[发明专利]一种面向物联网的机器学习容器镜像下载系统及其方法在审

专利信息
申请号: 202211250853.1 申请日: 2022-10-13
公开(公告)号: CN115543538A 公开(公告)日: 2022-12-30
发明(设计)人: 张登银;刘子捷;陈皓然;程义;陈灿;朱孟达;许晖 申请(专利权)人: 南京邮电大学
主分类号: G06F9/455 分类号: G06F9/455;G06F9/48;G06N20/00;G16Y30/00
代理公司: 南京纵横知识产权代理有限公司 32224 代理人: 严志平
地址: 210003 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 面向 联网 机器 学习 容器 下载 系统 及其 方法
【权利要求书】:

1.一种面向物联网的机器学习容器镜像下载系统,其特征在于,包括一个主控节点和多个计算节点;

所述主控节点:用于存储、转换机器学习模型,将转换格式的机器学习模型构建为机器学习容器镜像;当构建机器学习容器镜像的镜像信息完成后,向计算节点下发镜像下载指令;

所述计算节点:用于接收所述镜像下载指令,下载机器学习容器镜像,并启动机器学习容器;并接收来自物联网设备收集的数据,向物联网设备返回数据处理结果。

2.根据权利要求1所述的一种面向物联网的机器学习容器镜像下载系统,其特征在于,所述机器学习模型包括计算机视觉和自然语言处理领域的预训练机器学习模型。

3.根据权利要求1所述的一种面向物联网的机器学习容器镜像下载系统,其特征在于,所述主控节点包括控制平面、机器学习模型仓库、机器学习模型转换器、机器学习容器镜像构建器、机器学习容器镜像仓库和调度器;

所述控制平面,用于读取、解析用户设置的机器学习容器部署参数,所述机器学习容器部署参数包括机器学习模型的类型及所述机器学习模型依赖的对应的机器学习计算框架和需要部署机器学习容器的计算节点参数;

所述机器学习模型仓库,用于储存机器学习模型;

所述机器学习模型转换器,用于将所述机器学习模型转换为ONNX格式的机器学习模型;

机器学习容器镜像构建器,用于依据转换为ONNX格式的机器学习模型构建所述机器学习容器镜像;

所述机器学习容器镜像仓库,用于存储带有镜像信息的所述机器学习容器镜像;

所述调度器,用于接收控制平面设置的需要部署所述机器学习容器的计算节点参数和所述机器学习容器镜像的镜像信息,向所述计算节点发送镜像下载指令。

4.根据权利要求3所述的一种面向物联网的机器学习容器镜像下载系统,其特征在于,所述计算节点包括镜像分发代理、容器引擎和分布式存储组件;

所述镜像分发代理,用于接收所述镜像下载指令、通知容器引擎下载所述机器学习容器镜像、拦截容器引擎对所述机器学习容器镜像的下载请求、访问所在计算节点的分布式存储组件;

所述容器引擎,用于接收镜像分发代理的通知,发起下载所述机器学习容器镜像的请求;

所述分布式存储组件,用于存储下载的所述机器学习容器镜像,各分布式存储组件之间相互连接,为所述镜像分发代理获取包含所述机器学习容器镜像的下载源,并从获取的所述下载源处下载所述机器学习容器镜像。

5.根据权利要求4所述的一种面向物联网的机器学习容器镜像下载系统,其特征在于,所述分布式存储组件采用Bitswap协议从机器学习容器镜像的下载源下载机器学习容器镜像。

6.根据权利要求3所述的一种面向物联网的机器学习容器镜像下载系统,其特征在于,构建完成的所述机器学习容器镜像包括:执行所述机器学习模型的运行脚本及其依赖库。

7.一种面向物联网的机器学习容器镜像下载系统的方法,其特征在于,所述方法包括以下步骤:

所述控制平面读取所述用户设置的机器学习容器部署参数,解析出机器学习模型的名称通过机器学习模型仓库查找所需的机器学习模型;所述机器学习容器镜像构建器接收经转换后的所述ONNX格式的机器学习模型,构建为机器学习容器镜像;所述机器学习容器镜像仓库将存储的所述机器学习容器镜像的信息发送至所述调度器;

所述镜像分发代理接收镜像下载指令后,对应所述分布式存储组件从所述机器学习容器镜像的下载源获取所述机器学习容器镜像的文件全部;启动对应的所述机器学习容器;计算节点接收物联网设备收集到的数据,并交由启动的所述机器学习容器进行数据处理;镜像分发代理将所述机器学习容器的数据处理结果反馈至物联网设备。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京邮电大学,未经南京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211250853.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top