[發(fā)明專利]模型部署方法、裝置、設備及存儲介質

在審

• 申請?zhí)枺?/td>: 202010734650.4
• 申請日: 2020-07-27
• 公開（公告）號: CN111861020A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設計）人: 龐俊濤
• 申請（專利權）人: 深圳壹賬通智能科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06N3/08;G06N20/00;H04L12/24
• 代理公司: 深圳市力道知識產(chǎn)權代理事務所(普通合伙) 44507
• 代理人: 何姣

本申請涉及數(shù)據(jù)展示，具體公開了一種模型部署方法、裝置、設備及存儲介質，所述方法包括：獲取待執(zhí)行的模型訓練操作指令；根據(jù)所述模型訓練操作指令，在預設的模型訓練頁面加載后臺服務資源，并在預設的模型訓練頁面根據(jù)所述后臺服務資源構建目標模型的拓撲關系；根據(jù)所述拓撲關系對所述目標模型進行建模，并對建模后的目標模型進行評估；當所述目標模型滿足預設的評估條件時，對所述目標模型進行在線部署。將模型訓練過程定義統(tǒng)一處理接口，將訓練過程后的數(shù)據(jù)轉換邏輯保存，部署更方便，從而保證預測的準確性。

技術領域

本申請涉及數(shù)據(jù)展示技術領域，尤其涉及一種模型部署方法、裝置、計算機設備及存儲介質。

背景技術

機器學習技術是近年來最熱門的技術之一，它已經(jīng)融入到企業(yè)的各項業(yè)務，數(shù)據(jù)科學家結合現(xiàn)有大量的數(shù)據(jù)訓練出相應模型，新的數(shù)據(jù)輸入到該模型得到預測結果，決策者根據(jù)結果為企業(yè)做出相關決策。

然而，該技術涉及的知識技能相對專業(yè)，各類開發(fā)語言和框架需要相關編碼技能，門檻高，本地開發(fā)的模型難維護，部署困難。

現(xiàn)有的大部分機器學習都建立在python基礎上，模型訓練時，python工程師往往是把數(shù)據(jù)拉取到本地電腦，打開python軟件進行讀取，然后編程，并一步步進行調試數(shù)據(jù)，再進行模型訓練。但是，由于每個python工程師的編碼習慣不統(tǒng)一，因此，這樣訓練出來的模型無法統(tǒng)一部署到生產(chǎn)環(huán)境中，另外訓練中的數(shù)據(jù)處理過程也無法提取出來進行部署，這就會導致訓練過程和模型預測過程不一致，模型后續(xù)升級維護也相對困難，開發(fā)人員在部署時很困難。

發(fā)明內(nèi)容

本申請?zhí)峁┝艘环N數(shù)據(jù)展示的一種模型部署方法、裝置、計算機設備及存儲介質，將模型訓練過程定義統(tǒng)一處理接口，將訓練過程后的數(shù)據(jù)轉換邏輯保存，部署更方便，從而保證預測的準確性。

第一方面，本申請?zhí)峁┝艘环N模型部署方法，所述方法包括：

獲取待執(zhí)行的模型訓練操作指令；

根據(jù)所述模型訓練操作指令，在預設的模型訓練頁面加載后臺服務資源，并在預設的模型訓練頁面根據(jù)所述后臺服務資源構建目標模型的拓撲關系；

根據(jù)所述拓撲關系對所述目標模型進行建模，并對建模后的目標模型進行評估；

當所述目標模型滿足預設的評估條件時，對所述目標模型進行在線部署。

第二方面，本申請還提供了一種模型部署裝置，所述裝置包括：

獲取模塊，用于獲取待執(zhí)行的模型訓練操作指令；

加載模塊，用于根據(jù)所述模型訓練操作指令，在預設的模型訓練頁面加載后臺服務資源，并在預設的模型訓練頁面根據(jù)所述后臺服務資源構建目標模型的拓撲關系；

建模模塊，用于根據(jù)所述拓撲關系對所述目標模型進行建模，并對建模后的目標模型進行評估；

部署模塊，用于當所述目標模型滿足預設的評估條件時，對所述目標模型進行在線部署。

第三方面，本申請還提供了一種計算機設備，所述計算機設備包括存儲器和處理器；所述存儲器用于存儲計算機程序；所述處理器，用于執(zhí)行所述計算機程序并在執(zhí)行所述計算機程序時實現(xiàn)如上述的模型部署方法。

第四方面，本申請還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執(zhí)行時使所述處理器實現(xiàn)如上述的模型部署方法。