[发明专利]一种基于SAAS构建的深度学习模型训练系统有效
| 申请号: | 201810250383.6 | 申请日: | 2018-03-26 |
| 公开(公告)号: | CN108399458B | 公开(公告)日: | 2022-07-08 |
| 发明(设计)人: | 廖志杰 | 申请(专利权)人: | 成都睿码科技有限责任公司;杭州数峰科技有限公司 |
| 主分类号: | G06N20/00 | 分类号: | G06N20/00 |
| 代理公司: | 北京世誉鑫诚专利代理有限公司 11368 | 代理人: | 孙国栋 |
| 地址: | 610000 四川省成都市自由贸易*** | 国省代码: | 四川;51 |
| 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 基于 saas 构建 深度 学习 模型 训练 系统 | ||
本发明公开了一种基于SAAS构建的深度学习模型训练系统基于基于域机制构建安全系统的方法及系统,包括:网关、训练服务器、应用服务器、分布式文件系统和数据库,训练服务器包括训练管理者和若干个训练者,SAAS消费者通过网关连接培训服务器上传和管理训练集,经训练管理者检查后分配给训练者运行训练;应用服务器包括应用管理者和若干个应用者,SAAS消费者通过网关连接应用服务器,由应用管理者分配或启动一个应用者运行已训练好的模型,之后,SAAS消费者通过网关传入输入数据、调用应用者上的已训练好的模型处理输入数据。本发明不需要消费者了解许多关于深度学习的专业知识;节省了昂贵的硬件成本;客户可以按需付费,使用方便灵活。
技术领域
本发明涉及一种深度学习模型训练系统,具体涉及一种基于SAAS构建的深度学习模型训练系统,属于计算机技术领域。
背景技术
深度学习的概念源于人工神经网络的研究,是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像,声音和文本。
很多人都希望自己训练的深度学习模型可以帮他们解决更细致的问题,但是这个过程会需要消费者了解许多关于深度学习的专业知识和昂贵的硬件支持,极大阻碍了深度学习的普及和应用。
因此,研制一种基于SAAS(软件即是服务)构建的深度学习模型训练系统,提供一种用于培训个人定制化训练系统的深度学习模型和关于深度学习模型的按需付费的SAAS系统,不但是非常必要的,也有重要的应用前景。
发明内容
本发明针对上述现有技术存在的问题做出改进,公开一种基于SAAS构建的深度学习模型训练系统,提供了一种用于培训个人定制化训练系统的深度学习模型和关于深度学习模型的按需付费的SAAS系统。
为了实现上述目标,本发明所采用的技术方案是:
一种基于SAAS构建的深度学习模型训练系统,包括:网关(1)、训练服务器(2)、应用服务器(3)、分布式文件系统(4)和数据库(5),
所述训练服务器(2)包括训练管理者(21)和若干个训练者(22),SAAS消费者通过所述网关(2)连接所述培训服务器(2)上传和管理训练集,经所述训练管理者(21)检查后分配给所述训练者(22)运行训练,完成后存储训练好的模型;
所述应用服务器(3)包括应用管理者(31)和若干个应用者(32),SAAS消费者通过所述网关(2)连接所述应用服务器(3),由所述应用管理者(31)分配或启动一个所述应用者(32)运行已训练好的模型,之后,SAAS消费者通过所述网关(2)传入输入数据、调用所述应用者(32)上的已训练好的模型处理输入数据,完成后回送结果;
所述分布式文件系统(4)存储SAAS消费者上传的训练集、已训练好的模型;所述数据库(5)存储和管理元数据。
前述的基于SAAS构建的深度学习模型训练系统,所述应用管理者(31)分配、启动、监管和停止闲置的应用,通过所述应用者(32)卸载应用中的训练模型。
前述的基于SAAS构建的深度学习模型训练系统,所述训练服务器(2)为服务器或服务器集群。
前述的基于SAAS构建的深度学习模型训练系统,所述应用服务器(3)为服务器或服务器集群。
前述的基于SAAS构建的深度学习模型训练系统,所述网关(1)是包括负载均衡功能和计费功能的网关。
前述的基于SAAS构建的深度学习模型训练系统,所述分布式文件系统(4)包括但不限于以下各类型文件系统:NFS、AFS、KFS、DFS。
与现有技术相比,本发明的有益之处在于:
(1)不需要消费者了解许多关于深度学习的专业知识;
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成都睿码科技有限责任公司;杭州数峰科技有限公司,未经成都睿码科技有限责任公司;杭州数峰科技有限公司许可,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/201810250383.6/2.html,转载请声明来源钻瓜专利网。





