设备上机器学习平台制造技术

本公开提供用于设备上机器学习的系统和方法。具体地，本公开针对一种设备上机器学习平台和相关联的技术，其使得能够进行设备上预测、训练、示例收集和/或其他机器学习任务或功能。设备上机器学习平台可以包括上下文提供器，该上下文提供器将上下文特征安全地注入到收集的训练示例和/或客户端提供的输入数据中，用于生成预测/推断。因此，设备上机器学习平台可以使能作为对应用或其他客户端的服务的机器学习模型的集中训练示例收集、模型训练以及使用。

Machine learning platform on equipment

【技术实现步骤摘要】
【国外来华专利技术】设备上机器学习平台
本公开总体上涉及机器学习。更具体地，本公开涉及使得能够进行设备上预测、训练、示例收集和/或其他机器学习任务或功能的设备上机器学习平台和相关联的技术。
技术介绍
近年来，机器学习已被越来越多地用于向计算设备的用户提供改进的服务。具体地，许多应用或其他计算程序或系统依赖于一个或多个机器学习模型来基于与程序、设备和/或用户相关联的输入数据生成推断。(一个或多个)应用可以使用(一个或多个)推断来执行或影响任何类型的任务或服务。用于解决机器学习问题的一种常规训练方案包括在集中位置(例如服务器设备)收集来自多个计算设备(例如诸如智能电话的用户设备)的多个训练示例。然后可以基于收集的训练示例在集中位置训练机器学习模型。另外，在一些情况下，训练的模型可以存储在集中位置。为了从模型接收推断，要求用户计算设备通过网络将输入数据发送到服务器计算设备，等待服务器设备实现机器学习模型以基于发送的数据生成(一个或多个)推断，然后再次通过网络从服务器计算设备接收(一个或多个)推断。在这样的场景中，要求通过网络在用户计算设备和服务器本文档来自技高网...

【技术保护点】
1.一种计算设备，包括：/n一个或多个处理器；以及/n存储以下内容的一个或多个非暂时性计算机可读介质：/n由所述一个或多个处理器实现的一个或多个应用；/n一个或多个机器学习模型；以及/n指令，所述指令在由所述一个或多个处理器执行时，使计算设备实现执行操作的设备上机器学习平台，所述操作包括：/n经由预测应用编程接口从所述一个或多个应用中的第一应用接收输入数据；/n采用所述一个或多个机器学习模型中的至少第一机器学习模型，以至少部分地基于输入数据来生成至少一个推断；以及/n经由预测应用编程接口将由第一机器学习模型生成的所述至少一个推断提供给第一应用。/n

【技术特征摘要】
【国外来华专利技术】20170811 US 15/674,8851.一种计算设备，包括：
一个或多个处理器；以及
存储以下内容的一个或多个非暂时性计算机可读介质：
由所述一个或多个处理器实现的一个或多个应用；
一个或多个机器学习模型；以及
指令，所述指令在由所述一个或多个处理器执行时，使计算设备实现执行操作的设备上机器学习平台，所述操作包括：
经由预测应用编程接口从所述一个或多个应用中的第一应用接收输入数据；
采用所述一个或多个机器学习模型中的至少第一机器学习模型，以至少部分地基于输入数据来生成至少一个推断；以及
经由预测应用编程接口将由第一机器学习模型生成的所述至少一个推断提供给第一应用。


2.根据权利要求1所述的计算设备，其中：
所述一个或多个非暂时性计算机可读介质还存储集中示例数据库，其存储从所述一个或多个应用接收的训练示例；以及
由设备上机器学习平台执行的操作还包括：
经由收集应用编程接口从第一应用接收新的训练示例；以及
将新的训练示例存储在集中示例数据库中。


3.根据权利要求2所述的计算设备，其中，将所述新的训练示例存储在所述集中示例数据库中包括：根据先前已经经由所述收集应用编程接口为所述第一应用定义的一个或多个选项参数，将所述新的训练示例存储在所述集中示例数据库中，其中所述一个或多个选项参数至少包括生存时间参数，其定义存储训练示例的时间段。


4.根据权利要求2或3所述的计算设备，其中：
所述一个或多个应用包括多个应用；以及
集中示例数据库存储从所述多个应用中的两个或更多个不同应用接收的训练示例。


5.根据权利要求2、3或4所述的计算设备，其中，由所述设备上机器学习平台执行的操作还包括：
经由训练应用编程接口从第一应用接收指令，所述指令用于至少部分地基于由集中示例数据库存储的训练示例中的一个或多个来对第一机器学习模型进行重新训练；以及
响应于该指令，使第一机器学习模型至少部分地基于由集中示例数据库存储的训练示例中的一个或多个被重新训练。


6.根据权利要求5所述的计算设备，其中，由所述设备上机器学习平台执行的操作还包括：
在使第一机器学习模型被重新训练之后，采用重新训练的第一机器学习模型来生成至少一个附加推断；以及
经由预测应用编程接口将由重新训练的第一机器学习模型生成的所述至少一个附加推断提供给第一应用。


7.根据权利要求5所述的计算设备，其中：
所述一个或多个非暂时性计算机可读介质还存储机器学习引擎；以及
使所述第一机器学习模型至少部分地基于由所述集中示例数据库存储的训练示例中的一个或多个被重新训练包括：使所述机器学习引擎根据训练计划对所述第一机器学习模型进行重新训练。


8.根据任一前述权利要求所述的计算设备，其中：
所述一个或多个应用包括多个应用；以及
当由所述一个或多个处理器执行时使计算设备实现设备上机器学习平台的指令包括：当由所述一个或多个处理器执行时使计算设备实现执行操作的设备上多租户机器学习平台的指令，该操作包括：
为所述多个应用分别维护多个独立的区域；
从第一应用接收验证第一应用的身份的签名的包令牌；
认证签名的包令牌；以及
响应于对签名的包令牌的认证，提供对所述多个独立区域中的第一区域的访问，该第一区域与第一应用相关联。


9.根据任一前述权利要求所述的计算设备，其中，当由所述一个或多个处理器执行时使计算设备实现设备上机器学习平台的所述指令包括：
移动应用；或
计算设备的操作系统的一部分。


10.根据任一前述权利要求所述的计算设备，其中所述计算设备包括移动计算设备，并且所述一个或多个应用包括一个或多个移动应用。


11.一个或多个非暂时性计算机可读介质，其共同存储指令，所述指令在由一个或多个处理器执行时使计算设备实现执行操作的设备上机器学习平台，所述操作包括：
经由预测应用编程接口从存储在计算设备上的一个或多个应用中的第一应用接收输入数据；
采用存储在计算设备上的一个或多个机器学习模型中的至少第一机器学习模...

【专利技术属性】
技术研发人员：P桑凯蒂，W格里斯坎普，D拉梅奇，H阿拉德耶，
申请(专利权)人：谷歌有限责任公司，
类型：发明
国别省市：美国;US