一种训练模型的方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种训练模型的方法、装置、设备及存储介质，该方法包括：当接收到模型训练指令时，从所述模型训练指令中解析出属性信息，并从预设模型库中获取与所述属性信息对应的待训练算法；从预设的训练配置表中获取与所述属性信息对应的资源信息，并通过预设上传接口获取用于训练所述待训练算法的训练文件；利用所述资源信息，并通过所述训练文件对所述待训练算法进行训练，以得到训练结果文件；将所述训练结果文件添加至预设的模型加载组件中以实例化出目标模型；对所述模型加载组件中的配置文件进行修改以将所述目标模型部署到模型使用对象中；本发明专利技术能够自动、高效的训练模型。型。型。

【技术实现步骤摘要】
一种训练模型的方法、装置、设备及存储介质


[0001]本专利技术涉及模型构建
，特别涉及一种训练模型的方法、装置、设备及存储介质。

技术介绍

[0002]随着人工智能领域的发展，分类算法模型在人机对话领域有了很广泛的应用，针对人机对话领域中不同的业务场景，需要在每个业务场景中运用对应业务场景的分类算法模型，因此需要根据目标业务场景的需求对分类算法模型进行训练以生成应用于目标业务场景的目标模型。
[0003]在现有技术中，训练分类算法模型的过程需要人为的整理训练数据、控制训练任务的执行顺序、分配训练使用的资源信息、将训练后的模型部署在指定场景中，过多的人为干预耗费了大量人力资源，同时，随着需要训练的分类算法模型的数据增加，付出的人为调整时间也随之增加，进而导致训练效率下降。
[0004]因此，如何自动、高效训练分类算法模型成为本领域技术人员亟需解决的技术问题。

技术实现思路

[0005]本专利技术的目的在于提供一种训练模型的方法、装置、设备及存储介质，解决了现有技术存在的技术问题，能够自动、高效的训练模型。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种训练模型的方法，其特征在于，所述方法包括：当接收到模型训练指令时，从所述模型训练指令中解析出属性信息，并从预设模型库中获取与所述属性信息对应的待训练算法；从预设的训练配置表中获取与所述属性信息对应的资源信息，并通过预设上传接口获取用于训练所述待训练算法的训练文件；利用所述资源信息，并通过所述训练文件对所述待训练算法进行训练，以得到训练结果文件；将所述训练结果文件添加至预设的模型加载组件中以实例化出目标模型；对所述模型加载组件中的配置文件进行修改以将所述目标模型部署到模型使用对象中。2.根据权利要求1所述的训练模型的方法，其特征在于，所述从预设模型库中获取与所述属性信息对应的待训练算法，具体包括：从所述属性信息中解析出算法类型；从所述预设模型库中查找到和所述算法类型对应的算法模板；从所述属性信息中解析出算法参数，并将所述算法参数添加到所述算法模板中以生成所述待训练算法。3.根据权利要求1所述的训练模型的方法，其特征在于，所述从预设的训练配置表中获取与所述属性信息对应的资源信息，具体包括：获取预设的训练配置表；其中，通过所述训练配置表设置了多种三元组信息和多个资源信息的一一对应关系、且所述三元组信息包括以下参数项：算法类型、模型使用对象的所属行业、所属行业的业务场景；从所述属性信息中解析出算法类型、模型使用对象的所属行业、所属行业的业务场景的参数值，并将解析出的参数值形成参考三元组信息；判断在所述训练配置表中是否存在所述参考三元组信息，若是，则从所述训练配置表中获取与所述参考三元组信息对应的资源信息，若否，则使用预设的公共资源信息。4.根据权利要求1所述的训练模型的方法，其特征在于，所述利用所述资源信息，并通过所述训练文件对所述待训练算法进行训练，以得到训练结果文件，具体包括：将所述属性信息、所述待训练算法、所述资源信息和所述训练文件构成训练任务，并将所述训练任务存储到预设的等待队列中；当接收到训练指令时，获取位于所述等待队列中的各个训练任务的等待时长；从每个训练任务的属性信息中解析出用于表征所述训练任务重要程度的预设权重值；将每个训练任务的等待时长与预设权重值相加得到对应训练任务的优先级值；基于各个训练任务的优先级值，并按照由大到小的顺序，对所述等待队列中的各个训练任务进行排序；按照排序结果顺序执行各个训练任务，以得到各个训练任务的训练结果文件。5.根据权利要求1所述的训练模型的方法，其特征在于...

【专利技术属性】
技术研发人员：张璐，
申请(专利权)人：深圳壹账通科技服务有限公司，
类型：发明
国别省市：