模型的训练方法、模型的预测方法以及模型的控制系统技术方案

本申请实施例提供了一种模型的训练方法、模型的预测方法以及模型的控制系统。获取目标模型的配置信息，该配置信息包括第一存储路径和训练资源信息，从第一存储路径对应的存储空间中，读取训练目标模型所需的训练样本集合和训练模型信息，训练模型信息用于确定训练目标模型所需的模型训练程序，并基于训练资源信息，从服务器集群中选择n个训练节点，n大于1，再通过n个训练节点和模型训练程序，基于训练样本集合，训练得到目标模型。实现自动的模型训练，提高了模型训练的便利性。提高了模型训练的便利性。提高了模型训练的便利性。

【技术实现步骤摘要】
模型的训练方法、模型的预测方法以及模型的控制系统


[0001]本申请实施例涉及人工智能
，并且更具体地，涉及模型的训练方法、模型的预测方法以及模型的控制系统。

技术介绍

[0002]随着人工智能(Artificial Intelligence，AI)
的不断发展，常需要基于分布式运算对模型进行训练和使用模型进行预测，以提高处理效率。
[0003]目前，在将单机模型转化为分布式模型的过程中，需要技术人员手动调用服务器集群中的CPU或者GPU，并手动创建模型。然而，此过程需要大量的代码编写，操作过程复杂且难度较大。

技术实现思路

[0004]本申请实施例提供了一种模型的训练方法、模型的预测方法以及模型的控制系统，从而简化模型训练或预测的过程。
[0005]第一方面，提供了一种模型的训练方法，包括：获取目标模型的配置信息，所述配置信息包括第一存储路径和训练资源信息；从所述第一存储路径对应的存储空间中，读取训练所述目标模型所需的训练样本集合和训练模型信息，所述训练模型信息用于确定训练所述目标模型所需的模型训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型的训练方法，其特征在于，包括：获取目标模型的配置信息，所述配置信息包括第一存储路径和训练资源信息；从所述第一存储路径对应的存储空间中，读取训练所述目标模型所需的训练样本集合和训练模型信息，所述训练模型信息用于确定训练所述目标模型所需的模型训练程序；基于所述训练资源信息，从服务器集群中选择n个训练节点，n大于1；通过所述n个训练节点和所述模型训练程序，基于所述训练样本集合，训练得到所述目标模型。2.根据权利要求1所述的方法，其特征在于，所述通过所述n个训练节点和所述模型训练程序，基于所述训练样本集合，训练得到所述目标模型，包括：将所述训练样本集合划分为与每个训练节点对应的样本子集；针对每个训练节点，将所述训练节点对应的样本子集作为输入，控制所述训练节点，运行所述模型训练程序，得到训练结果；基于每个训练节点对应的训练结果，得到所述目标模型。3.根据权利要求1所述的方法，其特征在于，所述获取目标模型的配置信息，包括：接收用户终端发送的配置文件；所述配置文件为用户上传的文件，或，根据在网络浏览器显示的配置模板中输入的内容生成的文件；解析所述配置文件，得到所述配置信息。4.根据权利要求1至3任一项所述的方法，其特征在于，所述训练模型信息包括模型指示信息或所述模型训练程序，所述模型指示信息用于指示从预设的至少一个模型训练程序中选择一个作为所述模型训练程序。5.根据权利要求4所述的方法，其特征在于，所述训练模型信息还包括模型参数信息，所述模型参数信息用于指示更新所述模型训练程序中的参数。6.根据权利要求1至3任一项所述的方法，其特征在于，所述训练资源信息包括至少一个节点类型和所述节点类型的数量。7.根据权利要求1至3任一项所述的方法，其特征在于，所述配置信息还包括第二存储路径，则所述方法还包括：将所述目标模型存储至所述第二存储路径对应的存储空间中。8.一种模型的预测方法，其特征在于，所述方法还包括：获取目标模型的配置信息，所述配置信息包括第一存储路径、第二存储路径和预测资源信息；从第一存储路径对应的存储空间中，读取所述目标模型进行预测所需的预测样本集合；...

【专利技术属性】
技术研发人员：杨斌，李正文，徐健，刘光华，赵寒，
申请(专利权)人：重庆度小满优扬科技有限公司，
类型：发明
国别省市：