[發明專利]一種模型處理方法、裝置、電子設備和存儲介質

在審

• 申請號: 202110275915.3
• 申請日: 2021-03-15
• 公開（公告）號: CN113065843A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 晏賽;駱穎民;趙麗麗;楊蕾;劉才良;陳保賀;王玢;張肇勇;文書凡
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06Q10/10
• 分類號: G06Q10/10;G06K9/62;G06N20/00
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;賈允

本申請公開了一種模型處理方法、裝置、電子設備和存儲介質，所述方法包括：接收業務模型的模型處理配置指令，將模型處理配置指令中的內容配置到預設的工作流流程信息中，生成業務模型對應的目標工作流運行實例，目標工作流運行實例包括模型訓練實例和模型測試實例。運行模型訓練實例，以訓練目標機器學習模型，得到目標訓練模型。運行模型測試實例，以測試目標訓練模型，得到測試結果。在測試結果與模型預期參數相匹配的情況下，將目標訓練模型作為業務模型。該方法可以自動完成模型訓練、測試等的流程，提高了模型處理的效率，簡化了模型處理的操作，從而節省了人工成本和運維成本。

技術領域

本申請涉及機器學習技術領域，尤其涉及一種模型處理方法、裝置、電子設備和存儲介質。

背景技術

機器學習平臺作為模型處理工具，可以快速定位到合適的機器學習算法，為機器學習算法分配相應的資源，即可基于該機器學習算法進行模型訓練。

現有技術中，機器學習平臺通常是面向算法工程師的，導致機器學習平臺的使用門檻較高，非算法工程師難以進行模型訓練，提高了模型處理的操作難度，從而降低了模型處理的效率。

發明內容

本申請提供了一種模型處理方法、裝置、電子設備和存儲介質，得到提高了模型處理的效率，簡化了模型處理操作的技術效果。

一方面，本申請提供了一種模型處理方法，所述方法包括：

接收目標業務的模型處理配置指令，所述模型處理配置指令包括所述目標業務對應的目標機器學習模型的模型關聯特征信息，以及所述目標機器學習模型在所述目標業務下的數據集路徑信息、訓練輪次和模型預期參數；

將所述模型關聯特征信息、所述數據集路徑信息和所述訓練輪次配置到預設的工作流流程信息中，生成所述目標業務對應的目標工作流運行實例，所述目標工作流運行實例包括模型訓練實例和模型測試實例；

通過運行所述模型訓練實例訓練所述目標機器學習模型，得到目標訓練模型；

通過運行所述模型測試實例測試所述目標訓練模型，得到測試結果；

在所述測試結果與所述模型預期參數相匹配的情況下，將所述目標訓練模型作為業務模型，所述業務模型用于執行所述目標業務。

另一方面提供了一種模型處理裝置，

所述裝置包括：配置信息獲取模塊、工作流運行實例生成模塊、模型訓練模塊、模型測試模塊和業務模型確定模塊；

所述配置信息獲取模塊用于接收目標業務的模型處理配置指令，所述模型處理配置指令包括所述目標業務對應的目標機器學習模型的模型關聯特征信息，以及所述目標機器學習模型在所述目標業務下的數據集路徑信息、訓練輪次和模型預期參數；

所述工作流運行實例生成模塊用于將所述模型關聯特征信息、所述數據集路徑信息和所述訓練輪次配置到預設的工作流流程信息中，生成所述目標業務對應的目標工作流運行實例，所述目標工作流運行實例包括模型訓練實例和模型測試實例；

所述模型訓練模塊用于通過運行所述模型訓練實例訓練所述目標機器學習模型，得到目標訓練模型；

所述模型測試模塊用于通過運行所述模型測試實例測試所述目標訓練模型，得到測試結果；

所述業務模型確定模塊用于在所述測試結果與所述模型預期參數相匹配的情況下，將所述目標訓練模型作為業務模型，所述業務模型用于執行所述目標業務。

另一方面提供了一種電子設備，所述電子設備包括處理器和存儲器，所述存儲器中存儲有至少一條指令或至少一段程序，所述至少一條指令或所述至少一段程序由所述處理器加載并執行以實現如上述所述的一種模型處理方法。