(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210738657.2 (22)申请日 2022.06.24 (71)申请人 深圳中科精工科技有限公司 地址 518000 广东省深圳市龙华区观湖街 道樟坑径社区五和大道308号B栋厂房 501(侨安科技园) (72)发明人 易佳朋　刘建辉　黄辉　王华茂　 刘颖青　 (74)专利代理 机构 深圳市凯博企服专利代理事 务所(特殊普通 合伙) 44482 专利代理师 旷春娇 (51)Int.Cl. G06F 9/50(2006.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/063(2006.01) G06V 40/16(2022.01) (54)发明名称 多服务器场景下的数据分析管理方法及系 统 (57)摘要 本申请提供一种多服务器场景下的数据分 析管理方法及系统， 所述方法包括如下步骤： 第 一服务器接收外部设备发送的待训练的神经网 络模型以及标记样本数据； 第一服务器提取标记 样本数据执行一次训练操作得到本次训练的第 一系数向量， 依据第一系数向量对 该神经网络模 型的每层权值数据进行更新操作以后得到更新 后神经网络模 型， 将该标记样 本再次执行一次训 练操作得到下一次训练的第二系数向量， 计算第 二系数向量与第一系数向量的差得到差值向量。 本申请提供的技 术方案具有计算效率高的优点。 权利要求书2页 说明书5页 附图2页 CN 115114025 A 2022.09.27 CN 115114025 A 1.一种多服 务器场景 下的数据分析 管理方法， 其特 征在于， 所述方法包括如下步骤： 第一服务器接收外 部设备发送的待训练的神经网络模型以及标记样本数据； 第一服务器提取标记样本数据 执行一次训练操作得到本次训练 的第一系数向量， 依据 第一系数向量对该神经网络模型的每层权值数据进行更新操作以后得到更新后神经网络 模型， 将该标记样本再次执行一次训练操作得到下一次训练的第二系 数向量， 计算第二系 数向量与第一系数向量的差得到 差值向量； 第一服务器获取多服务器场景下的具有计算资源的n个服务器， 提取历史训练的次数 x， 对n个服务器中每个服务器分配x/n次训练， n个服务器中第i个服务器的初始神经网络模 型为依据第i个系数向量更新后的神经网络模型， 第i系数向量＝第一系数向量+差值向量* (i‑1)*x/n； 第一服务器获取n个服务器上报的n个训练结果对应的n个置信率， 从n个置信率中选择 最高置信率对应服 务器的训练后的神经网络模型确定为训练完成的神经网络模型。 2.根据权利要求1所述的方法， 其特 征在于， 所述标记样本数据为已标记 识别结果的数据。 3.根据权利要求1所述的方法， 其特 征在于， 一次训练操作包括： 正向运 算、 反向运 算以及更新 运算。 4.根据权利要求1所述的方法， 其特征在于， 所述第 一服务器提取标记样本数据 执行一 次训练操作得到 本次训练的第一系数向量具体包括： 第一服务器将该标记样本数据作为输入数据输入到待训练的神经网络模型执行正向 运算得到正向运算结果， 将该正向运算结果反向输入到神经网络模型执行反向运算， 每执 行一层反向运算得到一层的系 数值， 执行多层反向运算得到多层的系 数值， 然后将多层的 系数值按层数升序排成一列得到第一系数向量。 5.根据权利要求1所述的方法， 其特 征在于， n个置信率的获取 方式具体包括： 第i服务器每更新一次神经网络模型， 将标记样本数据执行正向运算得到正向运算结 果， 将正向运算结果执行激活运算得到一个置信率， 执行x/n次训练以及激活运算得到x/n 个置信率， 从x/n个置信率中选择最高置信率确定为第i 服务器上报的置信率。 6.一种多服务器场景下的数据分析管理系统， 其特征在于， 所述系统包括： 多服务器， 其中， 第一服务器， 用于接收外部设备发送的待训练的神经网络模型以及标记样本数据； 提 取标记样本数据执行一次训练操作得到本次训练的第一系数向量， 依据第一系数向量对该 神经网络模型的每层权值数据进 行更新操作以后得到更新后神经网络模型， 将该标记样本 再次执行一次训练操作得到下一次训练的第二系数向量， 计算第二系数向量与第一系数向 量的差得到差值向量； 第一服务器获取多服务器场景下的具有计算资源的n个服务器， 提取 历史训练的次数x， 对n个服务器中每个服务器分配x/n次训练， n个服务器中第i个服务器的 初始神经网络模型为依据第i个系数向量更新后的神经网络模 型， 第i系数向量＝第一系数 向量+差值向量*(i ‑1)*x/n； 获取n个服务器上报的n个训练结果对应的n个置信率， 从n个置 信率中选择最高置信率对应服务器的训练后的神经网络模型确定为训练完成的神经网络 模型。 7.根据权利要求6所述的系统， 其特 征在于，权　利　要　求　书 1/2 页 2 CN 115114025 A 2一次训练操作包括： 正向运 算、 反向运 算以及更新 运算。 8.根据权利要求6所述的系统， 其特 征在于， 第一服务器， 具体用于将该标记样本数据作为输入数据输入到待训练 的神经网络模型 执行正向运算得到正向运算结果， 将该正向运算结果反向输入到神经网络模型执行反向运 算， 每执行一层反向运算得到一层的系数值， 执行多层反向运算得到多层的系数值， 然后将 多层的系数值按层数升序排成一列得到第一系数向量。 9.根据权利要求6所述的系统， 其特 征在于， 第i服务器， 用于每更新一 次神经网络模型， 将标记样本数据 执行正向运算得到正向运 算结果， 将正向运算结果执行激活运算得到一个置信率， 执行x/n次训练以及激活运算得到 x/n个置信率， 从x/n个置信率中选择最高置信率确定为第i 服务器上报的置信率。 10.一种计算机可读存储介质， 其存储用于电子数据交换的程序， 其中， 所述程序使得 终端执行如权利要求1 ‑5任意一项提供的方法。权　利　要　求　书 2/2 页 3 CN 115114025 A 3