[发明专利]通用机器学习模型的生成方法、装置和存储介质

说明书

本申请涉及一种通用机器学习模型的生成方法、装置、计算机设备和存储介质。所述方法包括：获取机器学习任务的任务参数；对所述任务参数进行分类处理，得到任务指令及模型参数；根据数据类型将所述任务指令及模型参数进行汇集，得到栈数据和堆数据；将所述栈数据和堆数据进行整合，得到通用机器学习模型。采用本方法能够使得算法运行中使用相应通用模型的编译结果直接进行执行，避免重复编译，从而大大提高机器学习算法实现的效率，缩短了从编译到得到执行结果的时间。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种通用机器学习模型的生成方法、装置和存储介质。

背景技术

随着人工智能的发展，出现了各种机器学习算法。传统的机器学习算法在开发平台中运行时，每次执行都要先经过编译过程。但是由于机器学习过程中，算法执行次数多，算法重复编译次数多，而编译过程耗时长，导致算法执行效率低。

发明内容

一种通用机器学习模型的生成方法，所述方法包括：

获取机器学习任务的任务参数；

对所述任务参数进行分类处理，得到任务指令及模型参数；

根据数据类型将所述任务指令及模型参数进行汇集，得到栈数据和堆数据；

将所述栈数据和堆数据进行整合，得到通用机器学习模型。

在其中一个实施例中，所述任务参数包括算法控制参数和计算参数；

所述对所述任务参数进行分类处理，得到任务指令及模型参数的步骤包括：

对所述算法控制参数进行编译，得到任务指令；

对所述计算参数进行分类处理，得到模型参数。

在其中一个实施例中，所述对所述计算参数进行分类处理，得到模型参数的步骤包括：

对所述计算参数进行预处理，得到预处理模型数据；

根据所述计算参数获取硬件参数；

提取所述计算参数中的数据属性参数。

在其中一个实施例中，所述根据数据类型将所述任务指令及模型参数进行汇集，得到栈数据和堆数据的步骤包括：

对所述任务指令进行分类处理，得到任务指令堆数据；

根据所述数据类型对模型参数进行分类处理，得到模型参数栈数据及模型参数堆数据；

对所述模型参数栈数据进行汇集，得到所述栈数据；

对所述模型参数堆数据进行汇集，得到所述堆数据。

在其中一个实施例中，所述根据所述数据类型对模型参数进行分类处理，得到模型参数栈数据及模型参数堆数据的步骤包括：

根据共享属性对所述模型参数进行分类，得到可共享模型参数及不可共享模型参数；

对可共享模型参数进行汇集，得到模型参数堆数据；

对所述不可共享模型参数进行汇集，得到模型参数栈数据。

在其中一个实施例中，所述模型参数堆数据包括模型参数静态数据和模型参数动态数据；

所述将所述栈数据和堆数据进行整合，得到通用机器学习模型的步骤包括：

将所述任务指令堆数据与所述模型参数静态数据进行打包整合，得到连续的静态数据块；

对所述模型参数动态数据进行打包整合，得到连续的动态数据块；

对所述模型参数栈数据进行打包整合，得到栈数据块；