[发明专利]设备模型升级方法、装置、设备、服务器及存储介质

说明书

本发明公开了一种设备模型升级方法、装置、设备、服务器及存储介质，其中设备模型升级方法包括：各个设备获取到各自待更新模型的训练数据；利用各个所述设备的训练数据对所述待更新模型进行训练，得到训练后的最优模型；将所述最优模型升级到各个所述设备中。以此实现模型的自主升级，其不需要人为参与，能够减少升级时的人力成本。

技术领域

本发明涉及云计算应用领域，具体涉及一种设备模型升级方法、装置、设备、服务器及存储介质。

背景技术

目前深度学习、机器学习研究火热，成果频出，因此要求技术水平越来越高，而且人为参与度也越来越低。

在软件行业，敏捷开发等快速迭代模式开发，意味着版本的升级也越来越频繁；而且随着算力增加、分布式集群部署，系统也越来越庞大；现有的系统在模型升级时，需要人力投入触发升级，并等待升级结果，可操作性低，如何快速、自主、不影响业务前提下进行模型训练、发布、升级就愈发重要。

发明内容

本发明提供一种设备模型升级方法、装置、设备、服务器及存储介质，其能够实现模型的自主升级，不需要人为触发。

为解决上述技术问题，本发明提供的第一个技术方案为：提供一种设备的模型升级方法，包括：各个设备获取到各自待更新模型的训练数据；利用各个所述设备的训练数据对所述待更新模型进行训练，得到训练后的最优模型；将所述最优模型升级到各个所述设备中。

其中，所述设备包括第一设备及第二设备；所述利用各个所述设备的训练数据对所述待更新模型进行训练，得到训练后的最优模型的步骤包括：所述第一设备及所述第二设备分别通过各自的所述训练数据对所述待更新模型进行训练，得到训练后的第一模型；所述第一设备接收所述第二设备训练后的所述第一模型；将所述第一设备训练后的所述第一模型及所述第二设备训练后的所述第一模型进行比较，挑选出所述最优模型。

其中，所述利用各个所述设备的训练数据对所述待更新模型进行训练，得到训练后的最优模型的步骤包括：将各个所述设备的训练数据进行汇总；通过汇总后的训练数据对所述待更新模型进行训练，得到所述最优模型。

其中，所述将各个所述设备的训练数据进行汇总的步骤包括：各个所述设备分别将各自的所述训练数据发送至中心服务器；所述通过汇总后的训练数据对所述待更新模型进行训练，得到所述最优模型的步骤包括：通过所述中心服务器利用各个所述设备的训练数据对所述待更新模型进行训练，得到所述最优模型。

其中，其特征在于，所述将所述最优模型升级到各个所述设备中的步骤包括：通过所述中心服务器和/或所述第一设备将所述最优模型发送至各个所述设备/所述第二设备。

其中，通过所述中心服务器和/或所述第一设备将所述最优模型发送至各个所述设备/所述第二设备包括：采用灰度发布、滚动发布、蓝绿发布中任一种或任意组合的方式将所述最优模型发送至各个所述设备/所述第二设备。

其中，采用灰度发布的方式将所述最优模型发送至各个所述设备/所述第二设备包括：从所述设备/所述第二设备中选择部分设备作为试点设备，将所述最优模型发送至所述试点设备中进行测试；在测试结果稳定后，再将所述最优模型发送至除所述试点设备外的其余设备。

其中，所述将所述最优模型升级到各个所述设备中包括：在所述设备中启动更新所述最优模型，并在启动更新所述最优模型的过程中，暂时使用所述待更新模型进行数据测试；在所述最优模型启动更新完成后，将所述待更新模型中的历史数据发送至所述最优模型，并将所述待更新模型下线，采用所述最优模型进行数据测试；或者将所述设备的待更新模型中的历史数据发送至转换设备，并将所述待更新模型下线；在所述设备中启动更新所述最优模型，并在所述最优模型启动更新完成后，接收转换设备返回的所述历史数据，采用所述最优模型进行数据测试。