AI模型的定制方法、电子设备及计算机可读存储介质技术

本申请提供了一种AI模型的定制方法、电子设备及计算机可读存储介质，方法包括：从终端设备接收需求方输入的业务需求信息；根据所述业务需求信息，确定所述业务需求信息对应的第一AI模型；对所述第一AI模型进行超参数调节，得到第二AI模型；基于样本集，对所述第二AI模型进行模型训练，生成对应的目标AI模型；根据所述终端设备的指令将所述目标AI模型部署到目标设备和/或将所述目标AI模型发布到模型交易平台。通过自动化地完成AI模型设计和训练，提高了AI模型定制化的效率，并节约了成本，得到的AI模型更加符合需求方的需求，达成AI模型的供需匹配。的供需匹配。的供需匹配。

【技术实现步骤摘要】
AI模型的定制方法、电子设备及计算机可读存储介质


[0001]本申请涉及人工智能
，尤其涉及一种AI模型的定制方法、电子设备及计算机可读存储介质。

技术介绍

[0002]人工智能(AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学，AI技术落地包括数据处理、模型设计、模型训练、模型发布等，落地门槛较高。
[0003]近年来，人们对AI的需求与日俱增，而具备解决AI能力的提供方较少，并且AI生产过程需要专业工程师反复的调试，耗时耗力，这都导致了供需的不匹配。
[0004]因此，如何实现AI模型的供需匹配成为亟需解决的问题。

技术实现思路

[0005]本申请提供了一种AI模型的定制方法、电子设备及计算机可读存储介质，旨在实现为需求方提供更加符合需求方的需求的AI模型，达成AI模型的供需匹配。
[0006]第一方面，本申请实施例提供了一种AI模型的定制方法，包括：
[0007]从终端设备接收需求方输入的业务需求信息；
[0008]根据所述业务需求信息，确定所述业务需求信息对应的第一AI模型；
[0009]对所述第一AI模型进行超参数调节，得到第二AI模型；
[0010]基于样本集，对所述第二AI模型进行模型训练，生成对应的目标AI模型；
[0011]根据所述终端设备的指令将所述目标AI模型部署到目标设备和/或将所述目标AI模型发布到模型交易平台。
[0012]第二方面，本申请实施例提供了一种电子设备，包括存储器和处理器；
[0013]所述存储器用于存储计算机程序；
[0014]所述处理器，用于执行所述计算机程序并在执行所述计算机程序时，实现上述的AI模型的定制方法。
[0015]第三方面，本申请实施例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存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现上述的AI模型的定制方法。
[0016]本申请实施例提供了一种AI模型的定制方法、电子设备及计算机可读存储介质，通过从终端设备接收需求方输入的业务需求信息；根据所述业务需求信息，确定所述业务需求信息对应的第一AI模型；对所述第一AI模型进行超参数调节，得到第二AI模型；基于样本集，对所述第二AI模型进行模型训练，生成对应的目标AI模型；根据所述终端设备的指令将所述目标AI模型部署到目标设备和/或将所述目标AI模型发布到模型交易平台。通过自动化地完成AI模型设计和训练，提高了AI模型定制化的效率，得到的AI模型更加符合需求方的需求，达成AI模型的供需匹配。
[0017]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请实施例的公开内容。
附图说明
[0018]为了更清楚地说明本申请实施例的技术方案，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。
[0019]图1是本申请实施例提供的一种AI模型的定制方法的流程示意图；
[0020]图2是AI模型的定制方法应用场景的示意图；
[0021]图3是本申请实施例提供的一种确定所述业务需求信息对应的第一AI模型步骤的流程示意图；
[0022]图4是本申请实施例提供的一种第一需求设置界面的示意图；
[0023]图5是本申请实施例提供的一种电子设备的功能模块示意图；
[0024]图6是AutoML系统的有向无环图的示意图；
[0025]图7是本申请实施例提供的一种生成对应的目标AI模型步骤的流程示意图；
[0026]图8是一实施方式中AutoML系统底层框架的示意图；
[0027]图9是本申请实施例提供的一种电子设备的示意性框图。
具体实施方式
[0028]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
[0029]下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
[0030]请参阅图1，图1是本申请实施例提供的一种AI模型的定制方法的流程示意图。所述AI模型的定制方法可以应用在电子设备，如终端设备或服务器中，用于生成需求方所需的AI模型等过程；其中，终端设备可以是手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等电子设备；服务器可以为独立的服务器，也可以为服务器集群。所述AI模型的定制方法还可以应用在云端，云端是基于应用虚拟化的技术的软件，云端通过提供虚拟化的运行环境，让软件的运行全程无污染、干净、稳定。通过云端进行生成需求方所需的AI模型等过程，从而实现得到的AI模型更加符合需求方的需求，达成AI模型的供需匹配。
[0031]示例性的，如图2所示，AI模型的定制方法应用在服务器时的场景示意图。服务器可以从终端设备获取业务需求信息，执行AI模型的定制方法生成目标AI模型，还可以将生成的目标AI模型发送给终端设备，以便终端设备进行模型测试或部署等操作。
[0032]如图1所示，本申请实施例的AI模型的定制方法包括步骤S101至步骤S105。
[0033]S101、从终端设备接收需求方输入的业务需求信息。
[0034]示例性的，在终端设备的相应显示装置，如显示屏上显示需求设置界面，需求方用户可以在需求设置界面输入相应的业务需求信息。
[0035]在一些实施方式中，业务需求信息包括但不限于：任务类型、模型部署环境、应用场景、算力需求、预算成本等。
[0036]其中，任务类型表示需求方需要的AI模型的实用场景，如AI模型需要处理的任务，如分类、检测、视频、自然语言处理等。模型部署环境表示AI模型部署于云端或终端(边端)对应的部署信息，如部署的终端的型号、终端的处理器类型、型号等。例如，终端的处理器类型可以包括CPU(Central Processing Unit)和/或GPU(Graphics Processing Unit)。应用场景可以包括以下至少一种：小样本检测、小物体检测、物体检测、非均衡样本检测等。
[0037]S102、根据所述业务需求信息，确定所述业务需求信息对应的第一AI模型。
[0038]第一AI模型，即需求方所需要的目标AI模型的初始模型，基于不同的业务需求信息，生成第一AI模型的方式不同。
[0039]在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种AI模型的定制方法，其特征在于，包括：从终端设备接收需求方输入的业务需求信息；根据所述业务需求信息，确定所述业务需求信息对应的第一AI模型；对所述第一AI模型进行超参数调节，得到第二AI模型；基于样本集，对所述第二AI模型进行模型训练，生成对应的目标AI模型；根据所述终端设备的指令将所述目标AI模型部署到目标设备和/或将所述目标AI模型发布到模型交易平台。2.根据权利要求1所述的AI模型的定制方法，其特征在于，所述根据所述业务需求信息，确定所述业务需求信息对应的第一AI模型，包括：根据所述业务需求信息，确定模型生成模式；基于所述模型生成模式对应的模型确定逻辑，确定所述业务需求信息对应的所述第一AI模型。3.根据权利要求2所述的AI模型的定制方法，其特征在于，所述业务需求信息包括模式设置信息和模型需求信息；所述根据所述业务需求信息，确定模型生成模式，包括：根据所述业务需求信息中的模式设置信息，确定所述模型生成模式为第一生成模式、第二生成模式或第三生成模式；其中，所述第一生成模式对应的模型确定逻辑，包括：根据所述模型需求信息在基础数据库中确定所述第一AI模型；所述第二生成模式对应的模型确定逻辑，包括：根据所述模型需求信息和预设的专家经验逻辑在预训练模型中确定所述第一AI模型；所述第三生成模式对应的模型确定逻辑，包括：根据所述专家经验逻辑和网络结构搜索逻辑在网络结构向量空间中确定所述第一AI模型。4.根据权利要求3所述的AI模型的定制方法，其特征在于，若确定所述模型生成模式为第一生成模式，控制所述终端设备跳转至第一需求设置界面；若确定所述模型生成模式为第二生成模式，控制所述终端设备跳转至第二需求设置界面；若确定所述模型生成模式为第三生成模式，控制所述终端设备跳转至第三需求设置界面；其中，所述第一需求设置界面、所述第二需求设置界面、所述第三需求设置界面不同。5.根据权利要求4所述的AI模型的定制方法，其特征在于，所述需求方在所述第一需求设置界面输入的业务需求信息包括以下至少一项：任务类型、模型部署环境、应用场景、算力需求、预算成本；所述需求方在所述第二需求设置界面输入的业务需求信息包括以下至少一项：任务类型、模型部署环境、应用场景、算力需求、预算成本；其中，所述第二生成模式的预算成本高于所述第一生成模式的预算成本；所述需求方在所述第三需求设置界面输入的业务需求信息包括以下至少一项：神经网络模型架构、超参数配置信息；所述超参数配置信息包括权值衰减、学习率中至少一项。
6.根据权利要求3所述的AI模型的定制方法，其特征在于，所述对所述第一AI模型进行超参数调节，得到第二AI模型，包括：若确定所述模型生成模式为第一生成模式，根据所述基础...

【专利技术属性】
技术研发人员：蒋阳，潘绪洋，庞磊，赵丛，
申请(专利权)人：共达地创新技术深圳有限公司，
类型：发明
国别省市：