[发明专利]一种标准化开发训练平台

权利要求书

1.一种标准化开发训练平台，其特征在于，包括：物理资源层、调度管理层、训练环境层和业务应用层；

所述物理资源层包括CPU、GPU、存储、网络设备和安全防护设备；

所述调度管理层包括集群管理系统、资源管理系统、任务调度系统和用户管理系统；

所述训练环境层包括主流学习框架TensorFlow、PyTorch、Caffe、scikit-learn和/或XGBoost；

所述业务应用层包括数据处理模块、数据标注模块、模型训练模块和模型发布模块；

所述模型发布模块，用于判断待发布模型是否适配终端的硬件，若是，则将所述待发布模型发布到所述终端；若否，则对所述待发布模型进行模型压缩或模型转换，直至压缩或转换后的所述待发布模型适配所述终端的硬件。

2.根据权利要求1所述的标准化开发训练平台，其特征在于，所述数据标注模块包括：

标注子模块，用于在接收到标注任务后，对待标注数据集进行类别标注，得到已标注数据集；

审核子模块，用于根据预置规则对所述已标注数据集进行命名和审核；

存储子模块，用于将审核通过的所述已标注数据集根据所述命名存储到所述标准化开发训练平台的指定路径。

3.根据权利要求2所述的标准化开发训练平台，其特征在于，所述标注子模块具体用于：

在接收到标注任务后，将待标注数据集输入到自动标注模型进行类别标注，输出已标注数据集，其中，所述自动标注模型由人工标注的数据集训练得到。

4.根据权利要求1所述的标准化开发训练平台，其特征在于，所述模型训练模块用于：

接收到训练任务后，根据所述训练任务中的配置参数进行模型训练。

5.根据权利要求4所述的标准化开发训练平台，其特征在于，所述模型发布模块还用于：

将训练好的模型发布到模型仓库。

6.根据权利要求5所述的标准化开发训练平台，其特征在于，所述模型发布模块还用于：

对模型进行性能评估，所述性能评估指标包括准确率、召回率或mAP值。

7.根据权利要求1所述的标准化开发训练平台，其特征在于，所述模型发布模块具体用于：

判断待发布模型是否适配终端的硬件，若是，则将所述待发布模型加密后发布到所述终端；若否，则对所述待发布模型进行模型压缩或模型转换，直至压缩或转换后的所述待发布模型适配所述终端的硬件。

8.根据权利要求1所述的标准化开发训练平台，其特征在于，所述任务调度系统用于：

在接收到训练任务时，分配资源；

将所述训练任务加入任务队列，使得所述资源空闲时，执行所述训练任务。

9.根据权利要求1所述的标准化开发训练平台，其特征在于，还包括：可视化监控模块；

所述可视化监控模块，用于实时监控所述标准化开发训练平台的计算资源消耗情况，并提供CPU和/或GPU计算节点的监控界面。