[发明专利]支持多维度AI的方法和系统

说明书

本申请公开了一种支持多维度AI的方法和系统。该方法包括基于公有云，采用容器化技术，均衡负载以及合理分配和快速释放资源；基于nginx配合Spingcloud getway，搭建平台网关以及访问环境，创建相对应的API请求路径；后端封装各类API功能，精简参数以及规范返回数据；基于React开发，搭建可视化操作界面。本申请解决了相关技术中差异化需求很难用单个设备来满足，需要花费算法工程师大量时间重复的创建基础环境以及框架的问题。

技术领域

本申请涉及前端开发领域，具体而言，涉及一种支持多维度AI的方法和系统。

背景技术

大部分算法工程师会使用机器学习算法、已经写好了的算法实现代码(libraries)、大量的数据在个人电子设备中创建不同的算法框架基础环境进行开发。但是机器学习的涵盖面非常广，不同场景下的机器学习之间是有很大差异的。一些机器学习专注于语音文字识别，有的则是聚焦预测分析。在部署方式上，又有很大的差异性：某些部署到了云端或者内部预置服务器。这些差异化需求很难用单个设备来满足。或者说算法工程师需要花费大量时间重复的创建基础环境以及框架。

目前，市场上现有技术的缺点：

差异化需求很难用单个设备来满足，需要花费算法工程师大量时间重复的创建基础环境以及框架。

针对相关技术中差异化需求很难用单个设备来满足，需要花费算法工程师大量时间重复的创建基础环境以及框架的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种支持多维度AI的方法，以解决上述问题。

为了实现上述目的，根据本申请的一个方面，提供了一种支持多维度AI的方法。

根据本申请的支持多维度AI的方法包括：

基于公有云，采用容器化技术，均衡负载以及合理分配和快速释放资源；

基于nginx配合Sping cloud getway，搭建平台网关以及访问环境，创建相对应的API请求路径；

后端封装各类API功能，精简参数以及规范返回数据；

基于React开发，搭建可视化操作界面。

进一步的，所述后端封装各类API功能，精简参数以及规范返回数据，包括：

基于Spring构建可视化PB级文件存储界面；

所述文件存储界面，支持版本化数据集以及模型集管理，支持多种模型框架，联动平台开发、训练的功能；

所述文件，支持不同格式的在线预览、vscode在线编辑、即时保存。

进一步的，所述后端封装各类API功能，精简参数以及规范返回数据，包括：

预置GitLab代码托管服务，支持代码Git管理及训练代码溯源，联动开发空间以及数据仓库一键拉取代码开发。

进一步的，所述后端封装各类API功能，精简参数以及规范返回数据，包括：

基于jupyterhub实现Jupyter的多用户管理，挂载个人数据仓库路径；

所述挂载个人数据仓库路径，支持python、ipython、R等编程方式，支持一键为Jupyter添加代码、数据集、模型集，同时支持简单的streamlit、ipython一键部署并提供外部可访问地址。

进一步的，所述后端封装各类API功能，精简参数以及规范返回数据，包括：

基于k8s集群创建容器，内部支持Keras、PyTorch、MXNet、TensorFlow多种框架一键选择，同时支持用户自定义其他不同的框架；