基于flask框架的轻量级模型训练方法与装置与流程

本发明涉及深度学习的模型训练相关领域，具体为基于轻量级flask框架的模型训练方案，该方案极大程度上减小了非专业人员的知识储备要求。

背景技术：

1、深度学习训练任务普遍依赖专业技术人员以底层代码形式操作完成，该方式提高了模型训练的门槛，对于一些简单训练任务需求，通过将训练方案集成的形式可以普及于一些非专业人员进行操作。

2、目前常见的方法以软件的形式，该方法开发周期较长且麻烦，同时还需要兼顾硬件条件等。

技术实现思路

1、针对现有技术存在的不足，本发明提供了基于flask框架的轻量级模型训练方法，flask框架技术作为轻量级方法，本发明通过构建api服务便可以预先将所有支持的训练方案进行内置并充当服务端，等待客户端传递图片以及训练所需相关参数便可实现本地或远程的模型训练。该技术可以快速实现模型的训练任务且支持跨语言调用，同时对于设备硬件要求较低。

2、为实现上述目的，本发明提供如下技术方案:

3、基于flask框架的轻量级模型训练方法，包括以下步骤：

4、步骤s1：预处理阶段，在flask服务端定义相关配置信息；

5、步骤s2：选择访问模式，包括支持单接口及多接口访问两种方式；

6、步骤s3：执行阶段，由图像获取模块获取图像，获取后的图像经由图像预处理模块处理至模型训练所需的标准要求，flask服务端开启模型服务，并打印支持的训练方案信息，flask客户端通过api接口传递处理后的图像以及训练参数信息调用对应的模型训练方案并等待flask服务端的响应。

7、作为本发明进一步的方案，在步骤s1中，配置信息包括ip地址、端口号、api接口，默认模型训练参数。

8、作为本发明进一步的方案，在步骤s2中，单接口方式代表当前服务端内只进行单个模型的训练任务，多接口方式代表服务端内进行多个模型的训练任务。

9、作为本发明进一步的方案，单接口方式设置如下：

10、预先在flask服务端配置涉及的所有模型训练方案，并打印相关配置信息；

11、flask客户端则根据不同的api接口来调用对应的模型训练方案；当flask客户端成功调用服务端后，flask服务端内部将接收传递的训练参数并应用至内置的训练方案内并执行训练操作，在训练结束后保存模型以及日志文件至本地以及将相关信息响应给flask客户端。

12、作为本发明进一步的方案，多接口方式设置如下：

13、预先在flask服务端配置涉及的所有模型训练方案，并将配置信息打印至端口；

14、flask客户端根据不同的api接口调用多个对应的模型训练方案；若flask客户端成功调用服务端后，flask服务端内将根据接收的参数信息进行模型的训练操作，在训练结束后将保存模型以及日志文件至相关路径下，同时将返回训练结束相关提示参数给flask客户端。

15、本发明还提供了基于flask框架的轻量级模型训练装置，包括flask服务端、flask客户端、图像获取模块、图像预处理模块，所述图像获取模块用于获取图像，获取后的图像经由图像预处理模块处理至模型训练所需的标准要求，flask服务端开启模型服务，并打印支持的训练方案信息，flask客户端通过api接口传递处理后的图像以及训练参数信息调用对应的模型训练方案并等待flask服务端的响应。

16、本发明具有以下有益效果：

17、本发明通过构建api服务便可以预先将所有支持的训练方案进行内置并充当服务端，等待客户端传递图片以及训练所需相关参数便可实现本地或远程的模型训练。该技术可以快速实现模型的训练任务且支持跨语言调用，同时对于设备硬件要求较低。

18、本发明采用了基于flask框架的轻量级训练方式，可以通过预定义api接口的方式来实现模型的训练任务。通过不同api接口的方式支持客户端调用多种模型方案完成不同的任可扩展性强，开发者通过构建api接口的方式可以快速现有的模型训练方案。灵活性强，允许开发者根据需求进行自定义调整或定制训练方案。

19、为更清楚地阐述本发明的结构特征和功效，下面结合附图与具体实施例来对本发明进行详细说明。

技术特征：

1.基于flask框架的轻量级模型训练方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于flask框架的轻量级模型训练方法，其特征在于，在步骤s1中，配置信息包括ip地址、端口号、api接口，默认模型训练参数。

3.如权利要求2所述的基于flask框架的轻量级模型训练方法，其特征在于，在步骤s2中，单接口方式代表当前服务端内只进行单个模型的训练任务，多接口方式代表服务端内进行多个模型的训练任务。

4.如权利要求3所述的基于flask框架的轻量级模型训练方法，其特征在于，单接口方式设置如下：

5.如权利要求4所述的基于flask框架的轻量级模型训练方法，其特征在于，多接口方式设置如下：

6.基于flask框架的轻量级模型训练装置，其特征在于，包括flask服务端、flask客户端、图像获取模块、图像预处理模块，所述图像获取模块用于获取图像，获取后的图像经由图像预处理模块处理至模型训练所需的标准要求，flask服务端开启模型服务，并打印支持的训练方案信息，flask客户端通过api接口传递处理后的图像以及训练参数信息调用对应的模型训练方案并等待flask服务端的响应。

技术总结本发明公开了基于flask框架的轻量级模型训练方法，包括以下步骤：步骤S1：预处理阶段，在flask服务端定义相关配置信息；步骤S2：选择访问模式，包括支持单接口及多接口访问两种方式；步骤S3：执行阶段，由图像获取模块获取图像，获取后的图像经由图像预处理模块处理至模型训练所需的标准要求，flask服务端开启模型服务，并打印支持的训练方案信息，flask客户端通过API接口传递处理后的图像以及训练参数信息调用对应的模型训练方案并等待flask服务端的响应，该技术可以快速实现模型的训练任务且支持跨语言调用，同时对于设备硬件要求较低。技术研发人员：黄冠杰,陈红星受保护的技术使用者：上海帆声图像科技有限公司技术研发日：技术公布日：2024/9/2