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！

申请/专利权人：宁波数字孪生(东方理工)研究院;宁波东方理工大学(暂名)

摘要：本发明涉及一种GANs模型的生成器网络训练方法、系统及电子设备；其通过在各参与方本地服务器单独构建相同或不同结构的判别器网络来构建训练系统，并基于所述训练系统训练生成器网络；所述训练系统包括：各参与方对应的本地服务器；基于各参与方本地数据量设置在对应参与方本地服务器的判别器网络；所述判别器网络与参与方一一对应；所述判别器网络的卷积网络层数、卷积核与参与方的本地数据量呈正比关系；待训练的生成器网络；第三方服务器，用于装载待训练的生成器网络；即本发明基于各参与方的本地数据量对各参与方分别构建与之匹配的判别器网络结构，解决了采用统一构建的同构GANs模型可能导致某些数据量较小的参与方无法充分训练的问题。

主权项：1.一种GANs模型的生成器网络训练方法，其特征在于，其通过在各参与方本地服务器单独构建相同或不同结构的判别器网络来构建训练系统，并基于所述训练系统训练生成器网络；所述训练系统具体包括：各参与方对应的本地服务器；基于各参与方本地数据量设置在对应参与方本地服务器的判别器网络；所述判别器网络与参与方一一对应；所述判别器网络的卷积网络层数、卷积核与参与方的本地数据量呈正比关系；待训练的生成器网络；第三方服务器，用于装载待训练的生成器网络；所述训练方法包括步骤：S1：获取随机噪声向量Z，通过生成器网络利用随机噪声向量Z产生合成数据S′，并将合成数据S′传递至各参与方本地服务器；S2：通过参与方本地服务器及其对应的判别器网络利用合成数据S′更新对应的判别器网络的模型参数；其中：所述参与方服务器将合成数据S′随机分成两份S′A和S′B；所述判别器网络通过合成数据S′A与参与方的本地数据SiR计算判别器损失值LossDi，根据判别器损失值LossDi更新对应判别器网络的模型参数WDi，其中，D表示判别器网络，i为正整数，Di表示第i个参与方的判别器网络，SiR具体为第i个参与方的本地数据；S3：通过更新模型参数后的判别器网络计算合成数据S′B的损失值，得到该判别器网络对应的生成损失LossGi，并传回至第三方服务器中的生成器网络；其中，LossGi具体表示第i个判别器网络对应的生成损失；S4：通过生成器网络对各判别器网络的生成损失LossGi进行加权求平均得到总的生成器损失Lossg，并利用总的生成器损失Lossg进行梯度计算，根据梯度计算值更新生成器网络的模型参数WG；S5：判断总的生成器损失Lossg是否小于预设值，若否，则返回S1步骤，若是，则结束训练。

全文数据：

权利要求：

百度查询： 宁波数字孪生(东方理工)研究院 宁波东方理工大学(暂名) 一种GANs模型的生成器网络训练方法、系统及电子设备