[發明專利]人工智能模型共享方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202211613866.0
• 申請日: 2022-12-15
• 公開（公告）號: CN115936145A
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 覃國森;伍志君;蔡濤濤;胡冰濤;謝春梅
• 申請（專利權）人: 深圳市深傳科技集團有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 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

本發明實施例公開了一種人工智能模型共享方法、裝置、計算機設備及存儲介質，方法包括：采用單一終端進行人工智能模型訓練；統一存儲訓練完成的人工智能模型；對存儲的人工智能模型進行歸類；根據需求將相應的人工智能模型下發至目標設備。本發明能夠極大的提升了開發效率，更好的分別針對場景和模型進行管理，實現模型共享的效果。

技術領域

本發明涉及數據處理技術領域，更具體地說是人工智能模型共享方法、裝置、計算機設備及存儲介質。

背景技術

傳統的機器學習訓練方式，都是讓所有跟交換機相連接的前端機器自行學習，不斷訓練自己的模型，并且把模型保留在本地，不進行模型的分發，即自己學會自己用，不分享。這種方式的缺點是：多臺機器同時訓練增大了電量的消耗以及增大了服務器的壓力，效率低下，與此同時，對模型缺乏管理，導致算法及運營人員對模型的功能定義不明確，導致算法人員在優化模型時需要花費時間去選擇判斷哪個模型是自己需要優化的，運營人員也可能因為模型功能定義不明確，導致模型下發時選擇錯誤，耽誤業務正常運作，整體缺乏一個統一模型管理以及數據下發的規范，大大降低了數據處理以及輸出的效率。

發明內容

本發明的目的在于克服現有技術的不足，提供人工智能模型共享方法、裝置、計算機設備及存儲介質。

為實現上述目的，本發明采用以下技術方案：

第一方面，人工智能模型共享方法，包括：

采用單一終端進行人工智能模型訓練；

統一存儲訓練完成的人工智能模型；

對存儲的人工智能模型進行歸類；

根據需求將相應的人工智能模型下發至目標設備。

其進一步技術方案為：所述對存儲的人工智能模型進行歸類，包括：

設定人工智能模型的應用場景；

按照應用場景的功能對人工智能模型進行分類；

將分類后的人工智能模型與對應的應用場景進行綁定。

其進一步技術方案為：所述根據需求將相應的人工智能模型下發至目標設備，包括：

監測人工智能模型下發狀態；

將下發成功的人工智能模型與對應的目標設備進行綁定和任務關聯；

為每一次綁定和任務關聯創建版本管理號。

其進一步技術方案為：所述采用單一終端進行人工智能模型訓練，包括：

設置訓練節點；

對訓練節點識別到的訓練目標對象進行格式轉換；

將格式轉換的訓練目標對象輸入到訓練模型中進行機器識別學習，以得到識別結果；

對識別結果中正確的結果進行反復機器學習，直至達到設定的訓練程度；

將達到設定的訓練程度時所輸出的訓練模型作為最終輸出的人工智能模型。

第二方面，人工智能模型共享裝置，包括訓練單元、存儲單元、歸類單元以及下發單元；

所述訓練單元，用于采用單一終端進行人工智能模型訓練；

所述存儲單元，用于統一存儲訓練完成的人工智能模型；

所述歸類單元，用于對存儲的人工智能模型進行歸類；

所述下發單元，用于根據需求將相應的人工智能模型下發至目標設備。

其進一步技術方案為：所述歸類單元包括設定模塊、分類模塊以及第一綁定模塊；