[發明專利]機器學習(ML)基礎設施技術

在審

• 申請號: 202080072144.1
• 申請日: 2020-09-04
• 公開（公告）號: CN114586048A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: A·波萊里;S·A·洛佩茨;M·M·布羅恩;D·D·戈爾丁;A·伊奧尼德斯;M·D·R·米斯特;H·A·P·蒙特埃奧;O·G·謝維萊弗;L·C·D·S·R·鈴木;趙小雪;M·C·羅維
• 申請（專利權）人: 甲骨文國際公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06F16/332;G10L17/22;G06K9/62;G06N3/08
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 張鑫

1.一種用于自動創建為硬件平臺定制的機器學習應用以在生產環境中使用的方法，該方法包括：

接收第一輸入，其中第一輸入識別用于創建機器學習應用的數據的位置；

接收第二輸入，其中第二輸入識別問題以使用機器學習應用生成解決方案；

接收第三輸入，其中第三輸入識別機器學習應用在生成解決方案時的一個或多個要求，其中所述要求是多個度量；

確定來自庫的一個或多個組件以用于生成機器學習模型以使機器學習應用原型化以符合所述一個或多個要求，其中來自庫的所述一個或多個組件執行生產功能；

識別存儲在庫中的一個或多個應用編程接口，其中所述應用編程接口鏈接所述一個或多個組件以形成機器學習應用；

將機器學習應用存儲在存儲器中；

根據所述要求測試機器學習應用；以及

基于機器學習應用滿足所述要求，為硬件平臺編譯機器學習函數，以供在生產環境中使用。

2.如權利要求1所述的方法，其中確定所述一個或多個組件包括：

識別機器學習應用的結果的一個或多個特點；以及

至少部分地基于將所述一個或多個特點與所述一個或多個組件的元數據相關來識別所述一個或多個組件。

3.如權利要求1所述的方法，其中通過從庫中選擇組件來為每個基礎設施硬件層定制機器學習應用。

4.如權利要求1所述的方法，還包括使用機器學習從用于機器學習模型的多個流水線中進行選擇以匹配所述要求以自動加權和定制所選擇的流水線。

5.如權利要求1所述的方法，其中所述要求包括服務質量(QoS)度量、關鍵性能指標(KPI)、推理查詢度量、性能度量、情緒度量和測試度量中的至少一個。

6.如權利要求1所述的方法，其中所述要求包括訓練、功率、可維護性、模塊化和可重用性度量中的至少一個。

7.如權利要求1所述的方法，其中來自庫的組件包括應用編程接口、流水線、工作流、微服務、軟件模塊和基礎設施模塊中的至少一個。

8.如權利要求1所述的方法，其中生產功能包括負載平衡、故障轉移高速緩存、安全性、測試能力、審計功能、可擴展性、預測的性能、訓練模型、預測的功率、維護、調試功能和可重用性中的至少一個。

9.一種有形地實施在非暫態機器可讀存儲介質中的計算機程序產品，包括被配置為使數據處理裝置執行用于自動創建為硬件平臺定制的機器學習應用以在生產環境中使用的操作的指令，所述操作包括：

接收第一輸入，其中第一輸入識別用于創建機器學習應用的數據的位置；

接收第二輸入，其中第二輸入識別機器學習應用的結果；

接收第三輸入，其中第三輸入識別機器學習應用在生成所述結果時的一個或多個要求，其中所述要求是多個度量；

確定來自庫的一個或多個組件以用于生成機器學習模型以使機器學習應用原型化以符合所述一個或多個要求，其中來自庫的所述一個或多個組件執行生產功能；

識別存儲在庫中的一個或多個應用編程接口，其中所述應用編程接口鏈接所述一個或多個組件以形成機器學習應用；

將機器學習應用存儲在存儲器中；

根據所述要求測試機器學習應用；以及

基于機器學習應用滿足所述要求，為硬件平臺編譯機器學習函數，以供在生產環境中使用。

10.如權利要求9所述的計算機程序產品，其中確定所述一個或多個組件包括：

識別機器學習應用的結果的一個或多個特點；以及

至少部分地基于將所述一個或多個特點與所述一個或多個組件的元數據相關來識別所述一個或多個組件。

11.如權利要求9所述的計算機程序產品，其中通過從庫中選擇組件來為每個基礎設施硬件層定制機器學習應用。