[发明专利]机器学习模型的存储和调用方法、装置

权利要求书

1.一种机器学习模型的存储方法，其特征在于，包括：

获取预定框架下的初始机器学习模型；

解析所述初始机器学习模型，获取所述初始机器学习模型的模型方法；

按照方法类模板从所述模型方法中获取所述模型方法的属性，所述方法类模板包括至少以下属性：所述模型方法的输入参数、所述模型方法的返回值；

按照模型类模板，将所述模型方法的属性以及所述模型方法生成方法实例，并将所述方法实例写入模型实例；

将所述模型实例以预定数据格式存储为模型文件。

2.根据权利要求1所述的机器学习模型的存储方法，其特征在于，还包括：所述模型方法包含所述模型方法的调用关系；

根据所述模型方法的调用关系，确定所述模型方法引用的下一模型方法；并按照所述方法类模板生成所述下一模型方法的属性。

3.根据权利要求1所述的机器学习模型的存储方法，其特征在于，解析所述初始机器学习模型之前，还包括：

定义所述方法类模板和所述模型类模板。

4.根据权利要求1所述的机器学习模型的存储方法，其特征在于，所述模型方法为所述初始机器学习模型中除依赖脚本和依赖包以外的方法。

5.根据权利要求1所述的机器学习模型的存储方法，其特征在于，还包括：解析所述初始机器学习模型，获取所述初始机器学习模型的输入特征参数和返回结果；

将所述初始机器学习模型的输入特征参数在接口说明文件中保存为所述模型实例的输入特征参数，将所述初始机器学习模型的返回结果在所述接口说明文件中保存为所述模型实例的返回结果，其中所述模型实例的输入特征参数采用第一数据结构；所述模型实例的返回结果采用第二数据结构。

6.根据权利要求1所述的机器学习模型的存储方法，其特征在于，还包括：解析所述初始机器学习模型，获取所述初始机器学习模型的基本信息文件，所述基本信息文件包括运行环境信息以及以下一项或多项：依赖脚本和依赖包。

7.根据权利要求1-6任一项所述的机器学习模型的存储方法，其特征在于，

所述方法类模板还包括以下属性：所述模型方法的注释；

和/或，

所述存储方法还包括：按照模型类模板，生成方法列表，所述方法列表包括所述模型方法的名称的列表以及所述模型方法的调用关系。

8.一种机器学习模型的调用方法，其特征在于，包括：

在至少一个模型文件中读取目标模型文件，其中至少一个所述模型文件为预定数据格式；

将所述目标模型文件恢复为模型实例，其中所述模型实例中包括多个方法实例，所述方法实例是按照模型类模板由模型方法的属性以及模型方法生成；所述模型方法的属性是按照方法类模板从所述模型方法获取，所述方法类模板包括至少以下属性：所述模型方法的输入参数、所述模型方法的返回值；所述模型方法由解析预定框架下的初始机器学习模型获取。

9.根据权利要求8所述的机器学习模型的调用方法，其特征在于，将所述目标模型文件恢复为模型实例，包括：

将所述目标模型文件导入预定的基础镜像；

在所述基础镜像中将所述目标模型文件恢复为模型实例。

10.根据权利要求9所述的机器学习模型的调用方法，其特征在于，将所述目标模型文件导入预定的基础镜像之前，还包括：

获取基本信息文件，所述基本信息文件包括运行环境信息；

根据所述运行环境信息确定所述基础镜像。

11.根据权利要求10所述的机器学习模型的调用方法，其特征在于，所述基本信息文件还包括以及以下一项或多项：依赖脚本和依赖包；

所述将目标模型文件导入预定的基础镜像后，还包括：

根据所述基本信息文件配置运行环境，以便于在所述运行环境下在所述基础镜像中将所述目标模型文件恢复为模型实例。