[發(fā)明專利]Tensorflow模型的更新方法與系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110200935.4
• 申請日: 2021-02-23
• 公開（公告）號: CN112905204A
• 公開（公告）日: 2021-06-04
• 發(fā)明（設計）人: 唐震;張攀;裴國娟;王佔晉
• 申請（專利權(quán)）人: 杭州推啊網(wǎng)絡科技有限公司
• 主分類號: G06F8/65
• 分類號: G06F8/65;G06F8/71
• 代理公司: 杭州裕陽聯(lián)合專利代理有限公司 33289
• 代理人: 田金霞

1.一種Tensorflow模型的更新方法，其特征在于，所述方法包括：

監(jiān)控活動投放請求的進入，當接收到活動投放請求時，從業(yè)務服務器的Guava緩存區(qū)中讀取Guava緩存區(qū)與TF模型的映射關系，得到與Guava緩存區(qū)對應的TF模型的模型信息；

依據(jù)所述與Guava緩存區(qū)對應的TF模型的模型信息，判斷所述與Guava緩存區(qū)對應的TF模型是否已過期；

若所述與Guava緩存區(qū)對應的TF模型已過期，則維持所述與Guava緩存區(qū)對應的TF模型的使用狀態(tài)，并將活動數(shù)據(jù)推送至所述與Guava緩存區(qū)對應的TF模型，同時異步的更新TF模型，以獲取新版本的TF模型；在異步的更新TF模型的過程中，當獲取到新版本的TF模型時，還對新版本的TF模型進行預熱處理。

2.根據(jù)權(quán)利要求1所述的Tensorflow模型的更新方法，其特征在于，所述異步的更新TF模型，以獲取新版本的TF模型，包括：

從所述業(yè)務服務器的隊列中獲取位于隊列頭部的TF模型的模型信息，刪除原有的Guava緩存區(qū)與TF模型的映射關系，并建立Guava緩存區(qū)與位于隊列頭部的TF模型的映射關系；

從NAS服務器中獲取一個更新時間與當前系統(tǒng)時間最接近的TF模型，作為最新TF模型；

比對最新TF模型的版本號和已過期的TF模型的版本號，判斷TF模型的版本號是否需要更新；

若TF模型的版本號需要更新，則將最新TF模型作為新版本的TF模型，對新版本的TF模型進行預熱處理；

若TF模型的版本號不需要更新，則終止后續(xù)步驟，返回初始監(jiān)控活動投放請求的進入的步驟。

3.根據(jù)權(quán)利要求2所述的Tensorflow模型的更新方法，其特征在于，在所述隊列中，越靠近隊列尾部的TF模型，進入所述隊列的時間越早，越靠近隊列頭部的TF模型，進入所述隊列的時間越晚。

4.根據(jù)權(quán)利要求3所述的Tensorflow模型的更新方法，其特征在于，在所述對新版本的TF模型進行預熱處理之后，所述方法還包括：

判斷所述新版本的TF模型是否已預熱完畢；

若所述新版本的TF模型已預熱完畢，則從所述隊列中刪除位于隊列尾部的TF模型，將預熱后的TF模型插入隊列頭部，返回所述監(jiān)控活動投放請求的進入的步驟。

5.根據(jù)權(quán)利要求4所述的Tensorflow模型的更新方法，其特征在于，所述依據(jù)所述與Guava緩存區(qū)對應的TF模型的模型信息，判斷與Guava緩存區(qū)對應的TF模型是否已過期，包括：

獲取Guava緩存區(qū)內(nèi)存放的定時器；

判斷所述定時器記錄的時間是否超過預設時間閾值；

若所述定時器記錄的時間超過所述預設時間閾值，則確定與Guava緩存區(qū)對應的TF模型已過期。

6.根據(jù)權(quán)利要求5所述的Tensorflow模型的更新方法，其特征在于，在所述判斷所述與Guava緩存區(qū)對應的TF模型是否已過期之后，所述方法還包括：

若與Guava緩存區(qū)對應的TF模型未過期，則維持所述與Guava緩存區(qū)對應的TF模型的使用狀態(tài)，并將活動數(shù)據(jù)推送至所述與Guava緩存區(qū)對應的TF模型；

返回所述監(jiān)控活動投放請求的進入的步驟。

7.根據(jù)權(quán)利要求6所述的Tensorflow模型的更新方法，其特征在于，所述若所述新版本的TF模型已預熱完畢，則從所述隊列中刪除位于隊列尾部的TF模型，將預熱后的TF模型插入隊列頭部，包括：

若所述新版本的TF模型已預熱完畢，則判斷隊列中存放的TF模型總數(shù)是否等于隊列的TF模型存放上限量；

若隊列中存放的TF模型總數(shù)等于隊列的TF模型存放上限量，則隊列中刪除位于隊列尾部的TF模型；

將預熱后的TF模型插入隊列頭部。