定制人工智能在线服务的方法、系统和存储介质技术方案

本发明专利技术提供定制人工智能在线服务的方法、系统和存储介质。该方法包括：算法存储步骤，从算法提供方获取多个算法数据格式、多个训练算法容器镜像和多个在线服务算法容器镜像，并进行存储；数据存储步骤，从算法需求方获取多个训练数据，并进行存储；取出步骤，从多个训练数据中取出第一训练数据，并从多个训练算法容器镜像和多个在线服务算法容器镜像中取出与第一训练数据对应的第一训练算法容器镜像和第一在线服务算法容器镜像；训练步骤，用第一训练算法容器镜像来训练第一训练数据，得到训练结果；组合步骤，将第一在线服务算法容器镜像和训练结果进行组合，得到定制的人工智能在线服务。

【技术实现步骤摘要】
定制人工智能在线服务的方法、系统和存储介质
本专利技术涉及定制人工智能在线服务的方法、系统和存储介质。
技术介绍
人工智能(AI)技术已经逐渐进入人们的生活视野。构建人工智能服务，通常包括三个步骤：大数据收集与处理、AI算法模型训练、AI算法在线服务化。其中数据收集与处理，通过对结构化的数据和非结构化的数据进行处理以便于AI算法的设计与训练。AI算法模型训练则是设计特点的AI算法，并通过大量数据对算法模型进行训练，得到具有一定功能的算法模型(例如，人脸识别、语音识别)。AI算法在线服务化，则是将AI算法模型进行在线化服务部署，使其能够作为一种服务(例如，人脸识别服务、语音识别服务)运行。在目前的人工智能领域存在一种情况，即，大量传统公司(包括传统企业、互联网企业等)拥有不同的人工智能应用场景和海量的数据，但是缺乏良好的人工智能算法研发和训练的能力。一些拥有强大人工智能算法研发能力的公司，一方面无法接触到传统公司的数据，另一方面也没有足够的人力来为大量有算法需求的公司服务。目前用于训练和使用AI算法模型的常见框架包括:TensorFlow,Caffe,MXNet，Torch等。国外厂商Google，提供了一个基于Tensorflow框架的集数据处理、算法选择、在线服务于一体的一站式机器学习算法和深度学习算法服务平台。(https://cloud.google.com/ml-engine/)国内厂商阿里云提出的机器学习PAI平台，提供了一种集数据处理、算法选择、在线服务于一体的一站式机器学习算法服务平台。(https://data.aliyun.com/product/learn？spm＝a2c0j.103967.416540.116.0hQEYB)国内厂商腾讯云提出了DI-X深度学习平台，提供了一种集数据处理、算法选择、在线服务于一体的一站式深度学习算法服务平台。(https://www.qcloud.com/product/dix#scenarios)国内厂商才云提出了一种基于Kubernetes+Tensorflow架构的，集AI训练、在线服务于一体的一站式深度学习算法服务平台。(https://caicloud.io/products/taas)Google、阿里云、腾讯云所提出的深度学习或机器学习平台针对的是一整套从数据处理，算法选择，到算法训练到最终在线服务的一站式服务，其模型算法的提供商要么是Google、阿里云、腾讯云本身(即，单一算法提供商)，要么是拥有数据的公司自己使用自己研发的人工智能算法(即，算法提供商和使用方相同)。因此此类平台无法实现让大量传统公司利用不同第三方人工智能算法公司提供的算法模型来训练自己的数据并应用于实践的目的。才云提供的一站式深度学习算法服务平台仅是私有化Tensorflow管理平台，并不提供算法服务，因此也不具备让传统公司利用人工智能算法公司提供的算法模型来训练自己的数据并应用于实践的能力。
技术实现思路
鉴于上述问题，本专利提出一种定制人工智能在线服务的方法、系统，能方便地让传统公司利用人工智能算法公司提供的算法模型来训练自己的数据并应用于实践。本专利技术提供一种定制人工智能在线服务的方法，该方法包括：算法存储步骤，从算法提供方获取多个算法数据格式、多个训练算法容器镜像和多个在线服务算法容器镜像，并存储在云平台中的算法存储单元中；数据存储步骤，从算法需求方获取多个训练数据，并存储在所述云平台中的数据存储单元中，所述多个训练数据各自的数据格式分别符合所述多个算法数据格式中的对应算法数据格式；取出步骤，从所述数据存储单元中存储的所述多个训练数据中取出第一训练数据，并从所述算法存储单元中存储的所述多个训练算法容器镜像和所述多个在线服务算法容器镜像中取出与所述第一训练数据对应的第一训练算法容器镜像和第一在线服务算法容器镜像；训练步骤，用所述第一训练算法容器镜像来训练所述第一训练数据，得到训练结果；组合步骤，将所述第一在线服务算法容器镜像和所述训练结果进行组合，得到定制的人工智能在线服务。其中，所述算法提供方提供多个人工智能算法和所述多个算法数据格式，并根据所述云平台提供的算法容器镜像规范对多个人工智能算法进行修改，得到所述多个训练算法容器镜像和所述多个在线服务算法容器镜像。其中，所述算法需求方根据从所述多个算法数据格式选择的所述对应算法数据格式，提供对应的训练数据，从而提供所述多个训练数据。其中，所述算法需求方不能从所述算法存储单元获取多个训练算法容器镜像和多个在线服务算法容器镜像，且所述算法提供方不能从所述数据存储单元获取所述多个训练数据。本专利技术还提供一种定制人工智能在线服务的系统，所述系统包括算法提供方、算法需求方和云平台，其中，所述云平台包括：算法存储单元，从所述算法提供方获取多个算法数据格式、多个训练算法容器镜像和多个在线服务算法容器镜像，并进行存储；数据存储单元，从所述算法需求方获取多个训练数据，并进行存储，所述多个训练数据各自的数据格式分别符合所述多个算法数据格式中的对应算法数据格式；取出单元，从所述数据存储单元中存储的所述多个训练数据中取出第一训练数据，并从所述算法存储单元中存储的所述多个训练算法容器镜像和所述多个在线服务算法容器镜像中取出与所述第一训练数据对应的第一训练算法容器镜像和第一在线服务算法容器镜像；训练单元，用所述第一训练算法容器镜像来训练所述第一训练数据，得到训练结果；组合单元，将所述第一在线服务算法容器镜像和所述训练结果进行组合，得到定制的人工智能在线服务。本专利技术进一步提供一种非易失性存储介质，在所述非易失性存储介质上存储有定制人工智能在线服务的程序，所述程序被计算机执行以实施定制人工智能在线服务的方法，所述程序包括：算法存储指令，从算法提供方获取多个算法数据格式、多个训练算法容器镜像和多个在线服务算法容器镜像，并存储在云平台中的算法存储单元中；数据存储指令，从算法需求方获取多个训练数据，并存储在所述云平台中的数据存储单元中，所述多个训练数据各自的数据格式分别符合所述多个算法数据格式中的对应算法数据格式；取出指令，从所述数据存储单元中存储的所述多个训练数据中取出第一训练数据，并从所述算法存储单元中存储的所述多个训练算法容器镜像和所述多个在线服务算法容器镜像中取出与所述第一训练数据对应的第一训练算法容器镜像和第一在线服务算法容器镜像；训练指令，用所述第一训练算法容器镜像来训练所述第一训练数据，得到训练结果；组合指令，将所述第一在线服务算法容器镜像和所述训练结果进行组合，得到定制的人工智能在线服务。本专利技术中，算法需求方(即，传统公司)提供训练数据，而算法提供方(即，人工智能算法公司)提供不同的算法，通过云平台可以对算法需求方提供的训练数据进行如上所述的训练和组合，从而可以为算法需求方定制人工智能在线服务。因此，本专利技术可以使得算法需求方利用人工智能算法公司提供的算法模型来训练自己的数据并应用于实践。附图说明图1是根据本专利技术实施例的定制人工智能在线服务的系统的结构图；图2是根据本专利技术实施例的定制人工智能在线服务的方法的流程图。具体实施方式下面结合附图，对本专利技术的实施例进行详细说明。图1是根据本专利技术实施例的定制人工智能在线服务的系统1的结构图，本文档来自技高网...

【技术保护点】
1.一种定制人工智能在线服务的方法，其特征在于，所述方法包括：算法存储步骤，从算法提供方获取多个算法数据格式、多个训练算法容器镜像和多个在线服务算法容器镜像，并存储在云平台中的算法存储单元中；数据存储步骤，从算法需求方获取多个训练数据，并存储在所述云平台中的数据存储单元中，所述多个训练数据各自的数据格式分别符合所述多个算法数据格式中的对应算法数据格式；取出步骤，从所述数据存储单元中存储的所述多个训练数据中取出第一训练数据，并从所述算法存储单元中存储的所述多个训练算法容器镜像和所述多个在线服务算法容器镜像中取出与所述第一训练数据对应的第一训练算法容器镜像和第一在线服务算法容器镜像；训练步骤，用所述第一训练算法容器镜像来训练所述第一训练数据，得到训练结果；组合步骤，将所述第一在线服务算法容器镜像和所述训练结果进行组合，得到定制的人工智能在线服务。

【技术特征摘要】
1.一种定制人工智能在线服务的方法，其特征在于，所述方法包括：算法存储步骤，从算法提供方获取多个算法数据格式、多个训练算法容器镜像和多个在线服务算法容器镜像，并存储在云平台中的算法存储单元中；数据存储步骤，从算法需求方获取多个训练数据，并存储在所述云平台中的数据存储单元中，所述多个训练数据各自的数据格式分别符合所述多个算法数据格式中的对应算法数据格式；取出步骤，从所述数据存储单元中存储的所述多个训练数据中取出第一训练数据，并从所述算法存储单元中存储的所述多个训练算法容器镜像和所述多个在线服务算法容器镜像中取出与所述第一训练数据对应的第一训练算法容器镜像和第一在线服务算法容器镜像；训练步骤，用所述第一训练算法容器镜像来训练所述第一训练数据，得到训练结果；组合步骤，将所述第一在线服务算法容器镜像和所述训练结果进行组合，得到定制的人工智能在线服务。2.如权利要求1所述的定制人工智能在线服务的方法，其特征在于，所述算法提供方提供多个人工智能算法和所述多个算法数据格式，并根据所述云平台提供的算法容器镜像规范对多个人工智能算法进行修改，得到所述多个训练算法容器镜像和所述多个在线服务算法容器镜像。3.如权利要求2所述的定制人工智能在线服务的方法，其特征在于，所述算法需求方根据从所述多个算法数据格式选择的所述对应算法数据格式，提供对应的训练数据，从而提供所述多个训练数据。4.如权利要求1-3中任一项所述的定制人工智能在线服务的方法，其特征在于，所述算法需求方不能从所述算法存储单元获取多个训练算法容器镜像和多个在线服务算法容器镜像，且所述算法提供方不能从所述数据存储单元获取所述多个训练数据。5.一种定制人工智能在线服务的系统，其特征在于，所述系统包括算法提供方、算法需求方和云平台，其中，所述云平台包括：算法存储单元，从所述算法提供方获取多个算法数据格式、多个训练算法容器镜像和多个在线服务算法容器镜像，并进行存储；数据存储单元，从所述算法需求方获取多个训练数据，并进行存储，所述多个训练数据各自的数据格式分别符合所述多个算法数据格式中的对应算法数据格式；取出单元，从所述数据存储单元中存储的所述多个训练数据中取出第一训练...

【专利技术属性】
技术研发人员：宋翔，范融，
申请(专利权)人：优刻得科技股份有限公司，
类型：发明
国别省市：上海,31