[发明专利]样本生成和模型训练一体化的实现方法、装置

权利要求书

1.一种样本生成和模型训练一体化的实现方法，其特征在于，包括：

将样本生成与模型训练部署在同一个作业中；

采用多个模型对所述样本生成的数据进行模型训练；

配置所述多个模型的可靠性，当所述多个模型中可靠性最高的模型出现异常时，中止所述样本生成的数据传输至所述多个模型，当所述多个模型中的其他模型出现异常时，仅中止所述样本生成的数据传输至该异常的模型。

2.如权利要求1所述的方法，其特征在于，将所述样本生成与所述模型训练部署在同一个作业中的方法为：所述样本生成和所述模型训练部署在同一个进程中的上下游节点。

3.如权利要求1所述的方法，其特征在于，将所述样本生成与所述模型训练部署在同一个作业中的方法为：所述样本生成和所述模型训练部署在物理节点的不同进程中，所述样本生成的最后一个节点通过共享内存与所述模型训练的第一个节点通信。

4.如权利要求1所述的方法，其特征在于，还包括：动态调整所述模型训练中的多个模型。

5.如权利要求4所述的方法，其特征在于，所述动态调整所述模型训练的步骤中包括创建模型，创建所述模型的步骤包括：

添加所述模型的下游节点；

创建所述模型；

添加所述模型的上游节点；

所述模型获取模型训练的业务逻辑。

6.如权利要求4所述的方法，其特征在于，所述动态调整所述模型训练的步骤中包括删除模型，删除所述模型的步骤包括：

所述模型的上游节点中止发送样本生成的数据至所述模型；

所述模型训练完缓存的样本生成的数据后删除所述模型的下游节点；

删除所述模型。

7.如权利要求4所述的方法，其特征在于，所述动态调整所述模型训练的步骤中包括修改模型，修改所述模型的步骤包括：

所述模型的上游节点中止发送样本生成的数据至所述模型；

所述模型训练完缓存的样本生成的数据后获取训练的业务逻辑；

所述模型的上游节点恢复发送样本生成的数据至所述模型。

8.如权利要求1-7中任意一项所述的方法，其特征在于，当所述多个模型中的其他模型出现异常时，将传输至该模型的样本生成的数据存储至外部存储器。

9.如权利要求8所述的方法，其特征在于，当所述多个模型中的其他模型恢复正常时，先从所述外部存储器读取样本生成的数据，再从该模型的上游节点接收样本生成的数据。

10.一种样本生成和模型训练一体化的装置，包括：

部署单元，配置为将样本生成与模型训练部署在同一个作业中；

模型训练单元，配置为采用多个模型对所述样本生成的数据进行模型训练；

可靠性配置单元，为所述多个模型配置可靠性，当所述多个模型中可靠性最高的模型出现异常时，中止所述样本生成的数据传输至所述多个模型，当所述多个模型中的其他模型出现异常时，仅中止所述样本生成的数据传输至该异常的模型。

11.如权利要求10所述的装置，其特征在于，还包括：动态调整单元，配置为动态调整所述模型训练中的多个模型。

12.如权利要求11所述的装置，其特征在于，所述动态调整单元包括创建单元，配置为：

添加所述模型的下游节点；

创建所述模型；

添加所述模型的上游节点；

所述模型获取模型训练的业务逻辑。

13.如权利要求11所述的装置，其特征在于，所述动态调整单元包括删除单元，配置为：

所述模型的上游节点中止发送样本生成的数据至所述模型；

所述模型训练完缓存的样本生成的数据后删除所述模型的下游节点；

删除所述模型。