[发明专利]人工智能模型共享方法、装置、计算机设备及存储介质

说明书

本发明实施例公开了一种人工智能模型共享方法、装置、计算机设备及存储介质，方法包括：采用单一终端进行人工智能模型训练；统一存储训练完成的人工智能模型；对存储的人工智能模型进行归类；根据需求将相应的人工智能模型下发至目标设备。本发明能够极大的提升了开发效率，更好的分别针对场景和模型进行管理，实现模型共享的效果。

技术领域

本发明涉及数据处理技术领域，更具体地说是人工智能模型共享方法、装置、计算机设备及存储介质。

背景技术

传统的机器学习训练方式，都是让所有跟交换机相连接的前端机器自行学习，不断训练自己的模型，并且把模型保留在本地，不进行模型的分发，即自己学会自己用，不分享。这种方式的缺点是：多台机器同时训练增大了电量的消耗以及增大了服务器的压力，效率低下，与此同时，对模型缺乏管理，导致算法及运营人员对模型的功能定义不明确，导致算法人员在优化模型时需要花费时间去选择判断哪个模型是自己需要优化的，运营人员也可能因为模型功能定义不明确，导致模型下发时选择错误，耽误业务正常运作，整体缺乏一个统一模型管理以及数据下发的规范，大大降低了数据处理以及输出的效率。

发明内容

本发明的目的在于克服现有技术的不足，提供人工智能模型共享方法、装置、计算机设备及存储介质。

为实现上述目的，本发明采用以下技术方案：

第一方面，人工智能模型共享方法，包括：

采用单一终端进行人工智能模型训练；

统一存储训练完成的人工智能模型；

对存储的人工智能模型进行归类；

根据需求将相应的人工智能模型下发至目标设备。

其进一步技术方案为：所述对存储的人工智能模型进行归类，包括：

设定人工智能模型的应用场景；

按照应用场景的功能对人工智能模型进行分类；

将分类后的人工智能模型与对应的应用场景进行绑定。

其进一步技术方案为：所述根据需求将相应的人工智能模型下发至目标设备，包括：

监测人工智能模型下发状态；

将下发成功的人工智能模型与对应的目标设备进行绑定和任务关联；

为每一次绑定和任务关联创建版本管理号。

其进一步技术方案为：所述采用单一终端进行人工智能模型训练，包括：

设置训练节点；

对训练节点识别到的训练目标对象进行格式转换；

将格式转换的训练目标对象输入到训练模型中进行机器识别学习，以得到识别结果；

对识别结果中正确的结果进行反复机器学习，直至达到设定的训练程度；

将达到设定的训练程度时所输出的训练模型作为最终输出的人工智能模型。

第二方面，人工智能模型共享装置，包括训练单元、存储单元、归类单元以及下发单元；

所述训练单元，用于采用单一终端进行人工智能模型训练；

所述存储单元，用于统一存储训练完成的人工智能模型；

所述归类单元，用于对存储的人工智能模型进行归类；

所述下发单元，用于根据需求将相应的人工智能模型下发至目标设备。

其进一步技术方案为：所述归类单元包括设定模块、分类模块以及第一绑定模块；