北京理工大学郭泽华获国家专利权
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
龙图腾网获悉北京理工大学申请的专利一种基于模型分解的分布式机器学习模型传输压缩方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115470935B 。
龙图腾网通过国家知识产权局官网在2026-03-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211123168.2，技术领域涉及：G06N20/00；该发明授权一种基于模型分解的分布式机器学习模型传输压缩方法是由郭泽华;谭佳欣;李昶林;姚超设计研发完成，并于2022-09-15向国家知识产权局提交的专利申请。
本一种基于模型分解的分布式机器学习模型传输压缩方法在说明书摘要公布了：本发明公开了一种基于模型分解的分布式机器学习模型传输压缩方法，通过采用压缩算法对模型梯度逐层分解压缩，实现了对分布式机器学习模型训练过程中每轮迭代内工作节点与参数服务器节点间传输数据量的压缩，有效降低了通信数据量，实现了通信开销与训练模型精度之间的权衡，缓解了分布式训练的通信瓶颈问题，在保证训练精度的同时提升了模型训练速度。
本发明授权一种基于模型分解的分布式机器学习模型传输压缩方法在权利要求书中公布了：1.一种基于模型分解的分布式机器学习模型传输压缩方法，其特征在于，包括以下步骤： 步骤1、工作节点模型的各层梯度张量根据其大小进行矩阵化展开为梯度张量初始矩阵； 步骤2、采用压缩算法将梯度张量初始矩阵分解压缩为压缩矩阵； 步骤3、工作节点将当前迭代中形成的压缩矩阵发送至服务器节点； 步骤4、服务器节点根据所述压缩矩阵进行重构得到重构梯度，再根据学习率、所有工作节点的重构梯度及当前全局模型参数更新全局模型，得到更新后的全局模型参数，最后将更新后的全局模型参数发送至所有工作节点； 步骤5、若当前迭代次数小于阈值，则执行步骤1；否则，完成分布式机器学习模型的训练，结束本流程； 所述步骤1中将工作节点模型中的偏置层与相应的权重层拼接后再进行矩阵化展开。
如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励