[发明专利]机器学习模型训练方法、平台、电子设备及可读存储介质

说明书

本公开的实施例提供了一种机器学习模型训练方法、平台、电子设备及可读存储介质，所述方法包括：任务配置层创建待训练模型，以及向任务调度层发送所述待训练模型对应的模型训练请求；所述任务调度层响应于所述待训练模型对应的模型训练请求，根据所述待训练模型中各组件对应的任务类型和运行状态，对所述各组件中满足合并条件的至少两个组件进行合并，得到待执行组件，以及向任务执行层发送所述待执行组件对应的执行指令；所述任务执行层响应于所述执行指令，执行所述待执行组件。本公开实施例可以加快机器学习模型的训练速度。

技术领域

本公开的实施例涉及网络技术领域，尤其涉及一种机器学习模型训练方法、平台、电子设备及可读存储介质。

背景技术

随着互联网技术的迅速发展，使得业务数据的积累和使用更加方便，这也使得机器学习的应用更加广泛，例如，可以应用于搜索，推荐，广告，图像识别，机器翻译等领域。

为了使用户能够灵活配置机器学习模型的训练流程，可以将机器学习模型划分为多个组件，各组件可以实现不同的功能或者执行不同的任务，且每个组件独立执行。

然而，对组件功能的进一步细化，使得一个流程简单的机器学习模型也会包含大量的组件，在执行机器学习模型的训练流程的过程中，需要执行大量的组件，不仅耗费较多的时间资源而且需要占用更多的存储空间，导致模型训练的效率较低。

发明内容

本公开的实施例提供一种机器学习模型训练方法、平台、电子设备及可读存储介质，用以提高模型训练的效率。

根据本公开的实施例的第一方面，提供了一种机器学习模型训练方法，所述方法包括：

任务配置层创建待训练模型，以及向任务调度层发送所述待训练模型对应的模型训练请求；

所述任务调度层响应于所述待训练模型对应的模型训练请求，根据所述待训练模型中各组件对应的任务类型和运行状态，对所述各组件中满足合并条件的至少两个组件进行合并，得到待执行组件，以及向任务执行层发送所述待执行组件对应的执行指令；

所述任务执行层响应于所述执行指令，执行所述待执行组件。

根据本公开的实施例的第二方面，提供了一种机器学习模型训练平台，所述平台包括：

任务配置层，用于创建待训练模型，以及向任务调度层发送所述待训练模型对应的模型训练请求；

任务调度层，用于响应于所述待训练模型对应的模型训练请求，根据所述待训练模型中各组件对应的任务类型和运行状态，对所述各组件中满足合并条件的至少两个组件进行合并，得到待执行组件，以及向任务执行层发送所述待执行组件对应的执行指令；

任务执行层，用于响应于所述执行指令，执行所述待执行组件。

根据本公开的实施例的第三方面，提供了一种电子设备，包括：

处理器、存储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，其特征在于，所述处理器执行所述程序时实现前述机器学习模型训练方法。

根据本公开的实施例的第四方面，提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行前述机器学习模型训练方法。

本公开的实施例提供了一种机器学习模型训练方法、平台、电子设备及可读存储介质，所述方法包括：

任务配置层创建待训练模型，以及向任务调度层发送所述待训练模型对应的模型训练请求；

所述任务调度层响应于所述待训练模型对应的模型训练请求，根据所述待训练模型中各组件对应的任务类型和运行状态，对所述各组件中满足合并条件的至少两个组件进行合并，得到待执行组件，以及向任务执行层发送所述待执行组件对应的执行指令；