一种模型训练部署的方法、装置、介质及电子设备制造方法及图纸

技术编号:38200609 阅读:7 留言:0更新日期:2023-07-21 16:42
本申请实施例提供一种模型训练部署的方法、装置、介质及电子设备,所述方法包括:获取目标区域中多种应用场景;分别建立所述多种应用场景中各应用场景与所需的所有待训练模型之间的关联关系,得到应用场景与待训练模型之间的映射关系表;根据各数据集携带的场景标签为所述各应用场景分配训练数据,其中,一个数据集对应一个应用场景;根据所述映射关系表,利用所述训练数据对与所述各应用场景对应的待训练模型进行训练,得到与目标模型集合。通过本申请实施例提供的云边系统对模型更新部署自动化流程,以适应在多种识别场景下,进行自动化模型训练、模型更新、模型部署,以降低模型更新的人工成本及多场景下的管理难度。型更新的人工成本及多场景下的管理难度。型更新的人工成本及多场景下的管理难度。

【技术实现步骤摘要】
一种模型训练部署的方法、装置、介质及电子设备


[0001]本申请涉及模型训练领域,具体而言本申请实施例涉及一种模型训练部署的方法、装置、介质及电子设备。

技术介绍

[0002]随着物联网和深度学习的快速发展,深度学习模型在边缘智能设备的研究与应用已经成为了产业界和学术界关注的热点之一。为了提升边缘侧智能设备的智能化水平,基于深度学习模型的自动化控制系统已经成为各大厂商普遍采用的边缘设备智能化方案。制造商对边缘设备的应用场景进行建模,确定深度学习模型的配置参数并对其进行训练,然后将训练好的模型嵌入到边缘智能设备中去进行推理决策。
[0003]但是目前的边缘上报—云端训练—下发模型更新方式一般只考虑单一场景的情况。但在譬如智慧园区场景下,一般云端需要介入多个边缘端,不同边缘设备检测功能有所不同,这时候云端对数据上报、模型训练、更新部署流程比较复杂。

技术实现思路

[0004]本申请实施例的目的在于提供一种模型训练部署的方法、装置、介质及电子设备,通过本申请实施例提供的云边系统对模型更新部署自动化流程,以适应在多种识别场景下,进行自动化模型训练、模型更新、模型部署,以降低模型更新的人工成本及多场景下的管理难度。
[0005]第一方面,本申请实施例提供一种模型训练部署的方法,所述方法包括:获取目标区域中多种应用场景;分别建立所述多种应用场景中各应用场景与所需的所有待训练模型之间的关联关系,得到应用场景与待训练模型之间的映射关系表;根据各数据集携带的场景标签为所述各应用场景分配训练数据,其中,一个数据集对应一个应用场景;根据所述映射关系表,利用所述训练数据对与所述各应用场景对应的待训练模型进行训练,得到与目标模型集合。
[0006]本申请的一些实施例通过建立多类应用场景并构建各类应用场景与多个待训练模型之间的映射关系,进而实现多种应用场景的模型训练以及部署提升云端模型训练的效率。
[0007]在一些实施例中,所述目标区域为工业园区,所述应用场景包括电子围栏场景,与所述电子围栏场景对应的待训练模式包括:人体识别模型和工服识别模型。
[0008]本申请的一些实施例的应用场景包括电子围栏场景并对应构建与该场景的多个模型。
[0009]在一些实施例中,所述目标区域为工业园区,所述应用场景包括明厨亮灶场景,与所述明厨亮灶场景对应的待训练模式包括:人体识别模型、工服识别模型以及抽烟动作识别模型。
[0010]本申请的一些实施例的应用场景包括电子围栏场景并对应构建与该场景的多个
模型。
[0011]在一些实施例中,所述目标区域为工业园区,所述应用场景包括车牌识别场景,与所述车牌识别场景对应的待训练模式包括:车牌识别模型。
[0012]本申请的一些实施例的应用场景包括车牌识别场景并对应构建与该场景的多个模型。
[0013]在一些实施例中,在所述根据各数据集携带的场景标签为所述各应用场景分配训练数据之前,所述方法包括:接收来自于各边缘设备上报的图片,其中,所述图片携带应用场景标签;聚合与各应用场景对应的所有图片,得到多个所述数据集并将被聚合片的应用场景作为对应数据集的场景标签。
[0014]本申请的一些实施例获取各应用场景的训练数据,可以实现同时对多种应用场景的模型训练的技术效果。
[0015]在一些实施例中,在所述得到与目标模型集合之后,所述方法还包括:获取与所述目标模型集合中第一目标模型对应的所有应用场景,得到待验证应用场景集合;获取所述待验证应用场景集中各应用场景的预置场景验证集,得到多个预置场景验证集;根据所述多个预置场景验证集数据分别对所述第一目标模型进行验证评分,得到多个评分值,其中,一个应用场景对应一个评分。
[0016]本申请的一些实施例通过多个与应用场景对应的验证集对对应模型进行训练,进而可以得到的模型的性能。
[0017]在一些实施例中,所述得到多个评分值之后,所述方法还包括:如果验证得分更高,则触发对相应待训练模型的更新流程。
[0018]本申请的一些实施例通过选取得分更高的模型可以提升得到的模型的性能。
[0019]在一些实施例中,所述方法还包括:获取与所述多种应用场景中各应用场景对应的所有边缘设备,得到应用场景与边缘设备映射关系表;根据所述应用场景与边缘设备映射关系表将所述目标模型发送给相关边缘设备。
[0020]本申请的一些实施例为了根据维护的映射表为边缘设备发送对应训练好的模型,实现多场景多设备的模型训练以及部署。
[0021]在一些实施例中,在所述根据所述应用场景与边缘设备映射关系表将所述目标模型发送给相关边缘设备之前,所述方法还包括:确认所述相关边缘设备上报心跳信息。
[0022]本申请的一些实施例还需要检测边缘设备的心跳报文,进而保证接收训练模型的设备处于工作状态。
[0023]在一些实施例中,所述方法还包括:根据所述目标模型集合中的至少部分目标模型进行第一应用场景的行为识别。
[0024]本申请的一些实施例在云端采用训练好的模型进行数据处理,可以在云端部署运算认为较重的数据处理模型,提升技术方案的通用性。
[0025]第二方面,本申请一些实施例中提供一种行为识别的方法,所述方法包括:获取待识别应用场景的数据;根据所述数据和如第一方面所述的目标模型集合中的目标模型进行行为识别。
[0026]第三方面,本申请的一些实施例提供一种模型训练部署的装置,所述装置包括:第一获取模块,被配置为获取目标区域中多种应用场景;第一映射关系表构建模块,被配置为
分别建立所述多种应用场景中各应用场景与所需的所有待训练模型之间的关联关系,得到应用场景与待训练模型之间的映射关系表;训练数据分配模块,被配置为根据各数据集携带的场景标签为所述各应用场景分配训练数据,其中,一个数据集对应一个应用场景;训练模块,被配置为根据所述映射关系表,利用所述训练数据对与所述各应用场景对应的待训练模型进行训练,得到与目标模型集合。
[0027]第四方面,本申请的一些实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时可实现如第一方面或第二方面任意实施例所述的方法。
[0028]第五方面,本申请的一些实施例提供一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中,所述处理器执行所述程序时可实现如第一方面或第二方面任意实施例所述的方法。
附图说明
[0029]为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
[0030]图1为本申请实施例提供的云边系统的架构图;
[0031]图2为本申请实施例提供的模型训练部署的方法的流程图之一;
[0032]图本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种模型训练部署的方法,其特征在于,所述方法包括:获取目标区域中多种应用场景;分别建立所述多种应用场景中各应用场景与所需的所有待训练模型之间的关联关系,得到应用场景与待训练模型之间的映射关系表;根据各数据集携带的场景标签为所述各应用场景分配训练数据,其中,一个数据集对应一个应用场景;根据所述映射关系表,利用所述训练数据对与所述各应用场景对应的待训练模型进行训练,得到与目标模型集合。2.如权利要求1所述的方法,其特征在于,所述目标区域为工业园区,所述应用场景包括电子围栏场景,与所述电子围栏场景对应的待训练模式包括:人体识别模型和工服识别模型。3.如权利要求1所述的方法,其特征在于,所述目标区域为工业园区,所述应用场景包括明厨亮灶场景,与所述明厨亮灶场景对应的待训练模式包括:人体识别模型、工服识别模型以及抽烟动作识别模型。4.如权利要求1所述的方法,其特征在于,所述目标区域为工业园区,所述应用场景包括车牌识别场景,与所述车牌识别场景对应的待训练模式包括:车牌识别模型。5.如权利要求1所述的方法,其特征在于,在所述根据各数据集携带的场景标签为所述各应用场景分配训练数据之前,所述方法包括:接收来自于各边缘设备上报的图片,其中,所述图片携带应用场景标签;聚合与各应用场景对应的所有图片,得到多个所述数据集并将被聚合片的应用场景作为对应数据集的场景标签。6.如权利要求5所述的方法,其特征在于,在所述得到与目标模型集合之后,所述方法还包括:获取与所述目标模型集合中第一目标模型对应的所有应用场景,得到待验证应用场景集合;获取所述待验证应用场景集中各应用场景的预置场景验证集,得到多个预置场景验证集;根据所述多个预置场景验证集数据分别对所述第一目标模型进行验证评分,得到多个评分值,其中,一个应用场景对应一个评分。7.如权利要求6所述的方法,其特征在于,所述得到多个评分值之后,所述方法还包括:如果验证得分更高,...

【专利技术属性】
技术研发人员:滕安琪高凌燕
申请(专利权)人:创新奇智浙江科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1