一种AI模型集成方法、平台、存储介质及电子设备与流程
- 国知局
- 2024-12-06 12:59:50
本申请涉及人工智能,尤其是涉及到一种ai模型集成方法、平台、存储介质及电子设备。
背景技术:
1、作为新一轮产业变革的革新驱动力,人工智能(ai,artificial intelligence)在赋能提升传统行业、催生新兴产业方面成效显著。随着开发的ai模型种类不断增多,当前缺乏一种对ai模型统一管理的有效手段。
技术实现思路
1、有鉴于此,本申请提供了一种ai模型集成方法、平台、存储介质及电子设备,主要目的在于能够对ai模型进行统一管理。
2、依据本申请的第一方面,提供了一种ai模型集成方法,应用于ai模型集成平台,所述ai模型集成平台采用微服务架构和云原生技术,该方法包括:
3、获取待执行的模型训练任务;
4、基于所述模型训练任务和预设训练模式预测模型,确定待训练模型对应的目标训练模式,并根据所述目标训练模式,对所述待训练模型进行训练,得到训练后模型;
5、根据所述训练后模型的实际应用条件和预设部署模式预测模型,确定所述训练后模型的目标部署方式,并按照所述目标部署方式,对所述训练后模型进行部署;
6、根据所述训练后模型的结构、指标和应用场景,对所述训练后模型进行分类,并根据分类结果,将所述训练后模型存储至相应区域;
7、响应于用户的模型推荐请求,根据所述用户的身份信息,确定所述用户对应的模型推荐因子,并基于所述模型推荐因子为所述用户推荐相应的模型。
8、依据本申请的第二方面,提供了一种ai模型集成平台,所述ai模型集成平台采用微服务架构和云原生技术,该平台包括:
9、模型训练模块,用于获取待执行的模型训练任务;基于所述模型训练任务和预设训练模式预测模型,确定待训练模型对应的目标训练模式,并根据所述目标训练模式,对所述待训练模型进行训练,得到训练后模型;
10、模型部署模块,用于根据所述训练后模型的实际应用条件和预设部署模式预测模型,确定所述训练后模型的目标部署方式,并按照所述目标部署方式,对所述训练后模型进行部署;
11、模型管理模块,用于根据所述训练后模型的结构、指标和应用场景,对所述训练后模型进行分类,并根据分类结果,将所述训练后模型存储至相应区域;响应于用户的模型推荐请求,根据所述用户的身份信息,确定所述用户对应的模型推荐因子,并基于所述模型推荐因子为所述用户推荐相应的模型。
12、依据本申请的第三方面,提供了一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述ai模型集成方法。
13、依据本申请的第四方面,提供了一种电子设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述ai模型集成方法。
14、借由上述技术方案,本申请提供的一种ai模型集成方法、平台、存储介质及电子设备,通过对训练后模型进行自动分类存储,并在用户请求推荐模型时,根据用户身份,为用户自动推荐相应的模型,能够实现ai模型的统一管理,此外,本申请通过预设训练模式预测模型和预设部署模式预测模型,对模型进行自动训练和部署,能够实现模型训练、部署和管理的一站式服务,从而能够节约模型开发的时间成本,提高模型开发效率。
15、上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
技术特征:1.一种ai模型集成方法,其特征在于,应用于ai模型集成平台,所述ai模型集成平台采用微服务架构和云原生技术,包括:
2.根据权利要求1所述的方法,其特征在于,基于所述模型训练任务和预设训练模式预测模型,确定待训练模型对应的目标训练模式,包括:
3.根据权利要求1所述的方法,其特征在于,根据所述训练后模型的结构、指标和应用场景,对所述训练后模型进行分类,包括:
4.根据权利要求1所述的方法,其特征在于,根据所述训练后模型的实际应用条件和预设部署模式预测模型,确定所述训练后模型的目标部署方式,包括:
5.根据权利要求1所述的方法,其特征在于,根据所述用户的身份信息,确定所述用户对应的模型推荐因子,并基于所述模型推荐因子为所述用户推荐相应的模型,包括:
6.根据权利要求1所述的方法,其特征在于,根据所述用户的身份信息,确定所述用户对应的模型推荐因子,并基于所述模型推荐因子为所述用户推荐相应的模型,包括:
7.根据权利要求6所述的方法,其特征在于,基于所述多个第二目标模型,为所述用户推荐相应的模型,包括:
8.一种ai模型集成平台,其特征在于,所述ai模型集成平台采用微服务架构和云原生技术,包括:
9.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
10.一种电子设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法。
技术总结本申请公开了一种AI模型集成方法、平台、存储介质及电子设备,涉及人工智能技术领域。其中方法包括:获取待执行的模型训练任务;基于模型训练任务和预设训练模式预测模型,确定待训练模型对应的目标训练模式,并根据目标训练模式,对待训练模型进行训练;根据训练后模型的实际应用条件和预设部署模式预测模型,确定训练后模型的目标部署方式,并按照目标部署方式,对训练后模型进行部署;根据训练后模型的结构、指标和应用场景,对训练后模型进行分类,并根据分类结果,将训练后模型存储至相应区域;响应于用户的模型推荐请求,根据用户的身份信息,确定用户对应的模型推荐因子,并为用户推荐相应的模型。本申请能够对对AI模型进行统一管理。技术研发人员:张宇,陈云鹏,陈昌浩,王建东,张玲玲,王青林,李柠汐,余雅滢受保护的技术使用者:三峡高科信息技术有限责任公司技术研发日:技术公布日:2024/12/2本文地址:https://www.jishuxx.com/zhuanli/20241204/343116.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。