[发明专利]基于深度学习框架的任务处理方法、装置、设备及介质

权利要求书

1.一种基于深度学习框架的任务处理方法，其特征在于，包括：

获取用户输入的任务配置信息，所述任务配置信息包括：至少一个待处理任务的指示，其中，所述待处理任务为深度学习框架中预配置任务或已注册任务；

根据所述任务配置信息、以及预设的任务逻辑关系，生成至少一个所述待处理任务的处理逻辑，其中，所述处理逻辑包括：处理顺序、各所述待处理任务与其他待处理任务之间的逻辑关系；

按照所述处理逻辑依次处理各所述待处理任务。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取用户的注册信息，所述注册信息包括：用户自定义任务或用户自定义模型，其中，所述注册信息符合所述深度学习框架中的用户自定义模板；

根据所述注册信息在所述深度学习框架中对应添加新的已注册任务或新的已注册模型。

3.根据权利要求1所述的方法，其特征在于，所述根据所述任务配置信息、以及预设的任务逻辑关系，生成至少一个所述待处理任务的处理逻辑，包括：

根据所述任务配置信息、以及预设的任务逻辑关系，生成有向无环图，其中，各所述待处理任务作为所述有向无环图的节点，每个所述节点的标号用于标识处理顺序，所述节点之间的有向箭头用于标识各所述待处理任务的逻辑依赖关系。

4.根据权利要求3所述的方法，其特征在于，所述根据所述任务配置信息、以及预设的任务逻辑关系，生成有向无环图，包括：

根据所述任务配置信息，调用所述任务配置信息对应的任务实体；

根据所述任务实体以及所述预设的任务逻辑关系，生成有向无环图。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述至少一个待处理任务包括下述一项或多项的组合：特征处理、特征编码、模型训练、基于模型的数据预测。

6.根据权利要求5所述的方法，其特征在于，所述至少一个待处理任务包括所述特征处理、所述特征编码；所述按照所述处理逻辑依次处理各所述待处理任务，包括：

将根据数据源获取的样本数据进行有效性检测，获取检测合格的样本数据；

对所述样本数据进行所述特征处理，获取特征合并后的特征文件；

将所述特征文件作为所述特征编码的输入，获取编码后的特征向量。

7.根据权利要求6所述的方法，其特征在于，所述至少一个待处理任务还包括：所述模型训练；所述按照所述处理逻辑依次处理各所述待处理任务，包括：

将所述特征向量作为待训练模型的输入，采用图形处理器GPU单机进行所述模型训练。

8.根据权利要求7所述的方法，其特征在于，所述至少一个待处理任务还包括：所述基于模型的数据预测；所述按照所述处理逻辑依次处理各所述待处理任务，包括：

将所述模型训练后的模型分发至各个工作节点，通过各个所述工作节点将待预测数据通过所述模型进行预测，获取预测结果。

9.根据权利要求1或3所述的方法，其特征在于，所述根据所述任务配置信息、以及预设的任务逻辑关系，生成至少一个所述待处理任务的处理逻辑，包括：

根据所述任务配置信息，获取所述深度学习框架的运行必要参数；

根据所述运行必要参数，启动所述深度学习框架，并基于所述任务配置信息、以及预设的任务逻辑关系，生成至少一个所述待处理任务的处理逻辑。

10.一种基于深度学习框架的任务处理装置，其特征在于，包括：

获取模块，用于获取用户输入的任务配置信息，所述任务配置信息包括：至少一个待处理任务的指示，其中，所述待处理任务为深度学习框架中预配置任务或已注册任务；

生成模块，用于根据所述任务配置信息、以及预设的任务逻辑关系，生成至少一个所述待处理任务的处理逻辑，其中，所述处理逻辑包括：处理顺序、各所述待处理任务与其他待处理任务之间的逻辑关系；

处理模块，用于按照所述处理逻辑依次处理各所述待处理任务。