一种机器学习数据处理方法及装置制造方法及图纸

本申请提供一种机器学习数据处理方法及装置，涉及人工智能领域，包括：接收数据处理请求方发送的待处理原数据的处理请求；构建加速器部署接口，并调用调用所述加速器部署接口将所述工程文件发送至AI加速器，使所述AI加速器根据所述机器学习模型及推理执行代码对所述待处理原数据进行推理执行，得到处理请求对应的推理执行结果；接收所述AI加速器回传的推理执行结果，并将所述推理执行结果反馈至所述数据处理请求方。本申请能够构建加速器部署接口以使用AI加速器得到推理执行结果，从系统层面分离了AI加速器硬件设备与管理服务器软件之间的联系，具有优秀的设备可扩展性。具有优秀的设备可扩展性。具有优秀的设备可扩展性。

【技术实现步骤摘要】
一种机器学习数据处理方法及装置


[0001]本申请涉及人工智能领域，具体是一种基于AI加速器的机器学习数据处理方法及装置。

技术介绍

[0002]随着机器学习技术的发展，深度神经网络的训练效果有了大幅提升。但与此同时，深度神经网络的规模也随之呈倍数地增长，导致传统计算机处理器对于执行基于深度神经网络的数据处理渐显疲态。AI加速器能够面向深度神经网络进行计算加速，是一类专用于人工智能领域的硬件加速微处理器。AI加速器的出现加速了深度神经网络的推理执行效率，并使得深度神经网络能够快速落地部署。
[0003]然而，商用AI加速器平台的功能繁多，机器学习成本高；而且从扩展性的角度来看，现有商用AI加速器平台通常只支持自己公司的硬件产品，而无法对其他公司生产的AI加速器进行适配，缺少可扩展性，对深度神经网络进行数据处理造成了限制。

技术实现思路

[0004]针对现有技术中的问题，本申请提供一种机器学习数据处理方法及装置，能够构建加速器部署接口以使用AI加速器得到推理执行结果。
[0005]为解决上述技术问题，本申请提供以下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器学习数据处理方法，其特征在于，包括：接收数据处理请求方发送的待处理原数据的处理请求；所述处理请求包括所述待处理原数据的工程文件；所述工程文件包括所述待处理原数据、机器学习模型及推理执行代码；构建加速器部署接口，并调用所述加速器部署接口将所述工程文件发送至AI加速器，使所述AI加速器根据所述机器学习模型及推理执行代码对所述待处理原数据进行推理执行，得到所述处理请求对应的推理执行结果；接收所述AI加速器回传的推理执行结果，并将所述推理执行结果反馈至所述数据处理请求方。2.根据权利要求1所述的机器学习数据处理方法，其特征在于，所述构建加速器部署接口，并调用所述加速器部署接口将所述工程文件发送至AI加速器，包括：根据所述AI加速器的种类构建所述加速器部署接口；根据所述处理请求构建所述AI加速器的部署配置文件；将所述部署配置文件及所述工程文件输入所述加速器部署接口；利用所述配置部署文件选择所述AI加速器对应的部署运行脚本；运行所述部署运行脚本，并调用所述加速器部署接口加载所述工程文件至所述AI加速器。3.根据权利要求1所述的机器学习数据处理方法，其特征在于，所述处理请求中包括用户行为数据；所述机器学习数据处理方法，还包括：对所述用户行为数据进行分析，得到所述数据处理请求方的行为分析结果；所述行为分析结果包括推理执行过程中的错误区域统计结果、报错信息统计结果、提交次数统计结果、提交时间统计结果及提交频次统计结果；将所述行为分析结果发送至所述数据处理请求方。4.根据权利要求1所述的机器学习数据处理方法，其特征在于，还包括：检查所述处理请求是否为被重复提交的处理请求；若否，检查所述处理请求所请求使用的AI加速器是否空闲；若是，检查所述处理请求中的所述工程文件是否符合格式规范。5.根据权利要求1所述的机器学习数据处理方法，其特征在于，还包括：当接收到所述数据处理请求方发送的推理执行结果分析请求时，根据所述推理执行结果进行推理执行分析；将得到的推理执行分析结果回传至所述数据处理请求方。6.一种机器学习数据处理装置，其特征在于...

【专利技术属性】
技术研发人员：杨建磊，雷凡丁，万寒，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：