[发明专利]通用高性能深度学习计算引擎中的实时交互方法及系统

说明书

本发明提供了一种通用高性能深度学习计算引擎中的实时交互方法及系统，其中，所述方法包括：确定待导入的模型，并在所述通用高性能深度学习计算引擎中选择目标节点，所述目标节点包括主机组或者主机组内的主机；输入所述待导入的模型对应的远程路径，并按照所述远程路径，将所述待导入的模型导入选择的所述目标节点中。本申请提供的技术方案，能够简化与计算引擎的交互过程。

技术领域

本发明涉及数据处理技术领域，特别涉及一种通用高性能深度学习计算引擎中的实时交互方法及系统。

背景技术

随着计算引擎的不断发展，计算引擎能够实现的功能也在不断完善，能够处理的计算量也在不断攀升。

当前，计算引擎通常需要经过专业训练的用户才能使用，在于计算引擎进行交互时，往往需要利用命令行的方式，在计算引擎提供的页面中输入正确的命令行，才能够将模型或者数据导入至计算引擎中。然而，这种需要专业知识才能完成的交互方式，显然具备较高的门槛，导致用户无法便捷地使用计算引擎。

发明内容

本申请的目的在于提供一种通用高性能深度学习计算引擎中的实时交互方法及系统，能够简化与计算引擎的交互过程。

为实现上述目的，本申请提供一种通用高性能深度学习计算引擎中的实时交互方法，所述方法包括：确定待导入的模型，并在所述通用高性能深度学习计算引擎中选择目标节点，所述目标节点包括主机组或者主机组内的主机；输入所述待导入的模型对应的远程路径，并按照所述远程路径，将所述待导入的模型导入选择的所述目标节点中。

进一步地，所述通用高性能深度学习计算引擎提供有指定交互接口；相应地，所述方法还包括：通过所述指定交互接口，接收用户客户端下达的计算执行指令和/或建模分析指令，并响应于上述指令执行对应的动作；在执行完动作之后，将执行结果展示于当前界面中。

进一步地，将所述待导入的模型导入选择的所述目标节点中包括：从所述远程路径处读取所述待导入的模型，并将读取的所述模型导入选择的所述目标节点中。

进一步地，在所述通用高性能深度学习计算引擎中选择目标节点包括：接收用户客户端下达的勾选指令，并将所述勾选指令对应的主机组或主机作为所述目标节点；或者获取所述待导入的模型的模型标识，并按照预设转换规则，将所述模型标识转换为字符串，并将所述字符串表征的主机组或者主机作为所述目标节点。

进一步地，在所述通用高性能深度学习计算引擎中选择目标节点包括：在所述通用高性能深度学习计算引擎中检测各个节点的剩余计算资源；将剩余计算资源大于或者等于指定资源阈值的节点作为所述目标节点。

进一步地，将所述待导入的模型导入选择的所述目标节点中包括：将所述待导入的模型按照性能划分为多个模型组件，所述模型组件与性能参数相关联；识别各个所述目标节点所支持的性能参数，并将所述模型组件发送至性能参数一致的目标节点处。

未实现上述目的，本申请还提供一种通用高性能深度学习计算引擎中的实时交互系统，所述系统包括：节点选择单元，用于确定待导入的模型，并在所述通用高性能深度学习计算引擎中选择目标节点，所述目标节点包括主机组或者主机组内的主机；路径导入单元，用于输入所述待导入的模型对应的远程路径，并按照所述远程路径，将所述待导入的模型导入选择的所述目标节点中。

进一步地，所述通用高性能深度学习计算引擎提供有指定交互接口；相应地，所述系统还包括：指定接收单元，用于通过所述指定交互接口，接收用户客户端下达的计算执行指令和/或建模分析指令，并响应于上述指令执行对应的动作；结果展示单元，用于在执行完动作之后，将执行结果展示于当前界面中。

进一步地，所述节点选择单元包括：勾选响应模块，用于接收用户客户端下达的勾选指令，并将所述勾选指令对应的主机组或主机作为所述目标节点；或者标识转换模块，用于获取所述待导入的模型的模型标识，并按照预设转换规则，将所述模型标识转换为字符串，并将所述字符串表征的主机组或者主机作为所述目标节点。