基于K8s集群建立的依图写诗系统的控制方法技术方案

本发明专利技术属于深度学习和容器云平台领域，具体涉及一种基于K8s集群建立的依图写诗系统的控制方法，包括：1)采用Kubeadm方法，使用TensorFlow搭建K8s集群；2)对图片识别模型进行迁移学习训练，得到训练后的图片识别模型；3)通过K8s集群对诗词生成模型进行分布式训练，获得训练后的诗词生成模型；4)采用训练后的图片识别模型识别用户的上传图片；5)通过连接程序连接所述训练后的图片识别模型和训练后的诗词生成模型；6)采用所述训练后的诗词生成模型生成一首完整诗词；7)通过所述诗词输出端向用户展示所述上传图片和所述完整诗词。本发明专利技术生成的诗词符合图片内容，而且采用多标签的古风类别关键字更加符合古诗风格。

Control Method of Graphic Poetry Writing System Based on K8s Cluster

The invention belongs to the field of in-depth learning and container cloud platform, and specifically relates to a control method based on K8s cluster for image-based poetry writing system, including: 1) using Kubeadm method, using TensorFlow to build K8s cluster; 2) migrating and learning training the image recognition model to obtain the trained image recognition model; 3) passing K8s method; Clusters train the poem generation model in a distributed way to obtain the poem generation model after training; 4) recognize the uploaded pictures of users by using the trained image recognition model; 5) connect the trained image recognition model with the trained poem generation model through the linking program; 6) use the poem generation model after training. G generates a complete poem; 7) displays the uploaded picture and the complete poem to the user through the output terminal of the poem. The poems generated by the invention conform to the content of the picture, and the keywords of the multi-label ancient style category are more in line with the style of the ancient poems.

【技术实现步骤摘要】
基于K8s集群建立的依图写诗系统的控制方法
本专利技术属于深度学习和容器云平台领域，具体涉及一种基于K8s集群建立的依图写诗系统的控制方法。
技术介绍
现有的写诗系统涵盖领域并不完整，体验方式欠佳，同时深度学习模型的训练非常耗时耗资源，存在很多可以改进扩展的地方。例如，“编诗姬”能够根据给定的少于四个字的主题词写出古诗或者藏头诗，“九歌”能够根据输入的一个关键词写出一首七言绝句，两个系统都是可以写古诗但是以文字输入的形式不符合现代用户的使用习惯；“微软小冰”能够根据用户上传的图片写出简短的现代诗，但是不能写出古诗词。
技术实现思路
针对上述存在的技术问题，本专利技术提供一种基于K8s集群建立的依图写诗系统的控制方法，包括以下步骤：步骤1，采用Kubeadm方法，使用TensorFlow搭建Kubernetes集群，具体搭建方法为：所述Kubernetes集群，简称K8s集群，搭建于N台物理机上，选择其中一台物理机作为Master，其他N-1个物理机作为Node；所述物理机的系统程序采用Python2.7版本；步骤2，对图片识别模型进行迁移学习训练，得到训练后的图片识别模型；所述图片识别模本文档来自技高网...

【技术保护点】
1.一种基于K8s集群建立的依图写诗系统的控制方法，其特征在于，包括以下步骤：步骤1，采用Kubeadm方法，使用TensorFlow搭建Kubernetes集群，具体搭建方法为：所述Kubernetes集群，简称K8s集群，搭建于N台物理机上，选择其中一台物理机作为Master，其他N‑1个物理机作为Node；所述物理机的系统程序采用Python2.7版本；步骤2，对图片识别模型进行迁移学习训练，得到训练后的图片识别模型；所述图片识别模型为google开源的inception_v3图片识别模型，用于得出任意图片的每一个多标签所对应的概率值；步骤3，通过Kubernetes集群对诗词生成模型进...

【技术特征摘要】
1.一种基于K8s集群建立的依图写诗系统的控制方法，其特征在于，包括以下步骤：步骤1，采用Kubeadm方法，使用TensorFlow搭建Kubernetes集群，具体搭建方法为：所述Kubernetes集群，简称K8s集群，搭建于N台物理机上，选择其中一台物理机作为Master，其他N-1个物理机作为Node；所述物理机的系统程序采用Python2.7版本；步骤2，对图片识别模型进行迁移学习训练，得到训练后的图片识别模型；所述图片识别模型为google开源的inception_v3图片识别模型，用于得出任意图片的每一个多标签所对应的概率值；步骤3，通过Kubernetes集群对诗词生成模型进行分布式训练，获得训练后的诗词生成模型；所述诗词生成模型为encoder-decoder诗词生成模型，用于根据所述概率值，生成与所述任意图片相适应的诗词；步骤4，采用训练后的图片识别模型识别用户的上传图片；步骤4.1，用户通过图片输入端将上传图片发送至所述训练后的图片识别模型；步骤4.2，所述训练后的图片识别模型根据所述上传图片，得出上传图片的每一个多标签所对应的概率值；步骤5，通过连接程序连接所述训练后的图片识别模型和训练后的诗词生成模型；所述连接程序的连接过程，包括以下步骤：步骤5.1，设置所述训练后的图片识别模型的阈值；所述阈值用于限定所述概率值；所述多标签对应的概率值大于所述阈值时，则保留，反之则不保留，得到由保留下来的多标签形成的多标签集合；步骤5.2，根据步骤4.2中得到的所述训练后的图片识别模型得到的各所述多标签的概率值，对每个所述多标签对应的各子单标签赋予相同的概率值，对各多标签中相同的单标签进行整合，即将相同的子单标签的概率值进行叠加，得出各子单标签的最终概率值并从大到小排序的；步骤5.3，去除所述最终概率值小于所述阈值的类别，得到的子单标签集合，其中子单标签的类别数量为m；步骤5.4，得到的子单标签的类别数量m若大于等于4，则按照最终概率值从大到小的排序顺序保留前4个类别，作为类别列表p，转到步骤5.7；否则转到步骤5.5；步骤5.5，得到的子单标签的类别数量m若大于0且小于4则重复最终概率值最高的子单标签4-m遍，使得子标签类别数量为4，按照最终概率值从大到小的排序顺序保留这4个类别，作为类别列表p，转到步骤5.7；否则转到步骤5.6步骤5.6，得到的子单标签的类别数量m若为0，则重复之前缓存的得分最高的子单标签3次，使得子标签类别数量为4，保留这4个类别，作为类别列表p；步骤5.7，将类别列表p按照中英文对照表将其中四项均转为汉字，即得到4组关键词；步骤5.8，将4组所述关键词输入到训练后的诗词生成模型；步骤6，采用所述训练后的诗词生成模型根据所述4组关键词生成一首完整诗词；步骤7，通过所述诗词输出端向用户展示所述上传图片和所述完整诗词。2.根据权利要求1所述的基于K8s集群建立的依图写诗系统的控制方法，其特征在于，步骤2中，所述迁移学习训练具体包括以下步骤：步骤2.1，建立图片数据集，所...

【专利技术属性】
技术研发人员：王方京，张岩峰，祝亚兵，陈晶晶，杨慧丽，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21