[发明专利]基于Kubernetes的交互式建模方法、装置、电子设备及存储介质

说明书

本申请提供一种基于Kubernetes的交互式建模方法、装置、电子设备及存储介质，涉及神经网络模型技术领域。该方法包括：在前端页面配置实例；搭建Kubernetes集群，并在后端服务器连接Kubernetes集群；在集群中启动基于Jupyter Notebook或在线集成开发环境的交互式建模环境；调用Notebook中集成的计算框架，或在线集成开发环境的实时代码补全和错误提示基于实例创建模型。该方法基于Kubernetes，以及包括Notebook和在线集成开发环境的交互式建模环境，屏蔽了常用的数据处理、算法开发等繁琐步骤，能够简单快捷地进入相应的开发环境，提高了模型开发的效率。

技术领域

本申请涉及神经网络模型技术领域，具体而言，涉及一种基于Kubernetes的交互式建模方法、装置、电子设备及存储介质。

背景技术

得益于人工智能和大数据的快速发展，现在从事数据分析、大数据开发、机器学习算法、深度学习算法、数据可视化、商业智能等工作的人越来越多。目前他们使用的开发语言各式各样，但是主流的编程语言是Python，Python是一个解释型的脚本语言，易于上手，有很多数据分析、数据可视化、算法包等，成为大数据和人工智能领域的首选语言。但是Python是一个开发语言软件，不是一个Web程序，不能开箱即用，需要安装，也不能远程访问，更不能协同开发。Jupyter Notebook是一个基于Python的开源Web应用程序，允许用户创建和共享包含代码、函数、可视化和文本文档等文件格式。它的用途包括：数据清理和转换、数值模拟、统计建模、数据可视化、机器学习等等。Jupyter Notebook是一个交互式的Python开发环境，用户可以在网页端编写Python代码，一行一行执行。但是JupyterNotebook是一个通用的交互式环境，在进行算法建模时存在一些问题，比如：深度学习、机器学习算法框架层出不穷，其开发环境、依赖包安装过程繁琐复杂，在模型开发时存在模型开发步骤复杂，效率较低的问题。

发明内容

有鉴于此，本申请实施例的目的在于提供一种基于Kubernetes的交互式建模方法、装置、电子设备及存储介质，以改善现有技术中存在的模型开发步骤复杂，效率较低的问题。

本申请实施例提供了一种基于Kubernetes的交互式建模方法，所述方法包括：在前端页面配置实例；搭建Kubernetes集群，并在后端服务器连接所述Kubernetes集群；在所述Kubernetes集群中启动基于Jupyter Notebook或在线集成开发环境的交互式建模环境；在所述交互式建模环境中基于所述实例调用所述Jupyter Notebook中集成的计算框架创建模型，或在所述交互式建模环境中基于所述实例调用所述在线集成开发环境的实时代码补全和错误提示功能创建模型。

在上述实现方式中，基于Kubernetes，以及包括Jupyter Notebook或在线集成开发环境的交互式建模环境，屏蔽了常用的数据处理、算法开发等框架的繁琐安装，使用户能够简单快捷地进入相应的开发环，提高了神经网络模型开发的效率。

可选地，在所述Kubernetes集群中启动基于Jupyter Notebook或在线集成开发环境的交互式建模环境之前，所述方法还包括：将所述计算框架集成至所述JupyterNotebook中；对所述Jupyter Notebook进行共享设置。

在上述实现方式中，在Jupyter Notebook中实现了不同账户的文件共享及计算框架集成，从而为交互式环境中的不同用户利用各自文件中的计算框架资源进行在线交互式建模提供了基础条件。

可选地，所述将所述计算框架集成至所述Jupyter Notebook中，包括：使用ipykernel把所述计算框架集成到JupyterLab中；基于所述计算框架制作镜像文件；将所述镜像文件上传至所述JupyterLab的镜像仓库中，以完成所述计算框架在所述JupyterNotebook中的集成。