[發明專利]用于處理信息的方法和裝置

在審

• 申請號: 201710539436.1
• 申請日: 2017-07-04
• 公開（公告）號: CN107341237A
• 公開（公告）日: 2017-11-10
• 發明（設計）人: 肖遠昊;張發恩;周愷;王倩;劉昆;徐東澤;許天涵;孫家元;劉嵐
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06N99/00
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司11204
• 代理人: 王達佐,馬曉亞

1.一種用于處理信息的方法，其特征在于，所述方法包括：

響應于接收到針對待訓練深度學習模型的描述信息，確定版本號，其中，所述待訓練深度學習模型具有與之對應的訓練數據集和訓練腳本；

運行所述訓練腳本以基于所述訓練數據集對所述待訓練深度學習模型進行訓練，得到預測模型；

將所述版本號設置為所述預測模型的版本號，并保存所述預測模型。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

響應于接收到針對所述預測模型的信息查看指令，呈現所述預測模型的特征信息；

其中，所述特征信息包括以下至少一項：

所述版本號、所述描述信息、訓練時間，所述訓練數據集、所述訓練腳本。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

響應于接收到針對所述預測模型的搜索用信息，呈現所述預測模型，其中，所述搜索用信息包括所述預測模型的以下任意一項：所述版本號、所述訓練時間、所述描述信息中的關鍵字。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

響應于接收到針對所述預測模型的編輯指令，基于所述編輯指令對所述預測模型執行編輯操作。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：

接收模型導入指令，其中，所述模型導入指令包括所述版本號；

基于所述版本號導入所述預測模型。

6.根據權利要1所述的方法，其特征在于，所述確定版本號，包括：

自動生成第一版本號；

若接收到針對所述第一版本號的、包括第二版本號的修改指令，則確定所述第二版本號是否全局唯一，若是，則將所述第一版本號修改為所述第二版本號，并將所述第二版本號作為所述版本號。

7.根據權利要求1所述的方法，其特征在于，提供自動保存功能；以及

所述保存所述預測模型，包括：

確定當前所述自動保存功能是否被開啟；

若是，則通過所述自動保存功能對所述預測模型進行保存。

8.根據權利要求7所述的方法，其特征在于，所述保存所述預測模型，包括：

響應于確定當前所述自動保存功能未被開啟，進一步確定所述訓練腳本中是否包括保存路徑和保存名稱；

響應于確定所述訓練腳本中包括所述保存路徑和所述保存名稱，將所述預測模型命名為所述保存名稱，并將所述預測模型保存至所述保存路徑下。

9.一種用于處理信息的裝置，其特征在于，所述裝置包括：

確定單元，配置用于響應于接收到針對待訓練深度學習模型的描述信息，確定版本號，其中，所述待訓練深度學習模型具有與之對應的訓練數據集和訓練腳本；

訓練單元，配置用于運行所述訓練腳本以基于所述訓練數據集對所述待訓練深度學習模型進行訓練，得到預測模型；

保存單元，配置用于將所述版本號設置為所述預測模型的版本號，并保存所述預測模型。

10.根據權利要求9所述的裝置，其特征在于，所述裝置還包括：

第一呈現單元，配置用于響應于接收到針對所述預測模型的信息查看指令，呈現所述預測模型的特征信息；

其中，所述特征信息包括以下至少一項：

所述版本號、所述描述信息、訓練時間，所述訓練數據集、所述訓練腳本。

11.根據權利要求9所述的裝置，其特征在于，所述裝置還包括：

第二呈現單元，配置用于響應于接收到針對所述預測模型的搜索用信息，呈現所述預測模型，其中，所述搜索用信息包括所述預測模型的以下任意一項：所述版本號、所述訓練時間、所述描述信息中的關鍵字。

12.根據權利要求9所述的裝置，其特征在于，所述裝置還包括：

編輯單元，配置用于響應于接收到針對所述預測模型的編輯指令，基于所述編輯指令對所述預測模型執行編輯操作。

13.根據權利要求9所述的裝置，其特征在于，所述裝置還包括：

接收單元，配置用于接收模型導入指令，其中，所述模型導入指令包括所述版本號；

導入單元，配置用于基于所述版本號導入所述預測模型。