基于云端的深度学习训练平台、方法、介质及设备技术

本申请提供了一种基于云端的深度学习训练平台、方法、介质及设备，所述训练平台包括位于用户本地的平台前端和部署在云端的平台后端，其中，所述平台前端，用于配置深度学习训练任务，并实时监控所述平台后端反馈的训练任务进度和/或结果；所述平台后端，用于对源数据进行预处理得到数据集，并预置有多个模型架构，还用于针对所述平台前端提交的至少一个训练任务，选择对应的数据集和模型架构，以实验和运行双维度单位对训练任务进行管理，以及，定期存储训练产物，并根据所述训练产物反馈所述训练任务进度和/或结果，其中，针对多个训练任务进行负载均衡并对应分配各自的图形处理单元GPU资源。本申请方案可提高训练效率和稳定性。

【技术实现步骤摘要】

本申请涉及机器学习，尤其是涉及到一种基于云端的深度学习训练平台、方法、介质及设备。

技术介绍

1、随着人工智能技术的不断发展，深度学习被广泛应用在各个领域，如图像识别、语音识别、自然语言处理等。在深度学习应用中，训练模式是非常重要的环节。然而，传统的深度学习模型训练通常在本地环节下进行，由于本地资源的限制，因此存在着效率低、稳定性差等技术问题。

技术实现思路

1、有鉴于此，本申请提供了一种基于云端的深度学习训练平台、方法、介质及电子设备，主要目的在于提高深度学习模型训练的稳定性和效率。

2、依据本申请的一个方面，提供了一种基于云端的深度学习训练平台，所述训练平台包括位于用户本地的平台前端和部署在云端的平台后端，其中，

3、所述平台前端，用于配置深度学习训练任务，并实时监控所述平台后端反馈的训练任务进度和/或结果；

4、所述平台后端，用于对源数据进行预处理得到数据集，并预置有多个模型架构，还用于针对所述平台前端提交的至少一个训练任务，选择对应的数据集和模型架构，以实验和运行双本文档来自技高网...

【技术保护点】

1.一种基于云端的深度学习训练平台，其特征在于，所述训练平台包括位于用户本地的平台前端和部署在云端的平台后端，其中，

2.根据权利要求1所述的平台，其特征在于，

3.根据权利要求2所述的平台，其特征在于，

4.根据权利要求1所述的平台，其特征在于，所述平台后端包括：负载均衡层、模型训练流程管理层和存储层，其中，

5.根据权利要求4所述的平台，其特征在于，所述训练流程管理服务器进一步包括：数据预处理模块、训练任务确定模块、训练生产线调用模块、轮次评测模块、GPU资源管理调用模块，其中，

6.根据权利要求5所述的平台，其特征在于，所...

【技术特征摘要】

1.一种基于云端的深度学习训练平台，其特征在于，所述训练平台包括位于用户本地的平台前端和部署在云端的平台后端，其中，

2.根据权利要求1所述的平台，其特征在于，

3.根据权利要求2所述的平台，其特征在于，

4.根据权利要求1所述的平台，其特征在于，所述平台后端包括：负载均衡层、模型训练流程管理层和存储层，其中，

5.根据权利要求4所述的平台，其特征在于，所述训练流程管理服务器进一步包括：数据预处理模块、训练任务确定模块、训练生产线调用模块、轮次评测模块、gpu资源管理调用模块，其中，

6.根据权利要求5所述的平台，其特征在...

【专利技术属性】
技术研发人员：李牧昀，林影，刘跃虎，屈天航，李昱鹏，杨春林，谢戴军，李仁宇，孙鑫磊，刘宇冲，孙琪，
申请(专利权)人：魔门塔苏州科技有限公司，
类型：发明
国别省市：