本发明专利技术实施例提供了一种机器学习模型的热更新方法，涉及机器学习技术领域。具体实现方案为：检测是否需要进行机器学习模型的更新；若需要，获取预定服务端中所存储的、针对目标机器学习模型的目标描述文件；其中，所述目标机器学习模型为待更新至所述电子设备中的机器学习模型，针对任一机器学习模型的描述文件中包含该机器学习模型的模型文件的下载地址，以及与该机器学习模型相关的描述信息；基于所述目标描述文件中的下载地址，下载所述目标机器学习模型的模型文件；基于所述目标机器学习模型的模型文件，获得热更新后的可执行的模型文件，并将所述目标描述文件中的描述信息作为热更新后的描述信息。通过这样的方式，提高模型优化迭代的效率。高模型优化迭代的效率。高模型优化迭代的效率。
【技术实现步骤摘要】
机器学习模型的热更新方法、装置、电子设备及存储介质
[0001]本专利技术涉及机器学习
，特别是涉及一种机器学习模型的热更新方法、装置、电子设备及存储介质。
技术介绍
[0002]在服务端中每次新训练完成的机器学习模型往往需要部署到电子设备中，以方便电子设备中的客户端的调用。因此，需要对移动端中机器学习模型进行更新。
[0003]相关技术中，机器学习模型的模型文件是通过静态引入的方式，写入到客户端的程序代码中，而与机器学习模型相关的描述信息，是以硬编码的形式写入到客户端的程序代码中。其中，描述信息为模型推理过程中所需利用的信息，例如：模型输入列表和模型输出列表等信息。
[0004]这样，在进行模型更新时，模型文件可线上热更新，但是由于与机器学习模型相关的描述信息为硬编码的形态，因此，不能进行线上热更新。为了实现与机器学习模型相关的描述信息的更新，通常将与新的机器学习模型相关的描述信息重新写入到客户端的程序代码中。因此，限制了模型优化迭代的效率。
技术实现思路
[0005]本专利技术实施例的目的在于提供一种机器学习模型的热更新方法、装置、电子设备及存储介质，以提高模型优化迭代的效率。具体技术方案如下：
[0006]在本专利技术实施的第一方面，首先提供了一种机器学习模型的热更新方法，应用于电子设备，所述方法包括：
[0007]检测是否需要进行机器学习模型的更新；
[0008]若需要，获取预定服务端中所存储的、针对目标机器学习模型的目标描述文件；其中，所述目标机器学习模型为待更新至所述电子设备中的机器学习模型，针对任一机器学习模型的描述文件中包含该机器学习模型的模型文件的下载地址，以及与该机器学习模型相关的描述信息；
[0009]基于所述目标描述文件中的下载地址，下载所述目标机器学习模型的模型文件；
[0010]基于所述目标机器学习模型的模型文件，获得热更新后的可执行的模型文件，并将所述目标描述文件中的描述信息作为热更新后的描述信息。
[0011]可选地，所述针对任一机器学习模型的描述文件中还包含该机器学习模型的模型类型；
[0012]所述基于所述目标机器学习模型的模型文件，获得热更新后的可执行的模型文件，包括：
[0013]确定所述目标描述文件中的模型类型，作为目标类型；
[0014]若所述目标类型为指定类型，对所述目标机器学习模型的模型文件进行编译处理，得到热更新后的可执行的模型文件；否则，将所述目标机器学习模型的模型文件，确定
为热更新后的可执行的模型文件；
[0015]其中，所述指定类型为表征存在文件编译需求的类型。
[0016]可选地，所述目标机器学习模型与更新之前的机器学习模型属于模型名称相同的模型。
[0017]可选地，所述检测是否需要进行机器学习模型的更新，包括：
[0018]确定具有指定模型名称的模型的最新的模型版本；其中，所述指定模型名称为更新之前的机器学习模型的模型名称；
[0019]若所述最新的模型版本，高于更新之前的机器学习模型的模型版本，则判定需要进行机器学习模型的更新。
[0020]可选地，所述确定具有指定模型名称的模型的最新的模型版本，包括：
[0021]从预定服务端中请求、针对具有指定模型名称的模型的描述文件，作为待分析文件；
[0022]从所述待分析文件中，获取模型版本，作为具有指定模型名称的模型的最新的模型版本。
[0023]可选地，所述目标机器学习模型与更新之前的机器学习模型属于模型名称不同的模型。
[0024]可选地，检测是否需要进行机器学习模型的更新，包括：
[0025]获取模型调用方发送的待调用模型的模型名称；
[0026]若所获取的模型名称与指定模型的模型名称不同，则判定需要进行机器学习模型的更新；其中，所述指定模型为更新之前的机器学习模型；所述目标机器学习模型为所获取模型名称指示的机器学习模型。
[0027]在本专利技术实施的第二方面，还提供了一种基于上述第一方面所提供方法的机器学习模型的推理方法，所述方法包括：
[0028]基于模型调用方提供的模型名称，加载对应的机器学习模型的可执行的模型文件；
[0029]按照目标描述信息中的模型输入列表对模型调用方提供的输入数据进行筛选，得到掩模后的输入数据；其中，所述目标描述信息为所述机器学习模型的描述文件中的描述信息；
[0030]将掩模后的输入数据输入到可执行的模型文件中，得到按照所述目标描述信息中的模型输出列表输出的推理结果。
[0031]在本专利技术实施的第三方面，还提供了一种机器学习模型的热更新装置，应用于电子设备，所述装置包括：
[0032]检测模块，用于检测是否需要进行机器学习模型的更新；
[0033]获取模块，用于若需要，获取预定服务端中所存储的、针对目标机器学习模型的目标描述文件；其中，所述目标机器学习模型为待更新至所述电子设备中的机器学习模型，针对任一机器学习模型的描述文件中包含该机器学习模型的模型文件的下载地址，以及与该机器学习模型相关的描述信息；
[0034]下载模块，用于基于所述目标描述文件中的下载地址，下载所述目标机器学习模型的模型文件；
[0035]更新模块，用于基于所述目标机器学习模型的模型文件，获得热更新后的可执行的模型文件，并将所述目标描述文件中的描述信息作为热更新后的描述信息。
[0036]在本专利技术实施的第四方面，还提供了一种基于上述第一方面所提供方法的机器学习模型的推理装置，所述装置包括：
[0037]加载模块，用于基于模型调用方提供的模型名称，加载对应的机器学习模型的可执行的模型文件；
[0038]输入模块，用于按照目标描述信息中的模型输入列表对模型调用方提供的输入数据进行筛选，得到掩模后的输入数据；其中，所述目标描述信息为所述机器学习模型的描述文件中的描述信息；
[0039]输出模块，用于将掩模后的输入数据输入到可执行的模型文件中，得到按照所述目标描述信息中的模型输出列表输出的推理结果。
[0040]在本专利技术实施的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述的机器学习模型热更新的方法。
[0041]在本专利技术实施的又一方面，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的机器学习模型热更新的方法。
[0042]本专利技术实施例有益效果：
[0043]本专利技术实施例所提供的方案中，检测到机器学习模型需要更新时，获取预定服务端中存储的、针对目标机器学习模型的目标描述文件；由于描述文件中包含该机器学习模型的模型文件的下载地址，以及与该机器学习模型相关的描述信息，因此，基于所述目标描述文件中的下载地址，即可下载所述目标机器学习模型的模型文件，并且基于所述目标机器学习模型的模型文件，可以获得热本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种机器学习模型的热更新方法，其特征在于，应用于电子设备，所述方法包括：检测是否需要进行机器学习模型的更新；若需要，获取预定服务端中所存储的、针对目标机器学习模型的目标描述文件；其中，所述目标机器学习模型为待更新至所述电子设备中的机器学习模型，针对任一机器学习模型的描述文件中包含该机器学习模型的模型文件的下载地址，以及与该机器学习模型相关的描述信息；基于所述目标描述文件中的下载地址，下载所述目标机器学习模型的模型文件；基于所述目标机器学习模型的模型文件，获得热更新后的可执行的模型文件，并将所述目标描述文件中的描述信息作为热更新后的描述信息。2.根据权利要求1所述的方法，其特征在于，针对任一机器学习模型的描述文件中还包含该机器学习模型的模型类型；所述基于所述目标机器学习模型的模型文件，获得热更新后的可执行的模型文件，包括：确定所述目标描述文件中的模型类型，作为目标类型；若所述目标类型为指定类型，对所述目标机器学习模型的模型文件进行编译处理，得到热更新后的可执行的模型文件；否则，将所述目标机器学习模型的模型文件，确定为热更新后的可执行的模型文件；其中，所述指定类型为表征存在文件编译需求的类型。3.根据权利要求1或2所述的方法，其特征在于，所述目标机器学习模型与更新之前的机器学习模型属于模型名称相同的模型。4.根据权利要求3所述的方法，其特征在于，所述检测是否需要进行机器学习模型的更新，包括：确定具有指定模型名称的模型的最新的模型版本；其中，所述指定模型名称为更新之前的机器学习模型的模型名称；若所述最新的模型版本，高于更新之前的机器学习模型的模型版本，则判定需要进行机器学习模型的更新。5.根据权利要求4所述的方法，其特征在于，所述确定具有指定模型名称的模型的最新的模型版本，包括：从预定服务端中请求、针对具有指定模型名称的模型的描述文件，作为待分析文件；从所述待分析文件中，获取模型版本，作为具有指定模型名称的模型的最新的模型版本。6.根据权利要求1或2所述的方法，其特征在于，所述目标机器学习模型与更新之前的机器学习模型属于模型名称不同的模型。7.根据权利要求6所述的方法，其特征在于，检测是否需要进行机器学习模型的更新，包括：获取模型调用方发送的待调用模型的模型名称；若所获取的模型名称与指定模型的模型名称不同，则判定需要进行机器学习模型的更新；其中，所述指定模型为更新之前的机器学习模型；所述目标机器学习模型为所获取模型名称指示的机器学习模型。
...
【专利技术属性】
技术研发人员：刘海军，
申请(专利权)人：北京奇艺世纪科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。