[发明专利]机器学习模型建立方法、相关装置及计算机程序产品

说明书

本公开提供了一种机器学习模型建立方法、装置、电子设备、计算机可读存储介质及计算机程序产品，涉及机器学习、模型建立、可视化等技术领域。该方法包括：获取用户在可视化配置界面绘制的模型算子结构图；将模型算子结构图封装为目标类邻接矩阵；其中，目标类邻接矩阵包括：模型算子的编号、输入参数、配置参数以及不同模型算子之间的有向边连接关系；根据目标类邻接矩阵生成编排文件；其中，编排文件中记录执行步骤和不同执行步骤之间的执行时序；按执行时序将相应的执行步骤置于容器化环境下执行，并在执行完成后得到目标机器学习模型。应用该方法可以更便利的自行建立所需的机器学习模型。

技术领域

本公开涉及数据处理技术领域，具体涉及机器学习、模型建立、可视化等技术领域，尤其涉及一种机器学习模型建立方法、装置、电子设备、计算机可读存储介质及计算机程序产品。

背景技术

随着机器学习思想的逐渐发展，基于机器学习思想构建出的机器学习模型已经逐渐应用至各行各业，在各行各业中发挥越来越重要的作用。

同时随着研究的深入，也逐渐从直接使用现成的、通用的机器学习模型，到逐渐自行创建或建立更符合实际应用场景、领域垂直度更高的机器学习模型。

因此，如何更便利的帮助没有编码和建模经验的业务人员能快速上手产出所需的机器学习模型，是本领域技术人员亟待解决的问题。

发明内容

本公开实施例提出了一种机器学习模型建立方法、装置、电子设备、计算机可读存储介质及计算机程序产品。

第一方面，本公开实施例提出了一种机器学习模型建立方法，包括：获取用户在可视化配置界面绘制的模型算子结构图；将模型算子结构图封装为目标类邻接矩阵；其中，目标类邻接矩阵包括：模型算子的编号、输入参数、配置参数以及不同模型算子之间的有向边连接关系；根据目标类邻接矩阵生成编排文件；其中，编排文件中记录有执行步骤和不同执行步骤之间的执行时序；按执行时序将相应的执行步骤置于容器化环境下执行，并在执行完成后得到目标机器学习模型。

第二方面，本公开实施例提出了一种机器学习模型建立装置，包括：模型算子结构图获取单元，被配置成获取用户在可视化配置界面绘制的模型算子结构图；目标类邻接矩阵封装单元，被配置成将模型算子结构图封装为目标类邻接矩阵；其中，目标类邻接矩阵包括：模型算子的编号、输入参数、配置参数以及不同模型算子之间的有向边连接关系；编排文件生成单元，被配置成根据目标类邻接矩阵生成编排文件；其中，编排文件中记录有执行步骤和不同执行步骤之间的执行时序；容器化环境执行单元，被配置成按执行时序将相应的执行步骤置于容器化环境下执行，并在执行完成后得到目标机器学习模型。

第三方面，本公开实施例提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器执行时能够实现如第一方面中任一实现方式描述的机器学习模型建立方法。

第四方面，本公开实施例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，该计算机指令用于使计算机执行时能够实现如第一方面中任一实现方式描述的机器学习模型建立方法。

第五方面，本公开实施例提供了一种包括计算机程序的计算机程序产品，该计算机程序在被处理器执行时能够实现如第一方面中任一实现方式描述的机器学习模型建立方法的步骤。

本公开提供的机器学习模型建立方案，通过预先将用于搭建机器学习模型的各个功能组件封装为独立的模型算子，得以使用户在可视化配置界面对模型算子进行拼装操作得到模型算子结构图，而通过将模型算子结构图封装为便于计算机设备识别的类邻接矩阵，能够便于将其正确转换为记录执行步骤和执行时序的编排文件，最终通过容器化工作流引擎提供的容器化环境执行各执行步骤，规避了各执行步骤之间在同一执行环境下可能产生的影响，得以更顺利的完成机器学习模型的建立。