[發明專利]基于K8s集群建立的依圖寫詩系統的控制方法

有效

• 申請號: 201810643605.0
• 申請日: 2018-06-21
• 公開（公告）號: CN108874779B
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 王方京;張巖峰;祝亞兵;陳晶晶;楊慧麗
• 申請（專利權）人: 東北大學
• 主分類號: G06F40/284
• 分類號: G06F40/284;G06F16/58;G06K9/62
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 李運萍

本發明屬于深度學習和容器云平臺領域，具體涉及一種基于K8s集群建立的依圖寫詩系統的控制方法，包括：1)采用Kubeadm方法，使用TensorFlow搭建K8s集群；2)對圖片識別模型進行遷移學習訓練，得到訓練后的圖片識別模型；3)通過K8s集群對詩詞生成模型進行分布式訓練，獲得訓練后的詩詞生成模型；4)采用訓練后的圖片識別模型識別用戶的上傳圖片；5)通過連接程序連接所述訓練后的圖片識別模型和訓練后的詩詞生成模型；6)采用所述訓練后的詩詞生成模型生成一首完整詩詞；7)通過所述詩詞輸出端向用戶展示所述上傳圖片和所述完整詩詞。本發明生成的詩詞符合圖片內容，而且采用多標簽的古風類別關鍵字更加符合古詩風格。

技術領域

本發明屬于深度學習和容器云平臺領域，具體涉及一種基于K8s集群建立的依圖寫詩系統的控制方法。

背景技術

現有的寫詩系統涵蓋領域并不完整，體驗方式欠佳，同時深度學習模型的訓練非常耗時耗資源，存在很多可以改進擴展的地方。例如，“編詩姬”能夠根據給定的少于四個字的主題詞寫出古詩或者藏頭詩，“九歌”能夠根據輸入的一個關鍵詞寫出一首七言絕句，兩個系統都是可以寫古詩但是以文字輸入的形式不符合現代用戶的使用習慣；“微軟小冰”能夠根據用戶上傳的圖片寫出簡短的現代詩，但是不能寫出古詩詞。

發明內容

針對上述存在的技術問題，本發明提供一種基于K8s集群建立的依圖寫詩系統的控制方法，包括以下步驟：

步驟1，采用Kubeadm方法，使用TensorFlow搭建Kubernetes集群，具體搭建方法為：

所述Kubernetes集群，簡稱K8s集群，搭建于N臺物理機上，選擇其中一臺物理機作為Master，其他N-1個物理機作為Node；所述物理機的系統程序采用Python2.7版本；

步驟2，對圖片識別模型進行遷移學習訓練，得到訓練后的圖片識別模型；所述圖片識別模型為google開源的inception_v3圖片識別模型，用于得出任意圖片的每一個多標簽所對應的概率值；

步驟3，通過Kubernetes集群對詩詞生成模型進行分布式訓練，獲得訓練后的詩詞生成模型；所述詩詞生成模型為encoder-decoder詩詞生成模型，用于根據所述概率值，生成與所述任意圖片相適應的詩詞；

步驟4，采用訓練后的圖片識別模型識別用戶的上傳圖片；

步驟4.1，用戶通過圖片輸入端將上傳圖片發送至所述訓練后的圖片識別模型；

步驟4.2，所述訓練后的圖片識別模型根據所述上傳圖片，得出上傳圖片的每一個多標簽所對應的概率值；

步驟5，通過連接程序連接所述訓練后的圖片識別模型和訓練后的詩詞生成模型；所述連接程序的連接過程，包括以下步驟：

步驟5.1，設置所述訓練后的圖片識別模型的閾值；

所述閾值用于限定所述概率值；所述多標簽對應的概率值大于所述閾值時，則保留，反之則不保留，得到由保留下來的多標簽形成的多標簽集合；

步驟5.2，根據步驟4.2中得到的所述訓練后的圖片識別模型得到的各所述多標簽的概率值，對每個所述多標簽對應的各子單標簽賦予相同的概率值，對各多標簽中相同的單標簽進行整合，即將相同的子單標簽的概率值進行疊加，得出各子單標簽的最終概率值并從大到小排序的；

步驟5.3，去除所述最終概率值小于所述閾值的類別，得到的子單標簽集合，其中子單標簽的類別數量為m；

步驟5.4，得到的子單標簽的類別數量m若大于等于4，則按照最終概率值從大到小的排序順序保留前4個類別，作為類別列表p，轉到步驟5.7；否則轉到步驟5.5；