模型训练方法及装置、构建容器镜像的方法及装置制造方法及图纸

本申请涉及云计算技术领域，尤其涉及一种模型训练方法及装置、构建容器镜像的方法及装置，用以根据训练的镜像构建模型为用户提供容器镜像构建服务，适用性较强，且大大减少人工参与成分，自动化程度高，成本低。上述模型训练方法包括：获取容器镜像样本的脚本文件；从获取的所述容器镜像样本的脚本文件中，提取所述容器镜像样本的标签信息；将提取的所述标签信息作为镜像构建模型的输入特征，将获取的容器镜像样本的脚本文件作为所述镜像构建模型的输出结果，训练得到所述镜像构建模型，用于为用户构建容器镜像。

Model training method and device, method and device for constructing container image

The application relates to the field of cloud computing technology, in particular to a model training method and device, a method and device for constructing a container image, which is used to provide a container image construction service for users according to the training mirror construction model. The application has strong applicability and greatly reduces the manual participation components, high degree of automation and low cost. The model training method includes: acquiring the script file of the container mirror sample; extracting the label information of the container mirror sample from the script file of the container mirror sample obtained; taking the label information extracted as the input feature of the mirror construction model, and the script file of the obtained container mirror sample. As an output of the mirror building model, the mirror building model is trained to construct a container image for the user.

【技术实现步骤摘要】
模型训练方法及装置、构建容器镜像的方法及装置
本申请涉及云计算
，具体而言，涉及一种模型训练方法及装置、构建容器镜像的方法及装置。
技术介绍
随着云计算技术的不断发展，基础设施平台已经日趋成熟。特别是容器技术及其相关生态圈的兴起以及各大互联网厂商对Docker开源技术的投入，容器即服务(Container-as-a-Service，CaaS)的市场大门已经正式被开启。容器实质上是轻量级、可配置的操作系统及其硬件的虚拟版本，能够较好的帮助用户快速上线应用，降低运维、管理的门槛。容器是基于容器镜像创建的，即容器的运行依赖于容器镜像的脚本文件。相关技术中多采用人工编写的方式得到相应的容器镜像的脚本文件，在编写容器镜像的脚本文件时，往往需要一定的背景知识以及实践经验，对初学者来说存在着较高的门槛，适用性较差，且需要人工参与，人工成本较高。
技术实现思路
有鉴于此，本申请的目的在于提供一种模型训练方法及装置、构建容器镜像的方法及装置，用以在提高容器镜像构建的适用性的同时，降低人工成本。第一方面，提供一种模型训练方法，该方法包括：获取容器镜像样本的脚本文件；从获取的所述容器镜像样本的脚本文件中，提取所述容器镜像样本的标签信息；将提取的所述标签信息作为镜像构建模型的输入特征，将获取的容器镜像样本的脚本文件作为所述镜像构建模型的输出结果，训练得到所述镜像构建模型，用于为用户构建容器镜像。第二方面，提供一种基于第一方面训练出的镜像构建模型构建容器镜像的方法，该方法包括：接收用户输入的待构建容器镜像的标签信息；将接收的标签信息输入训练好的所述镜像构建模型中，生成所述待构建容器镜像的脚本文件。第三方面，提供一种模型训练装置，该装置包括：获取模块，用于获取容器镜像样本的脚本文件；提取模块，用于从获取的所述容器镜像样本的脚本文件中，提取所述容器镜像样本的标签信息；训练模块，用于将提取的所述标签信息作为镜像构建模型的输入特征，将获取的容器镜像样本的脚本文件作为所述镜像构建模型的输出结果，训练得到所述镜像构建模型，用于为用户构建容器镜像。第四方面，提供一种基于第三方面训练出的镜像构建模型构建容器镜像的装置，该装置包括：接收模块，用于接收用户输入的待构建容器镜像的标签信息；生成模块，用于将接收的标签信息输入训练好的所述镜像构建模型中，生成所述待构建容器镜像的脚本文件。本申请实施例中，将容器镜像样本的标签信息和脚本文件分别作为镜像构建模型的输入特征和输出结果，进行镜像构建模型的训练，之后，可以基于训练得到的镜像构建模型，自动为用户构建容器镜像的脚本文件。也即，本申请实施例通过训练出镜像构建模型来帮助用户自动进行容器镜像脚本文件的构建，避免了人工编写方式所带来的适用性较差的问题，对初学者来说也比较容易实现，适用性较强，且大大减少人工参与成分，自动化程度高，成本低。为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1示出了本申请实施例所提供的一种模型训练的方法流程图；图2示出了本申请实施例所提供的一种构建容器镜像的方法流程图；图3示出了本申请实施例所提供的一种修改文本内容的具体方法流程图；图4示出了本申请实施例所提供的一种预测模型训练的方法流程图；图5示出了本申请实施例所提供的一种镜像智能构建的界面示意图；图6示出了本申请实施例所提供的一种修改脚本文件的界面示意图；图7示出了本申请实施例所提供的一种模型训练装置示意图；图8示出了本申请实施例所提供的另一种模型训练装置示意图；图9示出了本申请实施例所提供的一种构建容器镜像的装置示意图；图10示出了本申请实施例所提供的另一种构建容器镜像的装置示意图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。考虑到相关技术中采用人工编写的方式得到相应的容器镜像的脚本文件，在编写容器镜像的脚本文件时，往往需要一定的背景知识以及实践经验，对初学者来说存在着较高的门槛，适用性较差，本申请一种实施例中提出了一种模型训练方法，以便基于训练得到的镜像构建模型，自动化地为用户构建容器镜像的脚本文件，详见下述实施例。参见图1，为本申请实施例提供的模型训练方法的流程图，应用于计算机设备，上述模型训练方法包括如下步骤：S101、获取容器镜像样本的脚本文件。这里，容器镜像样本的脚本文件是已经配置好的、可以自动构建容器镜像的文件，该文件可以是包括应用进程运行所需要的可执行文件、依赖软件、库文件、配置文件等。另外，为了更好的实现模型训练，本申请实施例可以通过数据接口或者网络爬虫的方式从网络上获取海量的脚本文件。从数据接口层面来讲，上述脚本文件可以是从互联网网站精确开放的数据接口进行获取；从网络爬虫层面来讲，可以采用网络爬虫技术，如python(一种面向对象的解释型计算机程序设计语言)实现爬虫的功能，把想要获取的源代码中的脚本文件爬取到本地的计算机设备。S102、从获取的容器镜像样本的脚本文件中，提取容器镜像样本的标签信息。这里，标签信息指的是用于标识容器镜像样本主体功能的信息，可以包括但不限于软件名称、提供服务的端口号等。举例说明，当容器镜像样本的标签信息包括软件名称：tomcat时，可以推断出该容器镜像样本是一个网络(Web)应用服务器的容器镜像；当容器镜像样本的标签信息包括软件名称：WordPress时，可以推断出该容器镜像样本是博客应用的容器镜像。另外，越详尽的标签信息越能够更好的描述容器镜像样本的主体功能，然而，标签信息越多也就意味着后续模型训练过程的计算量越大，为了同时兼顾计算效率和训练能力，本申请实施例中选用软件名称和端口号等信息作为标签信息。S103、将提取的标签信息作为镜像构建模型的输入特征，将获取的容器镜像样本的脚本文件作为镜像构建模型的输出结果，训练得到镜像构建模型，用于为用户构建容器镜像。这里，在镜像构建模型训练阶段，以S101中获取的容器镜像样本的脚本文件的标签信息作为待训练的镜像构建模型的输入特征，以该脚本文件作为输出结果，训练得到镜像构建模型的参数信息、语法信息等，也即得到训练好的镜像构建模型。本申请实施例可以采用神经网络模型作为镜像构建模型，模型训练阶段也就是训练神经网络模型中一些未知的参数信息、语法信息等的过程。之后，就可以基于该镜像构建模型为用户提供服务了，此时只需要将用户提供的待构建容器镜像的标签信息输入到训练好的镜本文档来自技高网...

【技术保护点】
1.一种模型训练方法，其特征在于，该方法包括：获取容器镜像样本的脚本文件；从获取的所述容器镜像样本的脚本文件中，提取所述容器镜像样本的标签信息；将提取的所述标签信息作为镜像构建模型的输入特征，将获取的容器镜像样本的脚本文件作为所述镜像构建模型的输出结果，训练得到所述镜像构建模型，用于为用户构建容器镜像。

【技术特征摘要】
1.一种模型训练方法，其特征在于，该方法包括：获取容器镜像样本的脚本文件；从获取的所述容器镜像样本的脚本文件中，提取所述容器镜像样本的标签信息；将提取的所述标签信息作为镜像构建模型的输入特征，将获取的容器镜像样本的脚本文件作为所述镜像构建模型的输出结果，训练得到所述镜像构建模型，用于为用户构建容器镜像。2.一种基于权利要求1训练出的镜像构建模型构建容器镜像的方法，其特征在于，该方法包括：接收用户输入的待构建容器镜像的标签信息；将接收的标签信息输入训练好的所述镜像构建模型中，生成所述待构建容器镜像的脚本文件。3.根据权利要求2所述的方法，其特征在于，生成所述待构建容器镜像的脚本文件之后，还包括：当确定用户需要对生成的所述脚本文件中的目标文本内容进行修改时，向用户提供基于预先训练好的预测模型得到的、与所述目标文本内容对应的多个备选内容；将用户从所述多个备选内容中选择好的备选内容作为与所述目标文本内容对应的修改后的文本内容。4.如权利要求3所述的方法，其特征在于，所述当确定用户需要对生成的所述脚本文件中的目标文本内容进行修改时，向用户提供基于预先训练好的预测模型得到的、与所述目标文本内容对应的多个备选内容，包括：当确定用户需要对生成的所述脚本文件中的目标文本内容进行修改时，将生成的所述脚本文件中除所述目标文本内容之外的文本内容输入预先训练好的预测模型中，得到与所述目标文本内容对应的多个备选内容，并将得到的多个备选内容提供给用户。5.如权利要求3所述的方法，其特征在于，在生成所述待构建容器镜像的脚本文件之后，确定用户需要对生成的所述脚本文件中的目标文本内容进行修改之前，还包括：针对生成的所述脚本文件中的每个文本内容，通过将除该文本内容之外的文本内容输入预先训练好的预测模型中，得到与该文本内容对应的多个备选内容；所述当确定用户需要对生成的所述脚本文件中的目标文本内容进行修改时，向用户提供基于预先训练好的预测模型得...

【专利技术属性】
技术研发人员：计光，
申请(专利权)人：新华三云计算技术有限公司，
类型：发明
国别省市：四川,51