[發明專利]AI模型組合快速輕量級驗證的方法、裝置及存儲介質

有效

• 申請號: 202210373481.5
• 申請日: 2022-04-11
• 公開（公告）號: CN114444338B
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 北京瑞萊智慧科技有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F8/35
• 代理公司: 深圳市精英創新知識產權代理有限公司 44740
• 代理人: 李翔宇

本申請實施例涉及人工智能領域，并提供一種AI模型組合快速輕量級驗證的方法、裝置及存儲介質，方法包括：獲取從模型容器中所選定AI算法模型名稱組成的AI算法模型名稱集，及其中各AI算法模型名稱分別對應的排列序號；獲取各AI算法模型名稱分別對應的AI模型；將各AI模型根據對應的排列序號填充至預先創建的畫布容器中，得到初始組合模型數據；若確定初始組合模型通過模型組合驗證，則根據初始組合模型數據確定目標AI模型組；獲取待輸入數據，將待輸入數據輸入至目標AI模型組得到輸出結果。本方案能夠在模型容器中快速選取AI模型并在畫布容器中組合，無需編寫AI模型的代碼，降低了得到組合AI模型的難度，且模型組合效率得到了提升。

技術領域

本申請實施例涉及人工智能技術領域，尤其涉及一種AI模型組合快速輕量級驗證的方法、裝置及存儲介質。

背景技術

目前在CN201811090135.6這一專利中，公開了一種模型組合的方法及裝置。其是根據現存問題的問題性質，將所述現存問題拆分為多個子問題；從模型數據庫中獲得與所述多個子問題中的每個子問題分別對應的AI模型；將多個所述AI模型進行組合，獲得組合后的模型組。其是根據問題性質來對現存問題進行拆分，然后從模型數據庫中獲得AI模型，然后對AI模型進行組合，獲得組合后的模型組。

但是，現有技術中將AI模型進行組合的出發點在于根據問題性質來對現存問題進行拆分，而且組合AI模型時，需要事先編寫好各AI模型對應的代碼，然后最終組合得到組合后的模型組。由于編寫AI模型對應的代碼對人員專業水平要求較高，而且編寫費時較長，這就導致了現有的AI組合難度較大，且組合效率低下。由此可見，目前的AI模型組合方式中均無法同時保證模型組合效率和模型組合難易度。

發明內容

本申請實施例提供了一種AI模型組合快速輕量級驗證的方法、裝置及存儲介質，能夠提高AI模型組合快速輕量級驗證的效率和安全性。

第一方面中，本申請實施例提供一種AI模型組合快速輕量級驗證的方法，所述方法包括：

獲取從模型容器中所選定AI算法模型名稱組成的AI算法模型名稱集，以及所述AI算法模型名稱集中各AI算法模型名稱分別對應的排列序號；

獲取所述AI算法模型名稱集中各AI算法模型名稱分別對應的AI模型；

將各AI模型根據對應的排列序號填充至預先創建的畫布容器中，得到初始組合模型數據；

若確定所述初始組合模型通過模型組合驗證，則根據所述初始組合模型數據確定目標AI模型組；

獲取待輸入數據，將所述待輸入數據輸入至所述目標AI模型組得到輸出結果；其中，所述待輸入數據為圖像數據或文本數據。

一種可能的設計中，所述獲取從模型容器中所選定AI算法模型名稱組成的AI算法模型名稱集，以及所述AI算法模型名稱集中各AI算法模型名稱分別對應的排列序號之前，所述方法還包括：

獲取模型驗證場景類型；

若確定所述模型驗證場景類型為圖像模型驗證場景類型，則獲取與所述圖像模型驗證場景類型對應的模型容器；

若確定所述模型驗證場景類型為文本模型驗證場景類型，則獲取與所述文本模型驗證場景類型對應的模型容器。

一種可能的設計中，所述獲取從模型容器中所選定AI算法模型名稱組成的AI算法模型名稱集，以及所述AI算法模型名稱集中各AI算法模型名稱分別對應的排列序號之前，所述方法還包括：

獲取用戶類型；

若確定所述用戶類型為技術用戶類型，則獲取與所述技術用戶類型對應的模型容器；

若確定所述用戶類型為非技術用戶類型，則獲取與所述非技術用戶類型對應的模型容器。