【技术实现步骤摘要】
人工智能模型管理方法、装置、设备及可读存储介质
[0001]本申请涉及网络智能运维
,特别涉及一种人工智能模型管理方法
、
装置
、
设备及可读存储介质
。
技术介绍
[0002]目前,对于网络智能运维的要求越来越高,而基于人工智能
(Artificial Intelligence
,
AI)
的应用也逐渐增多,其不仅进一步加大了网络智能运维的难度,且由于各种人工智能应用对应的模型所需的
Runtime(
运行时
)
环境各有区别,而且所需的拓展性也不同,以致统一部署模型的兼容性难以保证
。
由此可见,如何提高
Runtime
环境的拓展性,以实现不同人工智能应用对应模型的统一部署是当前亟需解决的问题
。
技术实现思路
[0003]本申请提供一种人工智能模型管理方法
、
装置
、
设备及可读存储介质,以提高
Runtime
环境的拓展性,进而实现不同人工智能应用对应模型的统一部署
。
[0004]第一方面,提供了一种人工智能模型管理方法,包括以下步骤:
[0005]读取与目标模型对应的二进制文件
、
配置文件以及元数据文件;
[0006]当通过所述元数据文件确定目标模型存在新增依赖关系时,判断运行时模块内的独立实例组中是否存在与所述新增依赖关系对应的目标进程实 ...
【技术保护点】
【技术特征摘要】
1.
一种人工智能模型管理方法,其特征在于,包括以下步骤:读取与目标模型对应的二进制文件
、
配置文件以及元数据文件;当通过所述元数据文件确定目标模型存在新增依赖关系时,判断运行时模块内的独立实例组中是否存在与所述新增依赖关系对应的目标进程实例;若不存在,则将所述配置文件中的新增依赖关系添加至
Python
安装包所在的目标文件夹;加载所述目标文件夹以更新运行时环境,基于更新后的运行时环境派生新的进程实例,并将新的进程实例添加至独立实例组中;在独立实例组上加载所述二进制文件和所述配置文件,使所述目标模型加载至新的进程实例上运行,以完成模型部署
。2.
如权利要求1所述的人工智能模型管理方法,其特征在于,在所述判断运行时模块内的独立实例组中是否存在与所述新增依赖关系对应的目标进程实例的步骤之后,还包括:若存在,则在独立实例组上加载所述二进制文件和所述配置文件,以使目标模型加载至目标进程实例上运行
。3.
如权利要求1所述的人工智能模型管理方法,其特征在于,在所述读取与目标模型对应的二进制文件
、
配置文件以及元数据文件的步骤之后,还包括:当通过元数据文件确定目标模型不存在新增依赖关系时,在运行时模块内的常规实例组上加载所述二进制文件和所述配置文件,以使目标模型加载至常规实例组中与目标模型对应的进程实例上运行
。4.
如权利要求1至3中任一项所述的人工智能模型管理方法,其特征在于:通过动态导入
importlib
的方式加载所述二进制文件和所述配置文件
。5.
如权利要求1所述的人工智能模型管理方法,其特征在于,在所述在独立实例组上加载所述二进制文件和所述配置文件,使所述目标模型加载至新的进程实例上运行的步骤之后,还包括:当接收到训练请求时,调用所述配置文件中的训练方法以及目...
【专利技术属性】
技术研发人员:赵昱,涂志龙,
申请(专利权)人:烽火通信科技股份有限公司,
类型:发明
国别省市:
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。