模型部署方法、装置、设备及存储介质制造方法及图纸

本申请涉及数据展示，具体公开了一种模型部署方法、装置、设备及存储介质，所述方法包括：获取待执行的模型训练操作指令；根据所述模型训练操作指令，在预设的模型训练页面加载后台服务资源，并在预设的模型训练页面根据所述后台服务资源构建目标模型的拓扑关系；根据所述拓扑关系对所述目标模型进行建模，并对建模后的目标模型进行评估；当所述目标模型满足预设的评估条件时，对所述目标模型进行在线部署。将模型训练过程定义统一处理接口，将训练过程后的数据转换逻辑保存，部署更方便，从而保证预测的准确性。

【技术实现步骤摘要】
模型部署方法、装置、设备及存储介质
本申请涉及数据展示
，尤其涉及一种模型部署方法、装置、计算机设备及存储介质。
技术介绍
机器学习技术是近年来最热门的技术之一，它已经融入到企业的各项业务，数据科学家结合现有大量的数据训练出相应模型，新的数据输入到该模型得到预测结果，决策者根据结果为企业做出相关决策。然而，该技术涉及的知识技能相对专业，各类开发语言和框架需要相关编码技能，门槛高，本地开发的模型难维护，部署困难。现有的大部分机器学习都建立在python基础上，模型训练时，python工程师往往是把数据拉取到本地电脑，打开python软件进行读取，然后编程，并一步步进行调试数据，再进行模型训练。但是，由于每个python工程师的编码习惯不统一，因此，这样训练出来的模型无法统一部署到生产环境中，另外训练中的数据处理过程也无法提取出来进行部署，这就会导致训练过程和模型预测过程不一致，模型后续升级维护也相对困难，开发人员在部署时很困难。
技术实现思路
本申请提供了一种数据展示的一种模型部署方法、装置、计算机设备及本文档来自技高网...

【技术保护点】
1.一种模型部署方法，其特征在于，所述方法包括：/n获取待执行的模型训练操作指令；/n根据所述模型训练操作指令，在预设的模型训练页面加载后台服务资源，并在预设的模型训练页面根据所述后台服务资源构建目标模型的拓扑关系；/n根据所述拓扑关系对所述目标模型进行建模，并对建模后的目标模型进行评估；/n当所述目标模型满足预设的评估条件时，对所述目标模型进行在线部署。/n

【技术特征摘要】
1.一种模型部署方法，其特征在于，所述方法包括：
获取待执行的模型训练操作指令；
根据所述模型训练操作指令，在预设的模型训练页面加载后台服务资源，并在预设的模型训练页面根据所述后台服务资源构建目标模型的拓扑关系；
根据所述拓扑关系对所述目标模型进行建模，并对建模后的目标模型进行评估；
当所述目标模型满足预设的评估条件时，对所述目标模型进行在线部署。


2.根据权利要求1所述的方法，其特征在于，所述当所述目标模型满足预设的评估条件时，对所述目标模型进行在线部署，包括：
获取所述目标模型对应的模型文件及所述模型文件对应的处理节点，并根据所述处理节点查找对应的处理逻辑信息；
将所述模型文件及所述处理逻辑信息复制到部署环境中，且通过所述部署环境对所述模型文件及所述处理逻辑信息进行保存后解析，得到部署模型以及用于外部系统调用以进行模型预测的预测接口，完成所述模型部署。


3.根据权利要求1所述的方法，其特征在于，所述根据所述拓扑关系对所述目标模型进行建模，并对建模后的目标模型进行评估，包括：
在接收到第一自动建模指令时，选择支持所述第一自动建模指令的算法组件，以得到第一模型参数设置；
根据所述第一模型参数设置，输出对应的模型参数；
在接收到模型评估指标指令时，设定模型评估标准；
在接收到自动调参指令时，根据所述模型参数进行模型训练，得到第一候选模型；
根据所述模型评估标准，在所述候选模型中确定目标模型。


4.根据权利要求1所述的方法，其特征在于，所述根据所述拓扑关系对所述目标模型进行建模，并对建模后的目标模型进行评估，包括：
在所述模型训练页面的自动建模组件被触发第二自动建模指令时，进行第二模型参数设置；
基于所述第二模型参数设置中所述后台服务资源被触发的数据算法以及模型种类，进行模型训练，得到第二候选模型；
根据模型评估指标指令及所述第二候选模型，得到目标模型以及所述目标模型对应的模型评估报告。


5.根据权利要求1所述的方法，其特征在于，所述根据所述拓扑关系对所述...

【专利技术属性】
技术研发人员：庞俊涛，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：广东;44