一种AI模型全生命周期管理方法、平台及存储介质技术

技术编号:40833711 阅读:12 留言:0更新日期:2024-04-01 14:57
本发明专利技术实施例公开了一种AI模型全生命周期管理方法、平台及存储介质,该方法用于并行训练获得多个AI模型,方法包括:接收用户的第一预设操作,创建数据集;接收用户导入的原始数据,对原始数据进行标注,将标注后的原始数据存储在数据集中以构建训练集;接收用户的第二预设操作,从模型库预存的多种类型的深度学习模型中选择至少一个类型的深度学习模型,为每个被选中的深度学习模型创建训练任务;为每一个训练任务单独分配一个虚拟容器,利用训练集和预设算法分别在每一个虚拟容器中对对应的深度学习模型进行训练,获得AI模型。实施本发明专利技术实施例提供的方法方便用户一站式构建AI模型。

【技术实现步骤摘要】

本专利技术涉及计算机软件,具体涉及一种ai模型全生命周期管理方法、平台及存储介质。


技术介绍

1、随着人工智能技术的不断发展,人们对于ai模型的研究和应用也越来越深入。ai模型是指运用数学、统计、计算机科学和机器学习等领域的方法,对具有一定规律性和可预测性的数据进行分析、处理、预测和优化的数学模型。简单来说,ai模型就是将“数据”转化为“智能”的一种数学模型。与传统的数学模型相比,ai模型具有更加强大、高效、灵活的特点。因此,在现代数学和计算机技术的支持下,ai模型被广泛应用于各种领域,包括金融、医疗、交通、农业、能源等多个领域。

2、ai模型的分类主要分为两大类:有监督学习模型和无监督学习模型。

3、有监督学习模型是一种通过对有标记(标注)数据的学习,来预测新的未标记数据的类型或属性的模型。常见的有监督学习模型包括决策树、支持向量机、神经网络等。

4、无监督学习模型则是一种通过对未标记数据的学习,来发现其中的规律、关系和结构的模型。常见的无监督学习模型包括聚类、关联规则、主成分分析等。

5、除了有监督学习模本文档来自技高网...

【技术保护点】

1.一种AI模型全生命周期管理方法,其特征在于,该方法用于并行训练获得多个AI模型,所述方法包括:

2.如权利要求1所述的一种AI模型全生命周期管理方法,其特征在于,所述原始数据包括图片文件和视频文件。

3.如权利要求2所述的一种AI模型全生命周期管理方法,其特征在于,在接收用户导入的原始数据之后,所述方法还包括:

4.如权利要求3所述的一种AI模型全生命周期管理方法,其特征在于,所述数据增强操作包括缩放、颜色空间转换、格式转换、翻转旋转和裁剪。

5.如权利要求1所述的一种AI模型全生命周期管理方法,其特征在于,在获得AI模型后,所述方法还...

【技术特征摘要】

1.一种ai模型全生命周期管理方法,其特征在于,该方法用于并行训练获得多个ai模型,所述方法包括:

2.如权利要求1所述的一种ai模型全生命周期管理方法,其特征在于,所述原始数据包括图片文件和视频文件。

3.如权利要求2所述的一种ai模型全生命周期管理方法,其特征在于,在接收用户导入的原始数据之后,所述方法还包括:

4.如权利要求3所述的一种ai模型全生命周期管理方法,其特征在于,所述数据增强操作包括缩放、颜色空间转换、格式转换、翻转旋转和裁剪。

5.如权利要求1所述的一种ai模型全生命周期管理方法,其特征在于,在获得ai模型后,所述方法还包括:

6.如权利要求1所述的一种ai模型全生命周期管理方法,其特征在于,所述预设算法包括:

7.如权利要求1所述的一...

【专利技术属性】
技术研发人员:曹辉屈韬钟品
申请(专利权)人:中科城市大脑数字科技无锡有限公司
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