模型部署方法、识别方法、装置及电子设备制造方法及图纸

本发明专利技术提供一种模型部署方法、识别方法、装置及电子设备，包括：根据神经网络模型的部署文件，构建神经网络模型的服务镜像；根据服务镜像，利用模型部署平台的部署工具获取推理实例；根据推理实例，生成神经网络模型的网页链接、输入接口和输出接口。本发明专利技术提供的模型部署方法、识别方法、装置及电子设备，模型部署平台根据用户提供的部署文件，对神经网络模型进行部署，生成相应的网页链接、输入接口和输出接口，用户仅需要了解模型部署平台的能力和学会配置文件的书写，即可利用模型部署平台对模型进行快速部署，简化操作的同时，提高了模型部署效率，降低了模型部署的门槛，对用户友好。好。好。

【技术实现步骤摘要】
模型部署方法、识别方法、装置及电子设备


[0001]本专利技术涉及人工智能
，尤其涉及模型部署方法、识别方法、装置及电子设备。

技术介绍

[0002]深度学习技术的发展不断影响着越来越多的领域，各领域的人员都有志于利用深度学习的技术优化自有方案和用户体验。大量的技术文档和开源资料可以帮助开发人员获得一个满意的深度学习模型。随着深度学习模型越来越易于获取，在对神经网络模型进行训练后，获取神经网络模型能在硬件上测试效果，需要对神经网络模型进行部署，以获得实际的现场使用反馈。而部署模型所需要的技术和模型的训练的不同，会一定程度上阻碍对模型效果的快速验证。
[0003]对神经网络模型的部署和测试是非常繁琐的工作，当前的模型部署技术主要包括自行构建服务或采用服务平台系统。其中，自行构建服务耗时长成本高，而每个服务平台系统则需要模型符合不同的平台的规范，甚至必须是通过特定平台训练所得到的模型。
[0004]以上方案针对的用户都是计算机程序开发人员，需要用户在掌握相关的技术和了解部署环境的同时，处理部署过程中出现的异常，对没有开发经验的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型部署方法，应用于模型部署平台，其特征在于，包括：根据神经网络模型的部署文件，构建所述神经网络模型的服务镜像；根据所述服务镜像，利用所述模型部署平台的部署工具获取推理实例；根据所述推理实例，生成所述神经网络模型的网页链接、输入接口和输出接口。2.根据权利要求1所述的模型部署方法，其特征在于，所述根据神经网络模型的部署文件，构建所述神经网络模型的服务镜像，具体包括：根据所述部署文件，生成推理镜像，所述部署文件包括模型文件和配置文件；对所述部署文件进行处理，生成与所述部署文件对应的用户的专有数据集；根据所述推理镜像和所述专有数据集，构建所述服务镜像。3.根据权利要求2所述的模型部署方法，其特征在于，所述配置文件包括所述神经网络模型的输入信息、输出信息和调用流程信息；在所述神经网络模型为图像识别模型时，所述输入信息包括所述神经网络模型的输入图像的名称、尺寸和格式；所述输出信息包括所述神经网络模型的输出的识别结果的数据类型；所述调用流程信息包括所述神经网络模型的运行逻辑。4.根据权利要求1至3中任一项所述的模型部署方法，其特征在于，还包括：若所述服务镜像的构建发生故障，根据所述故障的相关信息，生成运维工单；将所述运维工单发送至后台服务器。5.根据权利要求1至3中任一项所述的模型部署方法，其特征在于，还包括：对所述部署文件进行合规性校验，若所述部署文件不合规，则生成非法访问提示。6.一种识别方法，其特征在于，包括：接收从输入接口输入的待处理对象，所述待处理对象为图像数据或语音数据；基于网页链接，利用神经网络模型对应的推理实例对所述待处理对象...

【专利技术属性】
技术研发人员：王腾飞，
申请(专利权)人：海尔智家股份有限公司，
类型：发明
国别省市：