任务部署方法、装置、设备、存储介质及产品制造方法及图纸

本申请公开了一种任务部署方法、装置、设备、存储介质及产品，属于人工智能技术领域。所述方法包括：在检测到任务流创建指令的情况下，显示任务流配置页面；响应于任务流配置页面上接收的任务流配置操作，确定第一任务流中的至少一个模型处理任务以及任务配置信息；响应于针对第一任务流的运行指令，基于任务配置信息，执行至少一个模型处理任务；在至少一个模型处理任务均成功执行的情况下，将第一任务模型部署在目标服务中执行目标任务。本申请实施例提供的技术方案中，通过接收任务流配置操作，创建任务流中的模型处理任务以及任务配置信息，根据任务流运行指令即可执行任务流，实现自动建模部署的流程，缩短任务部署时间，提升了任务部署效率。升了任务部署效率。升了任务部署效率。

【技术实现步骤摘要】
任务部署方法、装置、设备、存储介质及产品


[0001]本申请涉及人工智能
，特别涉及一种任务部署方法、装置、设备、存储介质及产品。

技术介绍

[0002]随着人工智能技术研究和进步，人工智能技术在多个领域展开研究和应用，各行各业构建机器学习任务的需求也越来越多。
[0003]相关技术中，用户可以根据机器学习任务所需的样本特征数据，对机器学习模型的训练脚本进行修改，然后可以根据上述样本特征数据以及修改后的训练脚本对机器学习模型进行离线训练，再将训练好的机器学习模型部署到相关应用中，以实现机器学习任务的落地运行。
[0004]然而，由于机器学习任务的复杂性和多样性，通过上述方式进行机器学习模型建模，用户需要频繁修改代码，开发工作量较大，机器学习模型建模和部署的效率较低。

技术实现思路

[0005]本申请实施例提供了一种任务部署方法、装置、设备、存储介质及产品，能够实现自动化的建模部署流程，降低机器学习任务建模的工作量，缩短任务部署时间，提升任务部署效率。
[0006]根据本申请实施例的一个方面，提供了一种任务部署方法，所述方法包括：
[0007]在检测到任务流创建指令的情况下，显示任务流配置页面；
[0008]响应于所述任务流配置页面上接收的任务流配置操作，确定第一任务流中的至少一个模型处理任务以及任务配置信息，所述第一任务流是指将第一任务模型部署至目标服务的过程中包括的所述至少一个模型处理任务形成的任务流，所述第一任务模型用于执行目标任务；
[0009]响应于针对所述第一任务流的运行指令，基于所述任务配置信息，执行所述至少一个模型处理任务；
[0010]在所述至少一个模型处理任务均成功执行的情况下，将所述第一任务模型部署在所述目标服务中执行所述目标任务。
[0011]根据本申请实施例的一个方面，提供了一种任务部署装置，所述装置包括：
[0012]页面显示模块，用于在检测到任务流创建指令的情况下，显示任务流配置页面；
[0013]信息配置模块，用于响应于所述任务流配置页面上接收的任务流配置操作，确定第一任务流中的至少一个模型处理任务以及任务配置信息，所述第一任务流是指将第一任务模型部署至目标服务的过程中包括的所述至少一个模型处理任务形成的任务流，所述第一任务模型用于执行目标任务；
[0014]任务流执行模块，用于响应于针对所述第一任务流的运行指令，基于所述任务配置信息，执行所述至少一个模型处理任务；
[0015]模型部署模块，用于在所述至少一个模型处理任务均成功执行的情况下，将所述第一任务模型部署在所述目标服务中执行所述目标任务。
[0016]根据本申请实施例的一个方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述任务部署方法。
[0017]根据本申请实施例的一个方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述任务部署方法。
[0018]根据本申请实施例的一个方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机指令，所述计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取所述计算机指令，所述处理器执行所述计算机指令，使得所述计算机设备执行以实现上述任务部署方法。
[0019]本申请实施例提供的技术方案可以带来如下有益效果：
[0020]通过接收任务流配置页面上的任务流配置操作，确定任务流中的模型处理任务以及任务配置信息，进而创建将第一任务模型部署至目标服务中去的任务流，任务流创建之后根据任务流运行指令即可根据任务配置信息执行任务流中的模型处理任务，自动将模型部署至目标服务中去执行目标任务，实现了自动化建模和部署的流程，降低机器学习任务建模的工作量，缩短任务部署时间，提升任务部署效率。
附图说明
[0021]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0022]图1是本申请一个实施例提供的应用程序运行环境的示意图；
[0023]图2是本申请一个实施例提供的任务部署方法的流程图一；
[0024]图3示例性示出了一种配置任务流的界面交互示意图；
[0025]图4是本申请一个实施例提供的任务部署方法的流程图二；
[0026]图5示例性示出了配置机器学习模型的界面交互示意图；
[0027]图6示例性示出了一种配置样本特征的界面交互示意图；
[0028]图7示例性示出了一种查看任务流运行信息的界面交互示意图；
[0029]图8是本申请一个实施例提供的任务部署方法的流程图三；
[0030]图9示例性示出了一种自动化建模平台的系统架构示意图；
[0031]图10示例性示出了一种自动化建模平台中的特征和模型的发布流程的示意图；
[0032]图11是本申请一个实施例提供的任务部署装置的框图；
[0033]图12是本申请一个实施例提供的计算机设备的结构框图。
具体实施方式
[0034]本申请实施例提供的任务部署方法涉及人工智能技术，下面对此进行简要说明，以便于本领域技术人员理解。
[0035]人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
[0036]人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习、自动驾驶、智慧交通等几大方向。
[0037]机器学习(Machine Learning，ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种任务部署方法，其特征在于，所述方法包括：在检测到任务流创建指令的情况下，显示任务流配置页面；响应于所述任务流配置页面上接收的任务流配置操作，确定第一任务流中的至少一个模型处理任务以及任务配置信息，所述第一任务流是指将第一任务模型部署至目标服务的过程中包括的所述至少一个模型处理任务形成的任务流，所述第一任务模型用于执行目标任务；响应于针对所述第一任务流的运行指令，基于所述任务配置信息，执行所述至少一个模型处理任务；在所述至少一个模型处理任务均成功执行的情况下，将所述第一任务模型部署在所述目标服务中执行所述目标任务。2.根据权利要求1所述的方法，其特征在于，所述至少一个模型处理任务包括模型训练任务，所述响应于针对所述第一任务流的运行指令，基于所述任务配置信息，执行所述至少一个模型处理任务，包括：响应于针对所述第一任务流的运行指令，获取所述任务配置信息中的原始任务模型，以及所述原始任务模型对应的训练样本和所述训练样本对应的至少一个版本的样本特征；基于所述原始任务模型、所述训练样本以及所述至少一个版本的样本特征，执行所述模型训练任务，得到所述第一任务模型。3.根据权利要求2所述的方法，其特征在于，所述至少一个模型处理任务包括模型线上测试任务，所述响应于针对所述第一任务流的运行指令，基于所述任务配置信息，执行所述至少一个模型处理任务，包括：在所述第一任务模型通过验证的情况下，获取线上流量数据；基于所述线上流量数据和所述第一任务模型，执行所述模型线上测试任务，得到所述第一任务模型在所述目标服务中执行所述目标任务的任务处理结果；将所述第一任务模型的任务处理结果与基线任务模型的任务处理结果进行对比，得到所述第一任务模型对应的线上测试结果，所述基线任务模型是指当前在所述目标服务中执行所述目标任务的任务模型。4.根据权利要求3所述的方法，其特征在于，所述在所述至少一个模型处理任务均成功执行的情况下，将所述第一任务模型部署在所述目标服务中执行所述目标任务，包括：在所述线上测试结果指示所述第一任务模型的模型性能高于基线任务模型的模型性能的情况下，将所述第一任务模型作为更新后的基线任务模型；基于所述更新后的基线任务模型，在所述目标服务中执行所述目标任务。5.根据权利要求2所述的方法，其特征在于，所述任务流配置页面包括元信息配置区域，所述响应于所述任务流配置页面上接收的任务流配置操作，确定第一任务流中的至少一个模型处理任务以及任务配置信息，包括：响应于所述元信息配置区域上的元信息配置操作，确定所述第一任务模型对应的原始任务模型，以及所述原始任务模型对应的训练样本和所述训练样本对应的至少一个版本的样本特...

【专利技术属性】
技术研发人员：孙凯，李辉，赵宏研，王国波，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：