[發明專利]基于kubernetes深度神經網絡模型的分布式分類方法

在審

• 申請號: 202110357657.3
• 申請日: 2021-04-01
• 公開（公告）號: CN113076998A
• 公開（公告）日: 2021-07-06
• 發明（設計）人: 袁正午;林才貴
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 趙榮之

1.一種基于kubernetes深度神經網絡模型的分布式分類方法，其特征在于，該方法包括以下步驟：

S1：模型訓練；

S11：獲取數據集；

S12：對數據集進行標注；

S13：將數據集進行標準化處理，然后分為訓練集和測試集；

S14：將標準化處理后的訓練集分別輸入n個不同的深度神經網絡模型進行訓練，得到模型f₁,f₂,f₃,...,f_n；

S15：輸入測試集獲取對應模型的準確率，分配權重W₁,W₂,W₃,...,W_n；

S2：模型部署；

在部署之前建立kubernetes集群，master管理多個worker的node，多個pod運行tensorflow serving，pod的部署根據具體的資源情況部署；所有的資源通過service建立連接；訓練好的n個深度神經網絡模型部署在tensorflow serving里面。

2.根據權利要求1所述的分布式分類方法，其特征在于，該方法還包括：實時數據測試，獲得最終結果，具體包括以下步驟：

S31：獲取實時數據；

S32：將獲取的實時數據進行標準化處理；

S33：將標準化處理過后的數據，通過訪問tensorflow serving api獲取不同的推理結果；

S34：采用加權投票算法，不同模型對實時數據推理得到的結果進行加權求和得到最終的結果。

3.根據權利要求1或2所述的分布式分類方法，其特征在于，所述標準化處理為：即數據的特征值x_i減去均值μ，再除以標準差σ，使數據服從標準正態分布。

4.根據權利要求1或2所述的分布式分類方法，其特征在于，步驟S15中，根據準確率的高低分配權重W₁,W₂,W₃,...,W_n。

5.根據權利要求1或2所述的分布式分類方法，其特征在于，所述深度神經網絡模型包括：Resnet，Inception，VGG或Densenet網絡模型。

6.根據權利要求1或2所述的分布式分類方法，其特征在于，步驟S2中，使用kubernetes作為容器編排系統，對tensorflow serving pod進行監督，擴容，以及分配資源。

7.根據權利要求2所述的分布式分類方法，其特征在于，步驟S34中，根據計算得到最大值對應的標簽值得到最大值對應的標簽值。