机器学习模型确定方法、装置、存储介质及电子设备制造方法及图纸

本申请涉及人工智能技术领域，具体涉及一种机器学习模型确定方法、装置、存储介质及电子设备，解决了现有技术中机器学习模型确定速度慢的问题。该机器学习模型确定方法包括：获取训练任务；基于所述训练任务和预先部署的机器学习流水线确定训练好的机器学习模型。直接获取训练任务，即可基于训练任务和预先部署的机器学习流水线进行训练，得到训练好的机器学习模型，从而加速了模型的训练速度，避免由于手动训练模型导致的效率不高的问题。手动训练模型导致的效率不高的问题。手动训练模型导致的效率不高的问题。

【技术实现步骤摘要】
机器学习模型确定方法、装置、存储介质及电子设备


[0001]本申请涉及人工智能
，特别地涉及一种机器学习模型确定方法、装置、存储介质及电子设备。

技术介绍

[0002]利用数据训练机器学习模型，以构建智能应用，已成为当前一种主流的人工智能实现方式。各类使用机器学习模型的智能应用，已经出现在我们生产生活的各个方面，例如，应用于各种场景中的人脸识别系统；手机中的图文识别和图文转换系统；智能汽车的辅助驾驶系统和障碍识别系统等。
[0003]目前，普遍的机器学习模型确定是由数据科学家和机器学习工程师参与的手动过程，这一过程通常包括数据提取、数据分析、数据准备、模型训练、模型评估和模型验证。在经历这一系列的流程和步骤之后，可以得到一个满足场景需求且符合特定指标要求的机器学习模型。但训练模型的流程和主要步骤是由数据科学家和机器学习工程师手动完成，且模型训练本身具有探索性和实验性，因此模型训练的过程通常较慢。此外，当识别或预测对象的数据模式发生变化、或智能应用的使用场景发生环境变化、或出现新的模型训练需求时，就需要重新进行模型训练，手工训练方式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器学习模型确定方法，其特征在于，所述方法包括：获取训练任务；基于所述训练任务和预先部署的机器学习流水线确定训练好的机器学习模型。2.根据权利要求1所述的方法，其特征在于，所述获取训练任务的步骤包括：对当前机器学习模型进行监控，以得到所述当前机器学习模型的运行数据；基于所述运行数据确定评估参数；基于所述评估参数及评估参数阈值确定是否满足预设条件；若是，则获取对所述当前机器学习模型进行更新的训练任务。3.根据权利要求1所述的方法，其特征在于，所述基于所述训练任务和预先部署的机器学习流水线确定训练好的机器学习模型的步骤，包括：获取与所述训练任务对应的训练算法以及超参数；基于所述训练算法以及超参数对预先部署的机器学习流水线进行配置；基于配置好的机器学习流水线确定训练好的机器学习模型。4.根据权利要求3所述的方法，其特征在于，所述获取与所述训练任务对应的训练算法以及超参数的步骤，包括：从元数据存储区中获取与所述训练任务对应的训练算法以及超参数。5.根据权利要求3所述的方法，其特征在于，所述基于所述训练任务和预先部署的机器学习流水线确定训练好的机器学习模型的步骤，还包括：基于所述训练任务从特征存储区获取对应的训练数据；其中，所述训练数据用在所述机器学习流水线训练机器学习模型的过程中。6.根据权利要求1所述的方法，...

【专利技术属性】
技术研发人员：刘馗，赵化臣，叶文杰，王延青，
申请(专利权)人：珠海联云科技有限公司，
类型：发明
国别省市：