[發明專利]依賴包信息的獲取方法、裝置、設備及計算機介質

在審

• 申請號: 202010934921.0
• 申請日: 2020-09-08
• 公開（公告）號: CN112084391A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 張晨
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06F16/951
• 分類號: G06F16/951;G06F16/9535;G06F9/455;G06F8/61;G06F8/71;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發明涉及人工智能技術領域，揭露了一種依賴包信息的獲取方法，包括：獲取深度學習平臺的系統信息，根據系統信息生成鏡像信息調用語句；通過執行鏡像信息調用語句，獲取深度學習平臺的鏡像中的依賴包信息；將依賴包信息以鍵值對形式保存至鍵值數據表；獲取深度學習平臺接收到的需求數據，利用特征提取網絡提取需求數據的需求特征，得到需求特征集；將需求特征集進行特征優選，得到優選特征；在鍵值數據表中查詢并獲取與優選特征對應的依賴包信息。本發明還提出一種依賴包信息的獲取裝置、設備以及一種介質。此外，本發明還涉及區塊鏈技術，鍵值數據表可存儲于區塊鏈節點中。本發明可以提高獲取鏡像中依賴包的信息的效率和精確率。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種依賴包信息的獲取方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

人工智能模型的開發人員在使用深度學習平臺提交人工智能模型的訓練任務時，需要判斷提交至深度學習平臺的訓練任務是否能夠執行，通常，當訓練任務所需的依賴包存在于深度學習平臺的鏡像中時，訓練任務可以執行，當訓練任務所需的依賴包不存在于深度學習平臺的鏡像中時，訓練任務無法執行。

現有技術中，為了判斷提交至深度學習平臺的訓練任務是否能夠執行，方式一是由開發人員直接提交訓練任務至深度學習平臺，如訓練任務中斷，則根據深度學習平臺產生的日志，獲取缺失的依賴包，這種方式降低了模型訓練的效率。方式二是由開發人員直接查看深度學習平臺提供的鏡像清單，如在鏡像清單中能找到需要的依賴包，則可以執行訓練任務。但這種方式由于深度學習平臺提供的鏡像清單無法實時更新，導致鏡像清單中的依賴包信息不準確。因此，如何快速且精確地獲取鏡像中安裝的依賴包的信息，以便根據依賴包的信息，成為一個亟待解決的問題。

發明內容

本發明提供一種依賴包信息的獲取方法、裝置、電子設備及計算機可讀存儲介質，其主要目的在于提高獲取鏡像中依賴包的信息的效率和精確率。

為實現上述目的，本發明提供的一種依賴包信息的獲取方法，包括：

獲取深度學習平臺的系統信息，根據所述系統信息生成鏡像信息調用語句；

通過執行所述鏡像信息調用語句，獲取所述深度學習平臺的鏡像中存在的多個依賴包的依賴包信息；

將所述依賴包信息以鍵值對形式保存至鍵值數據表；

獲取所述深度學習平臺接收到的需求數據，利用特征提取網絡提取所述需求數據的需求特征，得到需求特征集；

將所述需求特征集進行特征優選，得到優選特征；

在所述鍵值數據表中查詢并獲取與所述優選特征對應的依賴包信息。

可選地，所述利用特征提取網絡提取所述需求數據的需求特征，得到需求特征集，包括：

利用所述特征提取網絡中的網絡層次描述所述需求數據的數據分布；

利用機器學習算法對所述數據分布進行特征提取，得到所述需求特征集。

可選地，所述機器學習算法為：

其中，h為所述需求特征，Y為所述需求數據的數據分布，w為所述特征提取網絡的權值矩陣，b為所述特征提取網絡的偏置向量。

可選地，所述系統信息包括所述深度平臺中用于存儲鏡像的Docker容器的啟動參數，所述根據所述系統信息生成鏡像信息調用語句，包括：

利用編譯器將所述啟動參數編譯為鏡像信息調用語句。

可選地，所述將所述依賴包信息以鍵值對形式保存至鍵值數據表，包括：

獲取所述依賴包信息中的依賴包名稱和依賴包版本號；