[发明专利]多任务的部署方法、装置、电子设备及存储介质

说明书

本公开提供了一种多任务的部署方法、装置、电子设备及存储介质，涉及计算机技术领域，具体涉及深度学习和自然语言处理等人工智能技术领域。具体实施方案为：获取N个第一任务和K个网络模型，N和K为大于或者等于1的正整数；将N个第一任务轮换地分配到K个网络模型上进行运算，以获取任务与网络模型之间的至少一个候选组合，每个候选组合中包括N个第一任务与K个网络模型之间的映射关系；从至少一个候选组合中选取组合运算正确率最大的目标组合；将K个网络模型和目标组合的目标映射关系部署到预测机器上。通过将任务与网络模型进行匹配，以获取到任务‑网络模型的最佳组合，由此，可以提高任务处理的时效性和正确率。

技术领域

本公开涉及计算机技术领域，具体涉及大数据和深度学习等人工智能技术领域，尤其涉及一种多任务的部署方法、装置和电子设备及存储介质。

背景技术

近年，深度学习技术由于具有能够降低用户使用复杂度和用户技术理解难度的特性，被快速应用到各个行业的业务场景中。

现有深度学习系统一般根据经验，放置一个或多个训练好的深度学习模型。但是什么时候，选择用什么模型运行某个任务，没有经过精确设计。尤其是当复杂的任务波动变化，经验性的给某个任务匹配深度学习模型难以保证实时可调度性。因此如何获取合适的深度学习模型成为了现在需要解决的问题。

发明内容

本公开提供了一种用于多任务的部署方法、装置、电子设备及存储介质。

根据本公开的第一方面，提供了一种多任务的部署方法，包括：获取N个第一任务和K个网络模型，其中，N和K为大于或者等于1的正整数；将所述N个第一任务轮换地分配到所述K个网络模型上进行运算，以获取任务与网络模型之间的至少一个候选组合，每个所述候选组合中包括所述N个第一任务与所述K个网络模型之间的映射关系；从所述至少一个候选组合中选取组合运算正确率最大的目标组合；将所述K个网络模型和所述目标组合的目标映射关系部署到预测机器上。

根据本公开的第二方面，提供了一种多任务的部署装置，包括：获取模块，用于获取N个第一任务和K个网络模型，其中，N和K为大于或者等于1的正整数；运算模块，用于将所述N个第一任务轮换地分配到所述K个网络模型上进行运算，以获取任务与网络模型之间的至少一个候选组合，每个所述候选组合中包括所述N个第一任务与所述K个网络模型之间的映射关系；选取模块，用于从所述至少一个候选组合中选取组合运算正确率最大的目标组合；部署模块，将所述K个网络模型和所述目标组合的目标映射关系部署到预测机器上。

根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面实施例所述的多任务的部署方法

根据本公开第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其上存储有计算机程序/指令，所述计算机指令用于使所述计算机执行上述第一方面实施例所述的多任务的部署方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现上述第一方面实施例所述的多任务的部署方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1为本公开实施例提供的一多任务的部署方法的流程示意图；

图2为本公开实施例提供的另一多任务的部署方法的流程示意图；

图3为本公开实施例提供的另一多任务的部署方法的流程示意图；