[发明专利]一种模型生成、调度方法、系统及装置

权利要求书

1.一种模型生成方法，其特征在于，所述方法包括：

从数据集中，选择用于进行模型训练的数据集，并确定所选择的数据集的版本标识；

确定待训练模型的功能、以及所支持的处理平台，利用所选择的数据集训练所述待训练模型，生成用于实现所述功能、且支持所述处理平台的训练后模型；

获得所述训练后模型的描述信息，其中，所述描述信息包括所述版本标识、表征所述功能的功能信息和表征所述处理平台的平台信息。

2.根据权利要求1所述的方法，其特征在于，所述确定所选择的数据集的版本标识，包括：

确定所选择的数据集的分类标识和版本标识，其中，具有同一分类标识的数据集中包含一个或多个具有不同版本标识的数据集；

所述描述信息还包括所述分类标识。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

获得推理数据和利用所述训练后模型对所述推理数据进行推理得到的推理结果，其中，所述推理结果中携带：用于训练所述训练后模型的数据集的分类标识和版本标识；

从所述推理数据中选择候选数据，并从所述数据集中，查找具有所述候选数据对应的推理结果中所携带分类标识和版本标识的目标数据集；

将所述候选数据及对应的推理结果添加至所述目标数据集，并设置添加数据后目标数据集的版本标识。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述方法还包括：

在回溯用于训练所述训练后模型的数据集时，从所述数据集中，查找具有所述描述信息所包括版本标识的数据集，得到用于训练所述训练后模型的数据集。

5.一种模型调度方法，其特征在于，所述方法包括：

获得待调度模型及所述待调度模型的描述信息，其中，每一待调度模型的描述信息包括：用于训练该模型的数据集的版本标识，以及该模型的功能信息、所支持的处理平台的平台信息；

根据所述待调度模型的描述信息，调度所述待调度模型。

6.根据权利要求5所述的方法，其特征在于，每一待调度模型的描述信息还包括：用于训练该模型的数据集的分类标识，具有同一分类标识的数据集中包含一个或多个具有不同版本标识的数据集。

7.根据权利要求6所述的方法，其特征在于，每一待调度模型的描述信息中的版本标识用于反映：该待调度模型的精度和/或适用场景；

所述根据所述待调度模型的描述信息，调度所述待调度模型，包括：

获得待执行任务，根据各个待调度模型的描述信息中的分类标识、版本标识、功能信息，确定满足所述待执行任务的任务需求的第一目标模型，其中，所述任务需求包括精度需求和/或场景需求；

确定安装有目标平台的推理设备，作为目标设备，其中，所述目标平台为：所述第一目标模型的描述信息中平台信息对应的处理平台；

将所述第一目标模型部署在所述目标设备上，并将所述待执行任务分配至所述目标设备。

8.根据权利要求7所述的方法，其特征在于，所述根据各个待调度模型的描述信息中的分类标识、版本标识、功能信息，确定满足所述待执行任务的任务需求的第一目标模型，包括：

从各个待调度模型中，确定描述信息中分类标识、版本标识、功能信息相同的模型，作为同类模型；

从所述同类模型中，选择满足所述待执行任务的任务需求的第一目标模型。

9.根据权利要求6所述的方法，其特征在于，每一待调度模型的描述信息中的版本标识用于反映：该待调度模型的精度；

所述根据所述待调度模型的描述信息，调度所述待调度模型，包括：

从推理设备当前部署的当前模型中，查找第二目标模型，其中，所述第二目标模型的描述信息中的分类标识、功能信息、平台信息分别与所述待调度模型的分类标识、功能信息、平台信息一致，且所述第二目标模型的描述信息中的版本信息所反映的精度低于所述待调度模型的描述信息中版本信息所反映的精度；

将所述第二目标模型更新为所述待调度模型。