还包括以下至少一项：训练第一模型时使用的样本数据的标识；或者，使用第一模型进行推理时的推理数据的标识，推理数据包括第一模型的输入数据、输出数据或者输入数据对应的真值中的一项或多项。
16、第一信息包括训练第一模型时使用的样本数据的标识和/或使用第一模型进行推理时的推理数据，第二网元可以根据这些标识所对应的数据，重新训练第一模型，有利于提高第一模型的准确度，降低出现第一模型的推理结果不够准确的概率。另外，第一信息包括训练第一模型时使用的样本数据的标识和/或使用第一模型进行推理时的推理数据的标识，不是通过两个信息传输，有利于减少通信交互次数。
17、结合第一方面，在第一方面的某些实现方式中，方法还包括：接收来自第三网元的用于请求目标任务的准确度的信息；响应于用于请求目标任务的准确度的信息，向第三网元发送目标任务的准确度。
18、这样，第一网元向第三网元发送目标任务的准确度，第一网元只需要计算目标任务的准确度，由第三网元确定是否指示重新训练，有利于节省第一网元的算力。
19、结合第一方面，在第一方面的某些实现方式中，方法还包括：接收来自第三网元的第二数据标识，第二数据标识用于表示与多个分散的第一模型进行推理时，第一模型的输入数据和输出数据；获取多个分散的第一模型各自的推理结果，包括：根据第二数据标识，获取多个分散的第一模型各自的推理结果。
20、这样，第一网元可以从第三网元中得到第二数据标识，进而获取多个分散的第一模型各自的推理结果，相比与第二网元通信得到第一数据标识，再从第一数据标识得到第二数据标识，实现更加简单。
21、结合第一方面，在第一方面的某些实现方式中，方法还包括：向与多个分散的第一模型对应的第二网元发送目标任务的准确度。
22、这样，第一网元向第二网元发送目标任务的准确度，第一网元只需要计算目标任务的准确度，由第二网元确定是否重新训练，有利于节省第一网元的算力。
23、结合第一方面，在第一方面的某些实现方式中，在向与多个分散的第一模型对应的第二网元发送目标任务的准确度之前，方法还包括：接收来自第三网元的第二信息，第二信息包括与多个分散的第一模型对应的第二网元的标识；向与多个分散的第一模型对应的第二网元发送目标任务的准确度，包括：根据第二信息，向与多个分散的第一模型对应的第二网元发送目标任务的准确度。
24、第一网元可以根据第二信息，确定训练有第一模型的第二网元的标识，可以根据第二网元的标识，向其发送目标任务的准确度，这样，有利于第一网元与第二网元进行通信。
25、结合第一方面，在第一方面的某些实现方式中，接收来自第三网元的第二信息，包括：向第三网元发送第三信息，第三信息用于请求第三网元训练的第一模型；响应于第三信息，接收第二信息和第三网元训练的第一模型。
26、这样，第一网元同时接收第一模型和第二信息，有利于减少通信交互的次数。
27、第二方面，提供了一种通信方法，应用于第二网元，第二网元训练有第一模型。本技术实施例提供多种可能的实现方式。
28、在一种可能的实现方式中，该方法包括：接收第一信息，第一信息用于指示重新训练第一模型；响应于第一信息，重新训练第一模型。
29、第二网元可以接收来自第一网元或者其他网元(例如第三网元)的第一信息，本技术对此不做限定。
30、这样，第二网元接收到重新训练第一模型的信息，可以根据信息进行重新训练，有利于降低出现第一模型的推理结果不够准确的概率。
31、结合第二方面，在第二方面的某些实现方式中，方法还包括：发送第一数据标识，第一数据标识用于表示使用第一模型进行推理时第一模型的输入数据和输出数据。
32、第二网元可以向第一网元或者其他网元(例如第三网元)发送第一数据标识，本技术对此不做限定。
33、这样，有利于使得第一网元或者其他网元得到第一模型进行推理时第一模型的输入数据和输出数据，相比之间传输数据，有利于提高数据传输的安全性。
34、结合第二方面，在第二方面的某些实现方式中，在发送第一数据标识之前，方法还包括：接收用于请求第一数据标识的信息；发送第一数据标识，包括：响应于用于请求第一数据标识的信息，发送第一数据标识。
35、这样，第二网元在接收到请求时发送第一数据标识，有利于减少通信次数。
36、结合第二方面，在第二方面的某些实现方式中，第一信息还包括以下至少一项：训练第一模型时使用的样本数据的标识；或者，使用第一模型进行推理时的推理数据的标识，推理数据包括第一模型的输入数据、输出数据或者输入数据对应的真值中的一项或多项；响应于第一信息，重新训练第一模型，包括：响应于第一信息，根据第一信息，重新训练第一模型。
37、第二网元可以根据训练第一模型时使用的样本数据和/或使用第一模型进行推理时的推理数据，重新训练第二模型，有利于提高重新训练后的第一模型的准确度，进而降低出现第一模型的推理结果不够准确的概率。
38、在另一种可能的实现方式中，该方法可以包括：接收来自第一网元的目标任务的准确度，目标任务为多个分散的第一模型的推理任务，多个分散的第一模型用于联合推理；在目标任务的准确度不满足预设需求的情况下，重新训练第一模型。
39、第二网元可以根据目标任务的准确度，确定是否重新训练第一模型，这样，相比被动接收指示，主动性更强。
40、第三方面，提供了一种通信方法，应用于第三网元，该方法包括：向第一网元发送用于请求目标任务的准确度的信息，目标任务为多个分散的第一模型的推理任务，多个分散的第一模型用于联合推理；响应于用于请求目标任务的准确度的信息，接收来自第一网元的目标任务的准确度。
41、第三网元可以与第一网元通信，第三网元可以获取目标任务的准确度，判断是否指示重新训练第一模型，以节省第一网元的算力。
42、结合第三方面，在第三方面的某些实现方式中，方法还包括：在目标任务的准确度不满足预设需求的情况下，指示重新训练多个分散的第一模型。
43、在目标任务的准确度不满足预设需求的情况下，第三网元可以指示重新训练多个分散的第一模型，有利于降低出现第一模型的推理结果不够准确的概率。
44、结合第三方面，在第三方面的某些实现方式中，指示重新训练多个分散的第一模型，包括：向与多个分散的第一模型对应的第二网元发送第一信息，第一信息用于指示重新训练第一模型。
45、第二网元为训练第一模型的网元。第三网元可以通过第一信息指示第二网元重新训练第一模型。这样，第三网元利用与第二网元的通信功能，指示第二网元重新训练第一模型。
46、结合第三方面，在第三方面的某些实现方式中，第一信息还包括以下至少一项：训练第一模型时使用的样本数据的标识；或者，使用第一模型进行推理时的推理数据的标识，推理数据包括第一模型的输入数据、输出数据或者输入数据对应的真值中的一项或多项。
47、第一信息包括训练第一模型时使用的样本数据的标识和/或使用第一模型进行推理时的推理数据，第二网元可以根据这些标识所对应的数据，重新训练第一模型，有利于提高第一模型的准确度，降低出现第一模型的推理结果不够准确的概率。
48、结合第三方面，在第三方面的某些实现方式中，方法还包括：接收来自与多个分散的第一模型对应的第二网元的第一数据标识，第一数据标识用于表示使用第一模型进行推理时第一模型的输入数据和输出数据；根据第一数据标识，向第一网元发送第二数据标识，第二数据标识用于表示与多个分散的第一模型进行推理时，第一模型的输入数据和输出数据。
49、这样，第三网元可以获取每个第二网元的第一数据标识，并统一以第二数据标识的方式传输至第一网元，有利于使得第一网元获取多个分散的第一模型各自的推理结果。
50、结合第三方面，在第三方面的某些实现方式中，在接收来自与多个分散的第一模型对应的第二网元的第一数据标识之前，方法还包括：向与多个分散的第一模型对应的第二网元发送用于请求第一数据标识的信息；接收来自与多个分散的第一模型对应的第二网元的第一数据标识，包括：响应于用于请求第一数据标识的信息，接收第一数据标识。
51、这样，在第三网元请求第一数据标识的情况下，第二网元向第三网元发送第一数据标识，在存在需求时发送，有利于减少通信交互次数。
52、结合第三方面，在第三方面的某些实现方式中，在向与多个分散的第一模型对应的第二网元发送第一信息之前，方法还包括：向第一网元发送第二信息，第二信息包括与多个分散的第一模型对应的第二网元的标识。
53、第三网元向第一网元发送训练有第一模型的第二网元的标识，有利于第一网元可以根据第二网元的标识，向第二网元发送目标任务的准确度，这样，有利于使得第一网元与第二网元进行通信。
54、结合第三方面，在第三方面的某些实现方式中，在向第一网元发送第二信息之前，方法还包括：接收来自第一网元的第三信息，第三信息用于请求第三网元训练的第一模型；向第一网元发送第二信息，包括：响应于第三信息，向第一网元发送第二信息和第三网元训练的第一模型。
55、这样，第三网元向第一网元发送第一模型和第二信息，有利于减少通信交互的次数。
56、第四方面，提供了一种通信装置，用于执行上述第一方面、第二方面或者第三方面中任一种可能的实现方式中的方法。具体地，该通信装置包括用于执行上述第一方面、第二方面或者第三方面中任一种可能的实现方式中的方法的模块。
57、第五方面，本技术提供了另一种通信装置，包括处理器，该处理器与存储器耦合，可用于执行存储器中的指令，以实现上述第一方面、第二方面或者第三方面中任一种可能实现方式中的方法。可选地，该装置还包括存储器。可选地，该装置还包括通信接口，处理器与通信接口耦合。
58、在一种实现方式中，该装置为核心网设备。当该装置为核心网设备时，上述通信接口可以是收发器，或，输入/输出接口。
59、在另一种实现方式中，该装置为配置于核心网设备中的芯片。当该装置为配置于核心网设备中的芯片时，上述通信接口可以是输入/输出接口。
60、第六方面，提供了一种处理器，包括：输入电路、输出电路和处理电路。处理电路用于通过输入电路接收信号，并通过输出电路发射信号，使得处理器执行上述第一方面、第二方面或者第三方面中任一种可能实现方式中的方法。
61、在具体实现流程中，上述处理器可以为芯片，输入电路可以为输入管脚，输出电路可以为输出管脚，处理电路可以为晶体管、门电路、触发器和各种逻辑电路等。输入电路所接收的输入的信号可以是由例如但不限于接收器接收并输入的，输出电路所输出的信号可以是例如但不限于输出给发射器并由发射器发射的，且输入电路和输出电路可以是同一电路，该电路在不同的时刻分别用作输入电路和输出电路。本技术实施例对处理器及各种电路的具体实现方式不做限定。
62、第七方面，提供了一种处理装置，包括处理器和存储器。该处理器用于读取存储器中存储的指令，并可通过接收器接收信号，通过发射器发射信号，以执行上述第一方面、第二方面或者第三方面中任一种可能实现方式中的方法。
63、可选地，处理器为一个或多个，存储器为一个或多个。
64、可选地，存储器可以与处理器集成在一起，或者存储器与处理器分离设置。
65、在具体实现流程中，存储器可以为非瞬时性(non-transitory)存储器，例如只读存储器(read only memory，rom)，其可以与处理器集成在同一块芯片上，也可以分别设置在不同的芯片上，本技术对存储器的类型以及存储器与处理器的设置方式不做限定。
66、应理解，相关的数据交互流程例如发送指示信息可以为从处理器输出指示信息的流程，接收能力信息可以为处理器接收输入能力信息的流程。具体地，处理输出的数据可以输出给发射器，处理器接收的输入数据可以来自接收器。其中，发射器和接收器可以统称为收发器。
67、上述第七方面中的处理装置可以是一个芯片，该处理器可以通过硬件来实现也可以通过软件来实现，当通过硬件实现时，该处理器可以是逻辑电路、集成电路等；当通过软件来实现时，该处理器可以是一个通用处理器，通过读取存储器中存储的软件代码来实现，该存储器可以集成在处理器中，可以位于该处理器之外，独立存在。
68、第八方面，提供了一种计算机程序产品，计算机程序产品包括：计算机程序(也可以称为代码，或指令)，当计算机程序被运行时，使得计算机执行上述第一方面、第二方面或者第三方面中任一种可能实现方式中的方法。
69、第九方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序(也可以称为代码，或指令)当其在计算机上运行时，使得计算机执行上述第一方面、第二方面或者第三方面中任一种可能实现方式中的方法。
70、第十方面，提供了一种通信方法，应用于包括第一网元和第二网元的通信系统。该方法包括：第一网元获取多个分散的第一模型各自的推理结果，多个分散的第一模型用于联合推理，多个分散的第一模型的任务均为目标任务；根据多个分散的第一模型各自的推理结果，第一网元判断目标任务的准确度；在目标任务的准确度不满足预设需求的情况下，第一网元向与多个分散的第一模型对应的第二网元发送第一信息，第一信息用于指示重新训练第一模型。
71、可选地，第一网元获取多个分散的第一模型各自的推理结果的方式可以为：第二网元向第一网元发送第一数据标识，第一数据标识用于表示使用第一模型进行推理时第一模型的输入数据和输出数据；第二网元根据第一数据标识，获取第一模型的推理结果。
72、可选地，第一信息还包括以下至少一项：训练第一模型时使用的样本数据的标识；或者，使用第一模型进行推理时的推理数据的标识，推理数据包括第一模型的输入数据、输出数据或者输入数据对应的真值中的一项或多项；第二网元可以根据第一信息中标识，获取相应的数据，并使用这些数据对第一模型进行重新训练。
73、可选地，第三网元可以向第一网元发送第二信息，第二信息包括与所述多个分散的第一模型对应的第二网元的标识；第一网元可以根据第二信息，向与多个分散的第一模型对应的第二网元发送第一信息，第一信息用于指示重新训练第一模型。
74、第十一方面，提供了一种通信方法，应用于包括第一网元、第二网元以及第三网元的通信系统。该方法包括：第一网元获取多个分散的第一模型各自的推理结果，多个分散的第一模型用于联合推理，多个分散的第一模型的任务均为目标任务；根据多个分散的第一模型各自的推理结果，第一网元判断目标任务的准确度；第一网元向第三网元发送目标任务的准确度；在目标任务的准确度不满足预设需求的情况下，第三网元向与多个分散的第一模型对应的第二网元发送第一信息，第一信息用于指示重新训练第一模型。
75、可选地，第一网元获取多个分散的第一模型各自的推理结果的方式可以为：第二网元向第三网元发送第一数据标识，第一数据标识用于表示使用第一模型进行推理时第一模型的输入数据和输出数据；第三网元根据第一数据标识，确定第二数据标识，第二数据标识用于表示与所述多个分散的第一模型进行推理时，所述第一模型的输入数据和输出数据；第三网元向第一网元发送第二数据标识；第一网元根据第二数据标识，获取第一模型的推理结果。
76、可选地，第一信息还包括以下至少一项：训练第一模型时使用的样本数据的标识；或者，使用第一模型进行推理时的推理数据的标识，推理数据包括第一模型的输入数据、输出数据或者输入数据对应的真值中的一项或多项；第二网元可以根据第一信息中标识，获取相应的数据，并使用这些数据对第一模型进行重新训练。
77、应当理解的是，本技术的第四方面至第九方面与本技术的第一方面至第三方面的技术方案相对应，各方面及对应的可行实施方式所取得的有益效果相似，不再赘述。