AI模型的管理方法、装置、网络节点及存储介质与流程

ai模型的管理方法、装置、网络节点及存储介质
技术领域
1.本公开涉及通信技术领域，尤其涉及一种ai模型的管理方法、装置、网络节点及存储介质。


背景技术：

2.在通信系统中，可以在网络节点中部署ai(artificial intelligence，人工智能)模型，通过ai模型进行预测和推理，提升通信系统的性能。


技术实现要素：

3.为克服相关技术中存在的问题，本公开提供一种ai模型的管理方法、装置、网络节点及存储介质。
4.根据本公开实施例的第一方面，提供一种ai模型的管理方法，应用于第一网络节点，该方法包括：
5.获取第一信息；
6.确定所述第一信息与第一条件的匹配情况，所述匹配情况用于确定对所述目标ai模型的状态进行控制的控制指令，所述目标ai模型为所述第一网络节点中部署的任一个ai模型。
7.根据本公开实施例的第二方面，提供一种ai模型的管理方法，应用于第二网络节点，该方法包括：
8.确定对目标ai模型的状态进行控制的控制指令，所述控制指令是基于第一信息与第一条件的匹配情况确定的，所述目标ai模型为第一网络节点中部署的任一个ai模型，所述第一信息为所述第一网络节点采集的信息。
9.根据本公开实施例的第三方面，提供一种ai模型的管理装置，应用于第一网络节点，该装置包括：
10.获取模块，被配置为获取第一信息；
11.确定模块，被配置为确定所述第一信息与第一条件的匹配情况，所述匹配情况用于确定对所述目标ai模型的状态进行控制的控制指令，所述目标ai模型为所述第一网络节点中部署的任一个ai模型。
12.根据本公开实施例的第四方面，提供一种ai模型的管理装置，应用于第二网络节点，该装置包括：
13.确定模块，被配置为确定对目标ai模型的状态进行控制的控制指令，所述控制指令是基于第一信息与第一条件的匹配情况确定的，所述目标ai模型为第一网络节点中部署的任一个ai模型，所述第一信息为所述第一网络节点采集的信息。
14.根据本公开实施例的第五方面，提供一种网络节点，包括：
15.处理器；
16.用于存储处理器可执行指令的存储器；
17.其中，所述处理器被配置为在执行所述可执行指令时，实现本公开第一方面提供的ai模型的管理方法的步骤。
18.根据本公开实施例的第六方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，所述程序指令被处理器执行时实现本公开第一方面所提供的ai模型的管理方法的步骤。
19.在上述技术方案中，通过获取第一信息，确定所述第一信息与第一条件的匹配情况，从而便于进一步基于匹配情况确定对所述目标ai模型的状态进行控制的控制指令，以对ai模型进行管理，从而提高通信系统的性能。
20.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
21.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
22.图1是根据一示例性实施例示出的一种ai模型的管理方法所适用的通信系统的示意图。
23.图2是根据一示例性实施例示出的一种ai模型的管理方法的流程图。
24.图3是根据一示例性实施例示出的一种ai模型的管理方法的流程图。
25.图4是根据一示例性实施例示出的一种ai模型的管理方法的流程图。
26.图5是根据一示例性实施例示出的一种ai模型的管理方法的流程图。
27.图6是根据一示例性实施例示出的一种ai模型的管理方法的流程图。
28.图7是根据一示例性实施例示出的一种ai模型的管理方法的流程图。
29.图8是根据一示例性实施例示出的一种ai模型的管理方法的流程图。
30.图9是根据一示例性实施例示出的一种ai模型的管理方法的流程图。
31.图10是根据一示例性实施例示出的一种ai模型的管理方法的流程图。
32.图11是根据一示例性实施例示出的一种ai模型的管理方法的流程图。
33.图12是根据一示例性实施例示出的一种ai模型的管理方法的流程图。
34.图13是根据一示例性实施例示出的一种ai模型的管理方法的流程图。
35.图14是根据一示例性实施例示出的一种ai模型的管理方法的流程图。
36.图15是根据一示例性实施例示出的一种ai模型的管理方法的流程图。
37.图16是根据一示例性实施例示出的一种ai模型的管理方法的流程图。
38.图17是根据一示例性实施例示出的一种ai模型的管理方法的流程图。
39.图18是根据一示例性实施例示出的一种ai模型的管理方法的流程图。
40.图19是根据一示例性实施例示出的一种ai模型的管理装置的框图。
41.图20是根据一示例性实施例示出的一种ai模型的管理装置的框图。
42.图21是根据一示例性实施例示出的一种网络节点的框图。
具体实施方式
43.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及
附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
44.可以理解的是，本公开中“多个”是指两个或两个以上，其它量词与之类似。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
45.进一步可以理解的是，术语“第一”、“第二”等用于描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开，并不表示特定的顺序或者重要程度。实际上，“第一”、“第二”等表述完全可以互换使用。
46.进一步可以理解的是，本公开实施例中尽管在附图中以特定的顺序描述操作，但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作，或是要求执行全部所示的操作以得到期望的结果。在特定环境中，多任务和并行处理可能是有利的。
47.需要说明的是，本技术中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。
48.相关技术中，即使在通信系统中部署了ai模型，然而通信系统可能存在性能提升不明显的问题。申请人在长期研究中发现，这可能是由于ai模型管理不佳导致的，因此，本公开实施例中，通过确定所述第一信息与第一条件的匹配情况，以便于进一步基于匹配情况确定对所述目标ai模型的状态进行控制的控制指令，以对ai模型进行管理，从而提高通信系统的性能。
49.下面先介绍本公开实施例的实施环境。
50.本技术实施例的技术方案可以应用于各种通信系统中的各个网络节点。该通信系统可以包括4g(the 4th generation，第四代)通信系统、5g(the 5th generation，第五代)通信系统、和其他未来的无线通信系统(比如6g)中的一种或多种。该通信系统也可以包括陆上公用移动通信网(public land mobile network，plmn)网络、非地面网络通信系统、设备到设备(device-to-device，d2d)通信系统、机器到机器(machine to machine，m2m)通信系统、物联网(internet of things，iot)通信系统、车联网(vehicle-to-everything，v2x)通信系统或者其他通信系统中的一种或多种。
51.其中，通信系统中的网络节点例如可以是通信系统中的ue(user equipment，用户设备)，基站，lmf(location management function，定位管理功能)节点，oam(operation administration and maintenance，操作维护管理)节点，服务器或其他网络节点。在任一个网络节点中，均可以部署ai模型，以用于对应的预测推理任务。
52.例如，在波束管理过程中，ue或者基站通过ai模型推理得到最优的波束，从而ue可以减少测量的波束数量。
53.又例如，在csi(channel state information，信道状态信息)上报过程中，ue可以通过ai模型压缩csi测量结果，向基站上报压缩后的csi测量结果，基站收到后再通过ai还原原始的csi测量结果。减少了上报过程中需要的信令比特数。
54.图1是根据一示例性实施例示出的一种通信系统的示意图，如图1所示，该通信系统可以包括ue11和网络侧设备12。该通信系统可以用于支持4g网络接入技术，例如长期演进(long term evolution，lte)接入技术，或者，5g网络接入技术，如新型无线入技术(new radio access technology，new rat)，或者，其他未来的无线通信技术。需要说明的是，在该通信系统中，网络侧设备12与ue11的数量均可以为一个或多个，图1所示通信系统的网络侧设备12与终端设备11的数量仅为适应性举例，本公开对此不做限定。
55.图1中的网络侧设备12可用于支持一个或者多个ue11的接入，例如，该网络侧设备12可以是lte中的演进型基站(evolutional node b，enb或enodeb)；该网络侧设备12也可以是5g网络中的下一代基站(the next generation node b，gnb或gnodeb)；该网络侧设备12也可以是5g网络中的无线接入网(ng radio access network，ng-ran)设备；该网络侧设备12也可以是未来演进的公共陆地移动网络(public land mobile network，plmn)中的基站、宽带网络业务网关(broadband network gateway，bng)、汇聚交换机或非3gpp(3rd generation partnership project，第三代合作伙伴项目)接入设备等。
56.可选地，本公开实施例中的网络侧设备12可以包括各种形式的基站，例如：宏基站、微基站(也称为小站)、中继站、接入点、5g基站或未来的基站、卫星、传输点(transmitting and receiving point，trp)、发射点(transmitting point，tp)、移动交换中心以及设备到设备(device-to-device，d2d)、机器到机器(machine-to-machine，m2m)、物联网(internet of things，iot)、车联网(vehicle-to-everything，v2x)或其他通信中承担基站功能的设备等，本公开实施例对此不作具体限定。为方便描述，本公开所有实施例中，为ue11提供无线通信功能的装置统称为网络侧设备12或基站。
57.需要说明的是，本公开实施例中，网络侧设备可以是位置服务器(location server)或服务基站。
58.图1中的ue11可以是一种提供语音或者数据连通性的电子设备，例如，例如，智能交通中的终端和汽车、智能家居中的家用设备、智能电网中的电力抄表仪器、电压监测仪器、环境监测仪器、智能安全网络中的视频监测仪器、收款机等。当然，其他ue 11也是可能的。ue 11可以与网络侧设备12进行交互，并且一些ue11之间也可以进行交互。
59.在图1所示通信系统中的ue11以及网络侧设备12中均可以部署ai模型。并且，图1所示通信系统中的ue11以及网络侧设备12中均可以执行本公开实施例的ai模型的管理方法。需要说明的是，本公开实施例的ai模型的管理方法，可以单独由ue11执行，也可以单独由网络侧设备12执行，还可以部分由ue11执行，部分由网络侧设备12执行。
60.需要说明的是，图1所示通信系统包括的网络节点只是一种示例性的情况，在其它一些示例中，通信系统也可以包括ue、基站以及lmf等网络节点中的一种或多种。
61.图2是根据一示例性实施例示出的一种ai模型的管理方法的流程图，该方法应用于通信系统中的第一网络节点，如图2所示，该方法包括以下步骤：
62.在步骤s201中，获取第一信息。
63.其中，目标ai模型为第一网络节点中部署的任一个ai模型，目标ai模型的状态包括激活状态以及未激活状态。
64.在步骤s202中，确定第一信息与第一条件的匹配情况。
65.其中，匹配情况用于确定对目标ai模型的状态进行控制的控制指令，目标ai模型
为第一网络节点中部署的任一个ai模型。
66.本公开实施例中，可以针对第一网络节点中部署的任一个ai模型执行本公开实施例的ai模型的管理方法。在对某个ai模型进行管理时，该ai模型可以理解为目标ai模型。
67.在一些实施方式中，目标ai模型的状态可以是第一网络节点获取的。
68.在一些实施方式中，目标ai模型的状态包括激活状态或未激活状态。
69.其中，对ai模型进行管理可以理解为对ai模型的状态进行控制，包括保持ai模型当前状态，或者将ai模型当前的状态切换为另外的状态。
70.以目标ai模型的状态包括激活状态或未激活状态为例，在ai模型的状态为激活状态时，对ai模型进行管理可以包括将ai模型的状态从激活状态切换为未激活状态，也即对ai模型进行去激活控制，还可以包括保持ai模型的状态为激活状态。
71.继续以目标ai模型的状态包括激活状态或未激活状态为例，在ai模型的状态为未激活状态时，对ai模型进行管理可以包括将ai模型的状态从未激活状态切换为激活状态，也即对ai模型进行激活控制，还可以包括保持ai模型的状态为未激活状态。
72.本公开实施例中，为了对目标ai模型进行管理，可以获取到第一信息，接着，便可以确定第一信息与第一条件的匹配情况，匹配情况用于确定对目标ai模型的状态进行控制的控制指令。
73.在一些实施方式中，执行步骤s201的网络节点与执行步骤s202的网络节点可以是同一个网络节点，该网络节点除了可以是部署目标ai模型的第一网络节点，也可以是未部署有目标ai模型的第二网络节点。可选地，第一网络节点以及第二网络节点均可以是通信系统中的任一个网络节点，例如通信系统中的ue(user equipment，用户设备)，基站，lmf(location management function，定位管理功能)节点，oam(operation administration and maintenance，操作维护管理)节点，服务器或其他网络节点。
74.在一些实施方式中，当执行步骤s201的网络节点与执行步骤s202的网络节点是未部署目标ai模型的第二网络节点时，第二网络节点可以接收第一网络节点发送的、由第一网络节点获取的第一信息，从而实现由第二网络节点执行步骤s201，并进一步由第二网络节点执行步骤s202。
75.在另一些实施方式中，执行步骤s201的网络节点与执行步骤s202的网络节点也可以不是同一个网络节点。例如，可以由第一网络节点执行步骤s201，然后再由第一网络节点将获取的第一信息发送给第二网络节点，从而，第二网络节点便可以执行步骤s202。
76.通过上述技术方案，通过第一网络节点获取第一信息，确定第一信息与第一条件的匹配情况，从而便于进一步基于匹配情况确定对目标ai模型的状态进行控制的控制指令，以对ai模型进行管理，从而提高通信系统的性能。
77.在一些实施方式中，在目标ai模型的状态包括激活状态或未激活状态的情况下，为了减少计算量，第一条件包括用于对激活状态下的ai模型进行去激活的条件，或者用于对未激活状态下的ai模型进行激活的条件。
78.本公开实施例中，针对激活状态下的ai模型，网络节点可以只评估第一信息与用于对激活状态下的ai模型进行去激活的条件的匹配情况，用于对激活状态下的ai模型进行去激活的条件也可以称为失效条件，也即，若满足失效条件，则可以控制ai模型进行去激活，否则不进行处理，即保持ai模型的状态为激活状态。
79.针对未激活状态下的ai模型，网络节点可以只评估第一信息与用于对未激活状态下的ai模型进行激活的条件的匹配情况，用于对未激活状态下的ai模型进行激活的条件也可以称为生效条件，也即，若满足生效条件，则可以控制ai模型进行激活，否则不进行处理，即保持ai模型的状态为未激活状态。
80.在一些实施方式中，第一条件包括用于对激活状态下的ai模型进行去激活的条件，相应地，控制指令包括用于将目标ai模型从激活状态切换为未激活状态的第一指令。
81.在一些实施方式中，第一条件包括用于对未激活状态下的ai模型进行激活的条件，相应地，控制指令包括用于将目标ai模型从未激活状态切换为激活状态的第二指令。
82.本公开实施例中，第一条件可以有多种情况，下面再对第一条件进行详细说明。
83.在一些实施方式中，第一条件包括以下至少一种：时间范围条件、地理范围条件、应用场景条件、第一网络节点的计算能力条件、第一网络节点的无线信道条件、目标ai模型对应的输入数据的分布特征条件以及目标ai模型对应的预测数据的分布特征条件。
84.在一些实施方式中，第一条件可以根据实际需要设置上述任意一个或者任意多个或者全部条件，当设置上述任意一个条件时，若第一信息与该任意一个条件匹配，则可以确定匹配情况为相匹配，当设置上述任意多个条件时，若第一信息与该任意多个条件均匹配，则可以确定匹配情况为相匹配，当设置全部条件时，若第一信息与全部条件均匹配，则可以确定匹配情况为相匹配。
85.此外，在另一些实施方式中，当设置上述任意多个条件时，若第一信息与该任意多个条件中的第一预设数量个条件匹配时，可以确定匹配情况为相匹配。
86.此外，在另一些实施方式中，当设置上述全部条件时，若第一信息与全部条件中的第二预设数量个条件匹配时，可以确定匹配情况为相匹配。
87.其中，第一预设数量与第二预设数量可以相同也可以不同。
88.在一些实施方式中，第一信息可以包括指示时间的信息，第一网络节点对应的小区标识，第一网络节点对应的plmn标识，第一网络节点对应的地理位置信息，指示应用场景的信息，指示第一网络节点的可用计算性能的信息，第一网络节点测量得到的无线信道测量结果，第一网络节点使用的无线信道的频率，目标ai模型的输入数据，以及目标ai模型的预测数据。
89.在一些实施方式中，上述实施例中的时间范围条件为第一信息指示的时间位于预设时间范围内；
90.其中，预设时间范围的确定方法包括以下任一者：
91.基于第一定时器运行的起点时刻以及预设运行时长，确定第一定时器的运行时间段，并以运行时间段作为预设时间范围；
92.基于多个无线帧的编号确定预设时间范围；
93.基于无线帧的起始编号以及无线帧的帧数，确定预设时间范围；
94.基于第一预设绝对时间以及第二预设绝对时间，确定第一预设绝对时间以及第二预设绝对时间之间的时间段为预设时间范围；
95.基于第三预设绝对时间，确定第三预设绝对时间之前的时间段为预设时间范围；
96.基于第四预设绝对时间，确定第四预设绝对时间之后的时间段为预设时间范围。
97.本公开实施例中，当第一信息指示的时间位于预设时间范围内时，可以确定第一
信息与时间范围条件相匹配。
98.在一些实施方式中，可以启动一个第一定时器，并为第一定时器配置起点时刻以及预设运行时长，从而将第一定时器运行时间段作为预设时间范围，也即，当第一信息指示的时间在第一定时器的运行时间范围内时，确定满足时间范围条件。
99.在一些实施方式中，可以配置无线帧的编号，由于无线帧对应有时间节点以及时间段，那么根据无线帧的编号，便能够确定对应的预设时间范围。
100.在一些实施方式中，可以配置无线帧的起始编号以及无线帧的帧数，同样地，由于无线帧对应有时间节点以及时间段，那么根据无线帧的起始编号以及无线帧的帧数，便能够确定对应的预设时间范围。
101.在一些实施方式中，可以配置第一预设绝对时间以及第二预设绝对时间，那么便可以将第一预设绝对时间以及第二预设绝对时间之间的时间段确定为预设时间范围。
102.在一些实施方式中，可以配置第三预设绝对时间，那么可以通过第三预设绝对时间区分出两个时间段，也即，可以将第三预设绝对时间之前的时间段确定为预设时间范围。
103.同样地，在一些实施方式中，可以配置第四预设绝对时间，那么可以通过第四预设绝对时间区分出两个时间段，也即，可以将第四预设绝对时间之后的时间段确定为预设时间范围。其中，第三预设绝对时间与第四预设绝对时间可以相同，也可以不同。
104.在一些实施方式中，第一信息包括第一网络节点对应的小区标识，第一网络节点对应的plmn标识，以及第一网络节点对应的地理位置信息中的至少一者，地理范围条件包括以下至少一者：
105.小区标识存在于预设小区标识中；
106.plmn标识存在于预设plmn标识中；
107.地理位置信息存在于预设地理位置信息中。
108.本公开实施例中，确定满足地理范围条件可以有多种方式。可选地，可以在小区标识存在于预设小区标识中时，确定满足地理范围条件，即第一信息与地理范围条件匹配。可选地，还可以在plmn标识存在于预设plmn标识中时，确定满足地理范围条件，即第一信息与地理范围条件匹配。可选地，还可以在地理位置信息存在于预设地理位置信息中时，确定满足地理范围条件，即第一信息与地理范围条件匹配。
109.此外，根据实际需要，可选地，也可以设置在上述地理范围条件中的任意两项或者全部三项满足时，确定满足地理范围条件，即第一信息与地理范围条件匹配。
110.示例性地，可以设置在小区标识存在于预设小区标识中，以及在plmn标识存在于预设plmn标识中时，确定满足地理范围条件。
111.结合前述内容可知，网络节点可以是通信系统中的ue，基站，lmf节点，oam节点，服务器或其他网络节点。
112.那么，在一些实施方式中，当第一网络节点为ue时，第一网络节点对应的小区标识为ue的服务小区的标识，第一网络节点对应的plmn标识为ue注册的plmn，第一网络节点对应的地理位置信息为ue的地理位置。
113.在另一些实施方式中，当第一网络节点为基站时，第一网络节点对应的小区标识为基站部署的小区的标识，第一网络节点对应的plmn标识为基站所属的plmn，第一网络节点对应的地理位置信息为基站的地理位置。
114.在一些实施方式中，应用场景条件为第一信息指示的应用场景存在于预设应用场景中。
115.本公开实施例中，可以预先配置预设应用场景，那么，当第一信息指示的应用场景存在于预设应用场景中时，可以确定第一信息与应用场景条件相匹配。
116.可选地，应用场景可以包括波束管理，时间维度波束预测，空间维度波束预测，csi压缩，定位，移动性管理。
117.在一些实施方式中，第一网络节点的计算能力条件为第一信息指示的第一网络节点的可用计算性能大于或者等于预设计算性能。
118.本公开实施例中，可以预先配置预设计算性能，那么，当第一信息指示的第一网络节点的可用计算性能大于或者等于预设计算性能时，可以确定第一信息与计算能力条件相匹配。
119.可选地，计算性能可以通过flops(floating-point operations per second，每秒浮点运算次数)表示。
120.在一些实施方式中，第一信息包括第一网络节点测量得到的无线信道测量结果以及第一网络节点使用的无线信道的频率中的至少一者，第一网络节点的无线信道条件包括以下至少一者：
121.无线信道测量结果满足第一预设范围；
122.无线信道测量结果与第一预设值的偏差小于或者等于第一预设偏差值；
123.频率存在于预设频率中。
124.本公开实施例中，确定满足第一网络节点的无线信道条件可以有多种方式。可选地，可以在无线信道测量结果满足第一预设范围时，确定满足第一网络节点的无线信道条件，即第一信息与第一网络节点的无线信道条件匹配。可选地，还可以在无线信道测量结果与第一预设值的偏差小于或者等于第一预设偏差值时，确定满足第一网络节点的无线信道条件，即第一信息与第一网络节点的无线信道条件匹配。可选地，还可以在第一网络节点使用的无线信道的频率存在于预设频率中时，确定满足第一网络节点的无线信道条件，即第一信息与第一网络节点的无线信道条件匹配。
125.此外，根据实际需要，可选地，也可以设置在上述第一网络节点的无线信道条件中的任意两项或者全部三项满足时，确定满足第一网络节点的无线信道条件，即第一信息与第一网络节点的无线信道条件匹配。
126.示例性地，可以设置在无线信道测量结果满足第一预设范围，以及在频率存在于预设频率中时，确定满足第一网络节点的无线信道条件。
127.在一些实施方式中，第一信息包括目标ai模型的输入数据或预测数据，目标ai模型对应的输入数据的分布特征条件包括以下至少一者：
128.输入数据的期望满足第二预设范围；
129.输入数据的方差满足第三预设范围；
130.输入数据的期望与第二预设值的偏差满足第四预设范围；
131.输入数据的方差与第三预设值的偏差满足第五预设范围；
132.目标ai模型对应的预测数据的分布特征条件包括以下至少一者：
133.预测数据的期望满足第六预设范围；
134.预测数据的方差满足第七预设范围；
135.预测数据的期望与第四预设值的偏差满足第八预设范围；
136.预测数据的方差与第五预设值的偏差满足第九预设范围。
137.本公开实施例中，确定满足目标ai模型对应的输入数据的分布特征条件可以有多种方式。
138.在一些实施方式中，目标ai模型对应的输入数据的分布特征条件可以根据实际需要设置上述任意一个判断项。第一网络节点可以获取目标ai模型不同批次的输入数据。
139.进而，可选地，可以在不同批次的输入数据的期望满足第二预设范围时，确定满足目标ai模型对应的输入数据的分布特征条件。
140.可选地，可以在不同批次的输入数据的方差满足第三预设范围时，确定满足目标ai模型对应的输入数据的分布特征条件。
141.可选地，可以在不同批次的输入数据的期望与第二预设值的偏差满足第四预设范围时，确定满足目标ai模型对应的输入数据的分布特征条件。
142.可选地，可以在不同批次的输入数据的方差与第三预设值的偏差满足第五预设范围时，确定满足目标ai模型对应的输入数据的分布特征条件。
143.在一些实施方式中，目标ai模型对应的输入数据的分布特征条件可以根据实际需要设置上述任意多个判断项。当设置上述多个判断项时，若不同批次的输入数据同时满足这多个判断项，则可以确定满足目标ai模型对应的输入数据的分布特征条件。
144.在一些实施方式中，本公开实施例中的不同批次的输入数据可以为最近输入目标ai模型的第三预设数量个数据，或者，为在最近的预设时间段内输入ai模型的数据。
145.需要说明的是，输入数据可能包括一个或者多个维度的数据，在输入数据包括多个维度的数据时，输入数据的期望可以是任意一个或者多个维度的数据的期望，输入数据的方差可以是任意一个或者多个维度的数据的方差。进而，在判断是否满足第三条件时，可以将确定的一个或者多个方差用于判断。
146.例如，第二预设范围可以包括与各个期望分别对应的子参数，从而将各个维度的数据的期望分别与对应的子参数进行比较，来确定是否满足目标ai模型对应的输入数据的分布特征条件。
147.其中，在将各个维度的数据的期望分别与对应的子参数进行比较，来确定是否满足目标ai模型对应的输入数据的分布特征条件时，可以基于确定其中任一个维度的数据的期望与对应的子参数相等，确定满足目标ai模型对应的输入数据的分布特征条件，也可以基于部分或者全部维度的数据的期望分别与对应的子参数相等，确定满足目标ai模型对应的输入数据的分布特征条件。
148.本公开实施例中，确定满足目标ai模型对应的预测数据的分布特征条件可以有多种方式。
149.在一些实施方式中，目标ai模型对应的预测数据的分布特征条件可以根据实际需要设置上述任意一个判断项。第一网络节点可以获取目标ai模型不同批次的预测数据。
150.进而，可选地，可以在不同批次的预测数据的期望满足第六预设范围时，确定满足目标ai模型对应的预测数据的分布特征条件。
151.可选地，可以在不同批次的预测数据的方差满足第七预设范围时，确定满足目标
ai模型对应的预测数据的分布特征条件。
152.可选地，可以在不同批次的预测数据的期望与第四预设值的偏差满足第八预设范围时，确定满足目标ai模型对应的预测数据的分布特征条件。
153.可选地，可以在不同批次的预测数据的方差与第五预设值的偏差满足第九预设范围时，确定满足目标ai模型对应的预测数据的分布特征条件。
154.在一些实施方式中，目标ai模型对应的预测数据的分布特征条件可以根据实际需要设置上述任意多个判断项。当设置上述多个判断项时，若不同批次的预测数据同时满足这多个判断项，则可以确定满足目标ai模型对应的预测数据的分布特征条件。
155.在一些实施方式中，本公开实施例中的不同批次的预测数据可以为ai模型最近输出的第二预设数量个预测数据，或者，为ai模型在最近的预设时间段内输出的预测数据。
156.需要说明的是，在一些实施方式中，判断第一网络节点是否满足第一条件的过程可以由第一网络节点执行，在另一些实施方式中，判断第一网络节点是否满足第一条件的过程也可以由第二网络节点执行。
157.结合前述内容可知，第一条件可以包括用于对激活状态下的ai模型进行去激活的条件，以及用于对未激活状态下的ai模型进行激活的条件。在一些实施方式中，可以通过不同的参数数据或者参数值范围的方式从第一条件中划分出用于对未激活状态下的ai模型进行激活的条件，以及用于对未激活状态下的ai模型进行激活的条件。
158.示例性地，对于时间范围条件，可以设置时间范围0:00-06:00为用于对激活状态下的ai模型进行去激活的条件，设置时间范围06:00-24:00为用于对未激活状态下的ai模型进行激活的条件。即指定时间范围0:00-06:00以及时间范围06:00-24:00，并为时间范围0:00-06:00标记为用于对激活状态下的ai模型进行去激活的条件，为时间范围06:00-24:00标记为用于对未激活状态下的ai模型进行激活的条件。
159.示例性地，对于第一网络节点的无线信道条件，可以设置第一预设频率范围为用于对激活状态下的ai模型进行去激活的条件，设置第二预设频率范围为用于对未激活状态下的ai模型进行激活的条件。即指定第一预设频率范围以及第一预设频率范围，并为第一预设频率范围标记为用于对激活状态下的ai模型进行去激活的条件，为第一预设频率范围标记为用于对未激活状态下的ai模型进行激活的条件。
160.图3是根据一示例性实施例示出的一种ai模型的管理方法的流程图，该方法被部署有目标ai模型的第一网络节点执行，如图3所示，该方法包括以下步骤：
161.在步骤s301中，获取第一信息。
162.在步骤s302中，响应于第一信息满足第一条件，确定匹配情况为相匹配。
163.其中，在匹配情况为相匹配的情况下，匹配情况用于确定对目标ai模型的状态进行切换的控制指令。其中，目标ai模型为第一网络节点中部署的任一个ai模型。
164.本公开实施例中，在获取第一信息之后，第一网络节点可以判断第一信息是否满足第一条件，若第一信息满足第一条件，则网络节点可以确定匹配情况为相匹配，这种情况下，网络节点可以进一步确定对目标ai模型的状态进行切换的控制指令。
165.图4是根据一示例性实施例示出的一种ai模型的管理方法的流程图，该方法被部署有目标ai模型的第一网络节点执行，如图4所示，该方法包括以下步骤：
166.在步骤s401中，获取第一信息。
167.在步骤s402中，响应于第一信息满足第一条件，对满足第一条件的时间进行计时。
168.在步骤s403中，响应于计时时长满足预设时长，确定匹配情况为相匹配。
169.其中，在匹配情况为相匹配的情况下，匹配情况用于确定对目标ai模型的状态进行切换的控制指令。其中，目标ai模型为第一网络节点中部署的任一个ai模型。
170.本公开实施例中，在获取第一信息之后，网络节点可以判断第一信息是否满足第一条件，若第一信息满足第一条件，则网络节点可以对满足第一条件的时间进行计时，若计时时长满足预设时长，则进一步确定匹配情况为相匹配，这种情况下，网络节点可以进一步确定对目标ai模型的状态进行切换的控制指令。
171.也即，网络节点可以在确定第一信息满足第一条件时开始计时，并判断在预设时长内是否持续满足，如果在预设时长内持续满足，则确定匹配情况为相匹配。
172.在一些实施方式中，网络节点可以在确定第一信息满足第一条件时，启动一个定时器，时长为预设时长，如果在定时器运行期间存在第一信息满足第一条件的情况，则控制定时器停止，如果在定时器运行期间持续第一信息满足第一条件，也即确定定时器超时，则确定匹配情况为相匹配。
173.本公开实施例中，通过对满足第一条件的时间进行计时，并在计时时长满足预设时长的情况下，才确定匹配情况为相匹配，可以提高确定的匹配情况的稳定性，进而提高对ai模型管理的准确性，提高系统性能。
174.在一些实施方式中，第一条件包括用于对激活状态下的ai模型进行去激活的条件，以及用于对未激活状态下的ai模型进行激活的条件，这种情况下，参照图5，图5是根据一示例性实施例示出的一种ai模型的管理方法的流程图，该方法被部署有目标ai模型的第一网络节点执行，如图5所示，该方法包括以下步骤：
175.在步骤s501中，获取第一信息。
176.在步骤s502中，在目标ai模型的状态为激活状态的情况下，确定第一信息与用于对激活状态下的ai模型进行去激活的条件的匹配情况，控制指令包括用于将目标ai模型从激活状态切换为未激活状态的第一指令；在目标ai模型的状态为未激活状态的情况下，确定第一信息与用于对未激活状态下的ai模型进行激活的条件的匹配情况，控制指令包括用于将目标ai模型从未激活状态切换为激活状态的第二指令。
177.其中，目标ai模型为第一网络节点中部署的任一个ai模型。
178.本公开实施例中，若目标ai模型的状态为激活状态，则可以将第一信息与用于对激活状态下的ai模型进行去激活的条件进行匹配，确定匹配情况，这种情况下，控制指令包括用于将目标ai模型从激活状态切换为未激活状态的第一指令。例如，若第一信息与用于对激活状态下的ai模型进行去激活的条件的匹配情况为相匹配，则可以确定控制指令为第一指令。
179.若目标ai模型的状态为未激活状态，则可以将第一信息与用于对未激活状态下的ai模型进行激活的条件进行匹配，确定匹配情况，这种情况下，控制指令包括用于将目标ai模型从未激活状态切换为激活状态的第二指令。例如，若第一信息与用于对未激活状态下的ai模型进行激活的条件的匹配情况为相匹配，则可以确定控制指令为第二指令。
180.此外，在一些实施方式中，若目标ai模型的状态为激活状态，在将第一信息与用于对激活状态下的ai模型进行去激活的条件进行匹配，确定的匹配情况为不匹配的情况下，
可以确定控制指令为保持ai模型的状态为激活状态的控制指令。
181.在一些实施方式中，若获取的目标ai模型的状态为未激活状态，在将第一信息与用于对未激活状态下的ai模型进行激活的条件进行匹配，确定的匹配情况为不匹配的情况下，可以确定控制指令为保持ai模型的状态为未激活状态的控制指令。
182.图6是根据一示例性实施例示出的一种ai模型的管理方法的流程图，该方法被部署有目标ai模型的第一网络节点执行，如图6所示，该方法包括以下步骤：
183.在步骤s601中，获取第一信息以及目标ai模型的状态。
184.其中，目标ai模型为第一网络节点中部署的任一个ai模型。
185.本公开实施例中，第一网络模型还可以获取目标ai模型的状态。
186.在步骤s602中，确定第一信息与第一条件的匹配情况，匹配情况用于确定对目标ai模型的状态进行控制的控制指令。
187.此外，本公开的实施例中关于步骤s601以及步骤s602的相关实现方式可以参考前述实施例，此处不再赘述。
188.通过上述技术方案，第一网络节点获取第一信息以及目标ai模型的状态，并确定第一信息与第一条件的匹配情况，从而便于进一步基于匹配情况确定对目标ai模型的状态进行控制的控制指令，以对ai模型进行管理，从而提高通信系统的性能。
189.图7是根据一示例性实施例示出的一种ai模型的管理方法的流程图，该方法被部署有ai模型的第一网络节点执行，如图7所示，该方法包括以下步骤：
190.在步骤s701中，获取第一信息。
191.在步骤s702中，确定第一信息与第一条件的匹配情况。
192.其中，匹配情况用于确定对目标ai模型的状态进行控制的控制指令，目标ai模型为第一网络节点中部署的任一个ai模型。
193.在步骤s703中，响应于匹配情况为相匹配，向第二网络节点发送目标ai模型的标识，和/或相匹配的第一条件的标识。
194.在步骤s704中，接收第二网络节点发送的用于对目标ai模型的状态进行切换的控制指令。
195.在步骤s705中，响应于用于对目标ai模型的状态进行切换的控制指令，对目标ai模型的状态进行切换。
196.本公开实施例中，第一网络节点可以确定第一信息与第一条件的匹配情况，并在匹配情况为相匹配时，向第二网络节点发送目标ai模型的标识，和/或相匹配的第一条件的标识，从而第二网络节点能够根据接收到的目标ai模型的标识，和/或相匹配的第一条件的标识，生成用于对目标ai模型的状态进行切换的控制指令，并发送给第一网络节点，从而，第一网络节点可以响应于用于对目标ai模型的状态进行切换的控制指令，对目标ai模型的状态进行切换。
197.图8是根据一示例性实施例示出的一种ai模型的管理方法的流程图，该方法被部署有ai模型的第一网络节点执行，如图8所示，该方法包括以下步骤：
198.在步骤s801中，获取第一信息。
199.在步骤s802中，确定第一信息与第一条件的匹配情况。
200.其中，匹配情况用于确定对目标ai模型的状态进行控制的控制指令，目标ai模型
为第一网络节点中部署的任一个ai模型。
201.在步骤s803中，响应于匹配情况为相匹配，生成用于对目标ai模型的状态进行切换的控制指令，并根据用于对目标ai模型的状态进行切换的控制指令，对目标ai模型的状态进行切换。
202.本公开实施例中，第一网络节点自身可以确定第一信息与第一条件的匹配情况，并在匹配情况为相匹配的情况下，生成用于对目标ai模型的状态进行切换的控制指令，并根据用于对目标ai模型的状态进行切换的控制指令，对目标ai模型的状态进行切换。
203.图9是根据一示例性实施例示出的一种ai模型的管理方法的流程图，该方法被部署有ai模型的第一网络节点执行，如图9所示，该方法包括以下步骤：
204.在步骤s901中，接收第二网络节点发送的至少一个ai模型，或者，接收第二网络节点发送的至少一个ai模型以及至少一个ai模型对应的第一条件。
205.在步骤s902中，部署至少一个ai模型。
206.本公开实施例中，第二网络节点可以向第一网络节点发送至少一个ai模型，或者，第二网络节点可以向第一网络节点发送至少一个ai模型以及至少一个ai模型对应的第一条件，从而，第一网络节点便可以部署至少一个ai模型。
207.也即，本公开实施例中，第一网络节点部署的ai模型可以来自于第二网络节点，第一网络节点保存的第一条件也可以来自于第二网络节点。
208.在步骤s903中，获取第一信息。
209.在步骤s904中，确定第一信息与第一条件的匹配情况。
210.其中，匹配情况用于确定对目标ai模型的状态进行控制的控制指令，目标ai模型为第一网络节点中部署的任一个ai模型。
211.图10是根据一示例性实施例示出的一种ai模型的管理方法的流程图，该方法被第二网络节点执行，如图10所示，该方法包括以下步骤：
212.在步骤s1001中，确定对目标ai模型的状态进行控制的控制指令，控制指令是基于第一信息与第一条件的匹配情况确定的，目标ai模型为第一网络节点中部署的任一个ai模型，第一信息为第一网络节点采集的信息。
213.通过上述技术方案，可以通过第二网络节点确定对目标ai模型的状态进行控制的控制指令，以对ai模型进行管理，从而提高通信系统的性能。
214.图11是根据一示例性实施例示出的一种ai模型的管理方法的流程图，该方法被第二网络节点执行，如图11所示，该方法包括以下步骤：
215.在步骤s1101中，接收第一网络节点发送的第一信息。
216.在步骤s1102中，确定第一信息与第一条件的匹配情况。
217.在步骤s1103中，根据匹配情况，确定对目标ai模型的状态进行控制的控制指令。
218.其中，目标ai模型为第一网络节点中部署的任一个ai模型。
219.本公开实施例中，第一网络节点可以获取第一信息并发送给第二网络节点，从而第二网络节点便可以接收第一网络节点发送的第一信息，并确定第一信息与第一条件的匹配情况，接着便可以根据匹配情况，确定对目标ai模型的状态进行控制的控制指令。
220.图12是根据一示例性实施例示出的一种ai模型的管理方法的流程图，该方法被第二网络节点执行，如图12所示，该方法包括以下步骤：
221.在步骤s1201中，接收第一网络节点发送的用于表征第一信息与第一条件的匹配情况的信息。
222.在步骤s1202中，根据信息确定对目标ai模型的状态进行控制的控制指令。
223.本公开实施例中，第一网络节点可以获取第一信息，并确定第一信息与第一条件的匹配情况，接着，第一网络节点可以将表征第一信息与第一条件的匹配情况的信息发送给第二网络节点，从而，第二网络节点便可以根据信息确定对目标ai模型的状态进行控制的控制指令。
224.在一些实施方式中，表征第一信息与第一条件的匹配情况的信息可以包括表征第一信息与第一条件的匹配情况为相匹配的信息，例如，目标ai模型的标识，和/或，相匹配的第一条件的标识，也即，当第二网络节点接收到目标ai模型的标识，和/或，相匹配的第一条件的标识时，可以确定第一信息与第一条件的匹配情况为相匹配。相应地，在这种情况下，可以进一步确定对目标ai模型的状态进行切换的控制指令。
225.在另一些实施方式中，表征第一信息与第一条件的匹配情况的信息可以包括表征第一信息与第一条件的匹配情况为不匹配的信息，相应地，在这种情况下，可以进一步确定保持目标ai模型的状态不变的控制指令。
226.在一些实施方式中，在第一网络节点确定第一信息与第一条件的匹配情况为不匹配的情况下，第一网络节点也可以不向第二网络节点发送信息，从而，第二网络节点也不会生成控制指令，此时，目标ai模型的状态默认保持不变。
227.图13是根据一示例性实施例示出的一种ai模型的管理方法的流程图，该方法被第二网络节点执行，如图13所示，该方法包括以下步骤：
228.在步骤s1301中，确定对目标ai模型的状态进行控制的控制指令，控制指令是基于第一信息与第一条件的匹配情况确定的，目标ai模型为第一网络节点中部署的任一个ai模型，第一信息为第一网络节点采集的信息。
229.在步骤s1302中，在匹配情况为相匹配的情况下，向第一网络节点发送用于对目标ai模型的状态进行切换的控制指令。
230.本公开实施例中，第二网络节点可以基于第一信息与第一条件的匹配情况，确定对目标ai模型的状态进行控制的控制指令。
231.在一些实施方式中，若匹配情况为相匹配，则可以表明需要对目标ai模型的状态进行切换，此时，对目标ai模型的状态进行控制的控制指令为对目标ai模型的状态进行切换的控制指令，此时，第二网络节点可以向第一网络节点发送用于对目标ai模型的状态进行切换的控制指令。
232.图14是根据一示例性实施例示出的一种ai模型的管理方法的流程图，该方法被第二网络节点执行，如图14所示，该方法包括以下步骤：
233.在步骤s1401中，确定对目标ai模型的状态进行控制的控制指令，控制指令是基于第一信息与第一条件的匹配情况确定的，目标ai模型为第一网络节点中部署的任一个ai模型，第一信息为第一网络节点采集的信息。
234.在步骤s1402中，向第一网络节点发送用于对目标ai模型的状态进行控制的控制指令。
235.本公开实施例中，第二网络节点可以基于第一信息与第一条件的匹配情况，确定
对目标ai模型的状态进行控制的控制指令。接着，便可以向第一网络节点发送用于对目标ai模型的状态进行控制的控制指令，以指示对目标ai模型的状态进行控制。
236.可选地，对目标ai模型的状态进行控制的控制指令可以包括用于对目标ai模型的状态进行切换的控制指令。
237.可选地，对目标ai模型的状态进行控制的控制指令还可以包括用于对保持目标ai模型的状态的控制指令。
238.图15是根据一示例性实施例示出的一种ai模型的管理方法的流程图，该方法被第二网络节点执行，如图15所示，该方法包括以下步骤：
239.在步骤s1501中，向第一网络节点发送至少一个ai模型，或者，向第一网络节点发送至少一个ai模型以及至少一个ai模型对应的第一条件，其中，至少一个ai模型用于在第一网络节点进行部署。
240.在步骤s1502中，确定对目标ai模型的状态进行控制的控制指令，控制指令是基于第一信息与第一条件的匹配情况确定的，目标ai模型为第一网络节点中部署的任一个ai模型，第一信息为第一网络节点采集的信息。
241.图16是根据一示例性实施例示出的一种ai模型的管理方法的流程图，该方法应用于通信系统，该通信系统包括部署有ai模型的第一网络节点以及第二网络节点，如图16所示，该方法包括以下步骤：
242.在步骤s1601中，第一网络节点获取第一信息。
243.在步骤s1602中，第一网络节点向第二网络节点发送第一信息。
244.在步骤s1603中，第二网络节点确定第一信息与第一条件的匹配情况，匹配情况用于确定对目标ai模型的状态进行控制的控制指令。
245.其中，目标ai模型为第一网络节点中部署的任一个ai模型。
246.通过上述技术方案，通过第一网络节点获取第一信息，并将第一信息发送给第二网络节点，从而第二网络节点便可以确定第一信息与第一条件的匹配情况，从而便于进一步基于匹配情况确定对目标ai模型的状态进行控制的控制指令，以对ai模型进行管理，从而提高通信系统的性能。
247.图17是根据一示例性实施例示出的一种ai模型的管理方法的流程图，该方法应用于通信系统，该通信系统包括部署有ai模型的第一网络节点以及第二网络节点，如图17所示，该方法包括以下步骤：
248.在步骤s1701中，第一网络节点获取第一信息。
249.在步骤s1702中，第一网络节点确定第一信息与第一条件的匹配情况。
250.在步骤s1703中，第一网络节点响应于匹配情况为相匹配，向第二网络节点发送目标ai模型的标识，和/或相匹配的第一条件的标识。
251.在步骤s1704中，第二网络节点根据接收到的目标ai模型的标识，和/或相匹配的第一条件的标识，生成用于对目标ai模型的状态进行切换的控制指令。
252.在步骤s1705中，第二网络节点向第一网络节点发送用于对目标ai模型的状态进行切换的控制指令。
253.其中，用于对目标ai模型的状态进行切换的控制指令是第二网络节点根据接收到的目标ai模型的标识，和/或相匹配的第一条件的标识生成的。
254.其中，目标ai模型为第一网络节点中部署的任一个ai模型。
255.在步骤s1706中，第一网络节点响应于用于对目标ai模型的状态进行切换的控制指令，对目标ai模型的状态进行切换。
256.图18是根据一示例性实施例示出的一种ai模型的管理方法的流程图，该方法应用于通信系统，该通信系统包括部署有ai模型的第一网络节点以及第二网络节点，如图18所示，该方法包括以下步骤：
257.在步骤s1801中，第一网络节点获取第一信息。
258.在步骤s1802中，第一网络节点向第二网络节点发送第一信息。
259.在步骤s1803中，第二网络节点确定第一信息与第一条件的匹配情况。
260.在步骤s1804中，第二网络节点响应于匹配情况为相匹配，向第一网络节点发送用于对目标ai模型的状态进行切换的控制指令。
261.其中，用于对目标ai模型的状态进行切换的控制指令是第二网络节点响应于匹配情况为相匹配生成的。
262.其中，目标ai模型为第一网络节点中部署的任一个ai模型。
263.在步骤s1805中，第一网络节点响应于用于对目标ai模型的状态进行切换的控制指令，对目标ai模型的状态进行切换。
264.需要说明的是，上述实施例中提到的第一条件的详细描述可以参考前述实施例相关部分，未进行过多赘述。
265.图19是根据一示例性实施例示出的一种ai模型的管理装置的框图，该装置1900应用于第一网络节点，参照图19，该装置1900包括：获取模块1910和确定模块1920。
266.该获取模块1910，被配置为获取第一信息；
267.该确定模块1920，被配置为确定所述第一信息与第一条件的匹配情况，所述匹配情况用于确定对所述目标ai模型的状态进行控制的控制指令，所述目标ai模型为所述第一网络节点中部署的任一个ai模型。
268.可选地，所述目标ai模型的状态包括激活状态或未激活状态。
269.可选地，确定模块1920还被配置为响应于所述第一信息满足所述第一条件，确定所述匹配情况为相匹配，所述匹配情况用于确定对所述目标ai模型的状态进行切换的控制指令。
270.可选地，确定模块1920还被配置为响应于所述第一信息满足所述第一条件，对满足所述第一条件的时间进行计时；响应于所述计时时长满足预设时长，确定所述匹配情况为相匹配，所述匹配情况用于确定对所述目标ai模型的状态进行切换的控制指令。
271.可选地，所述第一条件包括用于对激活状态下的ai模型进行去激活的条件，或用于对未激活状态下的ai模型进行激活的条件。
272.可选地，确定模块1920还被配置为在所述目标ai模型的状态为激活状态的情况下，确定所述第一信息与用于对激活状态下的ai模型进行去激活的条件的匹配情况，所述控制指令包括用于将所述目标ai模型从激活状态切换为未激活状态的第一指令；在所述目标ai模型的状态为未激活状态的情况下，确定所述第一信息与用于对未激活状态下的ai模型进行激活的条件的匹配情况，所述控制指令包括用于将所述目标ai模型从未激活状态切换为激活状态的第二指令。
273.可选地，所述第一条件包括以下至少一种：时间范围条件、地理范围条件、应用场景条件、第一网络节点的计算能力条件、第一网络节点的无线信道条件、所述目标ai模型对应的输入数据的分布特征条件以及所述目标ai模型对应的预测数据的分布特征条件。
274.可选地，所述时间范围条件为所述第一信息指示的时间位于预设时间范围内；
275.其中，所述预设时间范围的确定方法包括以下任一者：
276.基于第一定时器运行的起点时刻以及预设运行时长，确定所述第一定时器的运行时间段，并以所述运行时间段作为所述预设时间范围；
277.基于多个无线帧的编号确定所述预设时间范围；
278.基于无线帧的起始编号以及无线帧的帧数，确定所述预设时间范围；
279.基于第一预设绝对时间以及第二预设绝对时间，确定所述第一预设绝对时间以及所述第二预设绝对时间之间的时间段为所述预设时间范围；
280.基于第三预设绝对时间，确定所述第三预设绝对时间之前的时间段为所述预设时间范围；
281.基于第四预设绝对时间，确定所述第四预设绝对时间之后的时间段为所述预设时间范围。
282.可选地，所述第一信息包括所述第一网络节点对应的小区标识，所述第一网络节点对应的plmn标识，以及所述第一网络节点对应的地理位置信息中的至少一者，所述地理范围条件包括以下至少一者：
283.所述小区标识存在于预设小区标识中；
284.所述plmn标识存在于预设plmn标识中；
285.所述地理位置信息存在于预设地理位置信息中。
286.可选地，所述第一网络节点为ue时，所述第一网络节点对应的小区标识为所述ue的服务小区的标识，所述第一网络节点对应的plmn标识为所述ue注册的plmn，所述第一网络节点对应的地理位置信息为所述ue的地理位置；所述第一网络节点为基站时，所述第一网络节点对应的小区标识为所述基站部署的小区的标识，所述第一网络节点对应的plmn标识为所述基站所属的plmn，所述第一网络节点对应的地理位置信息为所述基站的地理位置。
287.可选地，所述应用场景条件为所述第一信息指示的应用场景存在于预设应用场景中。
288.可选地，所述第一网络节点的计算能力条件为所述第一信息指示的所述第一网络节点的可用计算性能大于或者等于预设计算性能。
289.可选地，所述第一信息包括所述第一网络节点测量得到的无线信道测量结果以及所述第一网络节点使用的无线信道的频率，所述第一网络节点的无线信道条件包括以下至少一者：
290.所述无线信道测量结果满足第一预设范围；
291.所述无线信道测量结果与第一预设值的偏差小于或者等于第一预设偏差值；
292.所述频率存在于预设频率中。
293.可选地，所述第一信息包括所述目标ai模型的输入数据或预测数据，所述目标ai模型对应的输入数据的分布特征条件包括以下至少一者：
294.所述输入数据的期望满足第二预设范围；
295.所述输入数据的方差满足第三预设范围；
296.所述输入数据的期望与第二预设值的偏差满足第四预设范围；
297.所述输入数据的方差与第三预设值的偏差满足第五预设范围；
298.所述目标ai模型对应的预测数据的分布特征条件包括以下至少一者：
299.所述预测数据的期望满足第六预设范围；
300.所述预测数据的方差满足第七预设范围；
301.所述预测数据的期望与第四预设值的偏差满足第八预设范围；
302.所述预测数据的方差与第五预设值的偏差满足第九预设范围。
303.可选地，所述装置1900还包括：
304.第一发送模块，被配置为响应于所述匹配情况为相匹配，向第二网络节点发送所述目标ai模型的标识，和/或，相匹配的所述第一条件的标识。
305.第一接收模块，被配置为接收所述第二网络节点发送的用于对所述目标ai模型的状态进行切换的控制指令；
306.第一切换模块，被配置为响应于用于对所述目标ai模型的状态进行切换的控制指令，对所述目标ai模型的状态进行切换。
307.可选地，所述装置1900还包括：
308.第二切换模块，被配置为响应于所述匹配情况为相匹配，生成用于对所述目标ai模型的状态进行切换的控制指令，并根据用于对所述目标ai模型的状态进行切换的控制指令，对所述目标ai模型的状态进行切换。
309.可选地，所述装置1900还包括：
310.第二接收模块，被配置为接收第二网络节点发送的至少一个ai模型，或者，接收所述第二网络节点发送的至少一个ai模型以及所述至少一个ai模型对应的第一条件；
311.部署模块，被配置为部署所述至少一个ai模型。
312.图20是根据一示例性实施例示出的一种ai模型的管理装置的框图，该装置2000应用于第一网络节点，参照图20，该装置2000包括：确定模块2010。
313.该确定模块2010，被配置为确定对目标ai模型的状态进行控制的控制指令，所述控制指令是基于第一信息与第一条件的匹配情况确定的，所述目标ai模型为第一网络节点中部署的任一个ai模型，所述第一信息为所述第一网络节点采集的信息。
314.可选地，确定模块2010，还被配置为接收第一网络节点发送的第一信息；确定所述第一信息与第一条件的匹配情况；根据所述匹配情况，确定对目标ai模型的状态进行控制的控制指令。
315.可选地，确定模块2010，还被配置为接收第一网络节点发送的用于表征所述第一信息与第一条件的匹配情况的信息；根据所述信息确定对目标ai模型的状态进行控制的控制指令。
316.可选地，所述用于表征所述第一信息与第一条件的匹配情况的信息包括所述目标ai模型的标识，和/或，相匹配的所述第一条件的标识。
317.可选地，装置2000还包括：
318.第一发送模块，被配置为在所述匹配情况为相匹配的情况下，向第一网络节点发
送用于对所述目标ai模型的状态进行切换的控制指令。
319.可选地，装置2000还包括：
320.第二发送模块，被配置为向第一网络节点发送至少一个ai模型，或者，向所述第一网络节点发送至少一个ai模型以及所述至少一个ai模型对应的第一条件，其中，所述至少一个ai模型用于在所述第一网络节点进行部署。
321.图17是根据一示例性实施例示出的一种网络节点2100的框图。参照图17，网络节点2100可以包括以下一个或多个组件：处理组件2102，存储器2104，电源组件2106，多媒体组件2108，音频组件2110，输入/输出接口2112，传感器组件2114，以及通信组件2116。
322.处理组件2102通常控制网络节点2100的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件2102可以包括一个或多个处理器2120来执行指令，以完成时延测量方法的全部或部分步骤。此外，处理组件2102可以包括一个或多个模块，便于处理组件2102和其他组件之间的交互。例如，处理组件2102可以包括多媒体模块，以方便多媒体组件2108和处理组件2102之间的交互。
323.存储器2104被配置为存储各种类型的数据以支持在网络节点2100的操作。这些数据的示例包括用于在网络节点2100上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器2104可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
324.电源组件2106为网络节点2100的各种组件提供电力。电源组件2106可以包括电源管理系统，一个或多个电源，及其他与为网络节点2100生成、管理和分配电力相关联的组件。
325.多媒体组件2108包括在所述网络节点2100和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件2108包括一个前置摄像头和/或后置摄像头。当网络节点2100处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
326.音频组件2110被配置为输出和/或输入音频信号。例如，音频组件2110包括一个麦克风(mic)，当网络节点2100处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器2104或经由通信组件2116发送。在一些实施例中，音频组件2110还包括一个扬声器，用于输出音频信号。
327.输入/输出接口2112为处理组件2102和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
328.传感器组件2114包括一个或多个传感器，用于为网络节点2100提供各个方面的状态评估。例如，传感器组件2114可以检测到网络节点2100的打开/关闭状态，组件的相对定位，例如所述组件为网络节点2100的显示器和小键盘，传感器组件2114还可以检测网络节点2100或网络节点2100一个组件的位置改变，用户与网络节点2100接触的存在或不存在，网络节点2100方位或加速/减速和网络节点2100的温度变化。传感器组件2114可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件2114还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件2114还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
329.通信组件2116被配置为便于网络节点2100和其他设备之间有线或无线方式的通信。网络节点2100可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件2116经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件2116还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
330.在示例性实施例中，网络节点2100可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于ai模型的管理方法。
331.在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器2104，上述指令可由网络节点2100的处理器2120执行以完成时延测量方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
332.上述网络节点除了可以是独立的设备外，也可是独立设备的一部分，例如在一种实施例中，该网络节点可以是集成电路(integrated circuit，ic)或芯片，其中该集成电路可以是一个ic，也可以是多个ic的集合；该芯片可以包括但不限于以下种类：gpu(graphics processing unit，图形处理器)、cpu(central processing unit，中央处理器)、fpga(field programmable gate array，可编程逻辑阵列)、dsp(digital signal processor，数字信号处理器)、asic(application specific integrated circuit，专用集成电路)、soc(system on chip，soc，片上系统或系统级芯片)等。上述的集成电路或芯片中可以用于执行可执行指令(或代码)，以实现上述的ai模型的管理方法。其中该可执行指令可以存储在该集成电路或芯片中，也可以从其他的装置或设备获取，例如该集成电路或芯片中包括处理器、存储器，以及用于与其他的装置通信的接口。该可执行指令可以存储于该处理器中，当该可执行指令被处理器执行时实现上述的ai模型的管理方法；或者，该集成电路或芯片可以通过该接口接收可执行指令并传输给该处理器执行，以实现上述的ai模型的管理方法。
333.在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的ai模型的管理方法的代码部分。
334.本领域技术人员在考虑说明书及实践本公开后，将容易想到本公开的其它实施方
案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
335.应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

技术特征：
1.一种ai模型的管理方法，其特征在于，应用于第一网络节点，所述方法包括：获取第一信息；确定所述第一信息与第一条件的匹配情况，所述匹配情况用于确定对所述目标ai模型的状态进行控制的控制指令，所述目标ai模型为所述第一网络节点中部署的任一个ai模型。2.根据权利要求1所述的方法，其特征在于，所述目标ai模型的状态包括激活状态或未激活状态。3.根据权利要求1所述的方法，其特征在于，所述确定所述第一信息与第一条件的匹配情况，包括：响应于所述第一信息满足所述第一条件，确定所述匹配情况为相匹配，所述匹配情况用于确定对所述目标ai模型的状态进行切换的控制指令。4.根据权利要求1所述的方法，其特征在于，所述确定所述第一信息与第一条件的匹配情况，包括：响应于所述第一信息满足所述第一条件，对满足所述第一条件的时间进行计时；响应于所述计时时长满足预设时长，确定所述匹配情况为相匹配，所述匹配情况用于确定对所述目标ai模型的状态进行切换的控制指令。5.根据权利要求1所述的方法，其特征在于，所述第一条件包括用于对激活状态下的ai模型进行去激活的条件，或用于对未激活状态下的ai模型进行激活的条件。6.根据权利要求1所述的方法，其特征在于，所述第一条件包括以下至少一种：时间范围条件、地理范围条件、应用场景条件、第一网络节点的计算能力条件、第一网络节点的无线信道条件、所述目标ai模型对应的输入数据的分布特征条件以及所述目标ai模型对应的预测数据的分布特征条件。7.根据权利要求6所述的方法，其特征在于，所述时间范围条件为所述第一信息指示的时间位于预设时间范围内；其中，所述预设时间范围的确定方法包括以下任一者：基于第一定时器运行的起点时刻以及预设运行时长，确定所述第一定时器的运行时间段，并以所述运行时间段作为所述预设时间范围；基于多个无线帧的编号确定所述预设时间范围；基于无线帧的起始编号以及无线帧的帧数，确定所述预设时间范围；基于第一预设绝对时间以及第二预设绝对时间，确定所述第一预设绝对时间以及所述第二预设绝对时间之间的时间段为所述预设时间范围；基于第三预设绝对时间，确定所述第三预设绝对时间之前的时间段为所述预设时间范围；基于第四预设绝对时间，确定所述第四预设绝对时间之后的时间段为所述预设时间范围。8.根据权利要求6所述的方法，其特征在于，所述第一信息包括所述第一网络节点对应的小区标识，所述第一网络节点对应的plmn标识，以及所述第一网络节点对应的地理位置信息中的至少一者，所述地理范围条件包括以下至少一者：所述小区标识存在于预设小区标识中；
所述plmn标识存在于预设plmn标识中；所述地理位置信息存在于预设地理位置信息中。9.根据权利要求6所述的方法，其特征在于，所述应用场景条件为所述第一信息指示的应用场景存在于预设应用场景中。10.根据权利要求6所述的方法，其特征在于，所述第一网络节点的计算能力条件为所述第一信息指示的所述第一网络节点的可用计算性能大于或者等于预设计算性能。11.根据权利要求6所述的方法，其特征在于，所述第一信息包括所述第一网络节点测量得到的无线信道测量结果以及所述第一网络节点使用的无线信道的频率中的至少一者，所述第一网络节点的无线信道条件包括以下至少一者：所述无线信道测量结果满足第一预设范围；所述无线信道测量结果与第一预设值的偏差小于或者等于第一预设偏差值；所述频率存在于预设频率中。12.根据权利要求6所述的方法，其特征在于，所述第一信息包括所述ai模型的输入数据或预测数据，所述目标ai模型对应的输入数据的分布特征条件包括以下至少一者：所述输入数据的期望满足第二预设范围；所述输入数据的方差满足第三预设范围；所述输入数据的期望与第二预设值的偏差满足第四预设范围；所述输入数据的方差与第三预设值的偏差满足第五预设范围；所述目标ai模型对应的预测数据的分布特征条件包括以下至少一者：所述预测数据的期望满足第六预设范围；所述预测数据的方差满足第七预设范围；所述预测数据的期望与第四预设值的偏差满足第八预设范围；所述预测数据的方差与第五预设值的偏差满足第九预设范围。13.根据权利要求1-12任一项所述的方法，其特征在于，所述方法还包括：响应于所述匹配情况为相匹配，向第二网络节点发送所述目标ai模型的标识，和/或，相匹配的所述第一条件的标识；接收所述第二网络节点发送的用于对所述目标ai模型的状态进行切换的控制指令；响应于用于对所述目标ai模型的状态进行切换的控制指令，对所述目标ai模型的状态进行切换。14.根据权利要求1-12任一项所述的方法，其特征在于，所述方法还包括：响应于所述匹配情况为相匹配，生成用于对所述目标ai模型的状态进行切换的控制指令，并根据用于对所述目标ai模型的状态进行切换的控制指令，对所述目标ai模型的状态进行切换。15.根据权利要求1-12任一项所述的方法，其特征在于，所述方法还包括：接收第二网络节点发送的至少一个ai模型，或者，接收所述第二网络节点发送的至少一个ai模型以及所述至少一个ai模型对应的第一条件；部署所述至少一个ai模型。16.一种ai模型的管理方法的方法，其特征在于，应用于第二网络节点，所述方法包括：确定对目标ai模型的状态进行控制的控制指令，所述控制指令是基于第一信息与第一
条件的匹配情况确定的，所述目标ai模型为第一网络节点中部署的任一个ai模型，所述第一信息为所述第一网络节点采集的信息。17.根据权利要求16所述的方法，其特征在于，所述确定对目标ai模型的状态进行控制的控制指令，包括：接收第一网络节点发送的第一信息；确定所述第一信息与第一条件的匹配情况；根据所述匹配情况，确定对目标ai模型的状态进行控制的控制指令。18.根据权利要求16所述的方法，其特征在于，所述确定对目标ai模型的状态进行控制的控制指令，包括：接收第一网络节点发送的用于表征所述第一信息与第一条件的匹配情况的信息；根据所述信息确定对目标ai模型的状态进行控制的控制指令。19.根据权利要求18所述的方法，其特征在于，所述用于表征所述第一信息与第一条件的匹配情况的信息包括所述目标ai模型的标识，和/或，相匹配的所述第一条件的标识。20.根据权利要求16所述的方法，其特征在于，所述确定对目标ai模型的状态进行控制的控制指令之后，所述方法还包括：在所述匹配情况为相匹配的情况下，向第一网络节点发送用于对所述目标ai模型的状态进行切换的控制指令。21.根据权利要求16所述的方法，其特征在于，所述方法还包括：向第一网络节点发送至少一个ai模型，或者，向所述第一网络节点发送至少一个ai模型以及所述至少一个ai模型对应的第一条件，其中，所述至少一个ai模型用于在所述第一网络节点进行部署。22.一种ai模型的管理装置，其特征在于，应用于第一网络节点，所述装置包括：获取模块，被配置为获取第一信息；确定模块，被配置为确定所述第一信息与第一条件的匹配情况，所述匹配情况用于确定对所述目标ai模型的状态进行控制的控制指令，所述目标ai模型为所述第一网络节点中部署的任一个ai模型。23.一种ai模型的管理装置，其特征在于，应用于第二网络节点，所述装置包括：确定模块，被配置为确定对目标ai模型的状态进行控制的控制指令，所述控制指令是基于第一信息与第一条件的匹配情况确定的，所述目标ai模型为第一网络节点中部署的任一个ai模型，所述第一信息为所述第一网络节点采集的信息。24.一种网络节点，其特征在于，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为在执行所述可执行指令时，实现权利要求1-15中所述方法的步骤，或者实现权利要求16-21中任一项所述方法的步骤。25.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，该程序指令被处理器执行时实现权利要求1～15中任一项所述方法的步骤，或者实现权利要求16～21中任一项所述方法的步骤。

技术总结
本公开涉及一种AI模型的管理方法、装置、网络节点及存储介质。获取第一信息；确定所述第一信息与第一条件的匹配情况，所述匹配情况用于确定对所述目标AI模型的状态进行控制的控制指令，所述目标AI模型为所述第一网络节点中部署的任一个AI模型。本公开提出通过获取第一信息，确定所述第一信息与第一条件的匹配情况，从而便于进一步基于匹配情况确定对所述目标AI模型的状态进行控制的控制指令，以对AI模型进行管理。型进行管理。型进行管理。


技术研发人员：杨星
受保护的技术使用者：北京小米移动软件有限公司
技术研发日：2023.02.08
技术公布日：2023/7/7