[发明专利]基于元学习的预测模型训练方法、装置、电子设备及介质

说明书

本发明实施例一种基于元学习的预测模型训练方法、装置、电子设备及存储介质。所述方法包括从训练样本数据选取样本组成支持集与查询集，构建元学习任务；获取采用深度置信网络DBN作为底层模型所构建的微服务可靠性预测模型；控制微服务可靠性预测模型在构建的至少一组元学习任务上进行元学习，通过元学习训练对微服务可靠性预测模型的参数进行优化；训练样本数据源于微服务的运行数据。采用本申请方案，采用深度置信网络DBN作为底层模型，充分利用神经网络自身提取潜在特征优势，以便能对微服务可靠性所存在潜在问题进行充分发现，由于采用元学习模型训练在新任务中只需使用少量数据对模型进行数次的参数梯度就能使得更新后预测模型有着较佳的表现。

技术领域

本发明实施例涉及人工智能技术领域，尤其涉及一种基于元学习的预测模型训练方法、装置、电子设备及存储介质。

背景技术

微服务的可靠性通常指在特定的时间内与运行环境下可以进行无差错运行的可靠程度。影响微服务可靠性的因素有多种，例如服务代码的迭代更新、部署机器的长时间运行、服务负载的峰值等。

微服务的可靠程度对于整个系统来说是至关重要，目前对于微服务的可靠性通常都是通过实时监测，当出现服务的可靠性可能存在潜在的问题时，则进行人工处理。这样的处理方式造成在面对微服务出现可靠问题的时候，只能采用补偿方式进行处理，影响微服务的使用体验。

发明内容

本发明实施例中提供了一种基于元学习的预测模型训练方法、装置、电子设备及存储介质，以实现在微服务即将出现可靠问题时能提前规避潜在风险。

第一方面，本发明实施例中提供了一种基于元学习的预测模型训练方法，所述训练方法包括：

从训练样本数据选取样本组成支持集与查询集，构建元学习任务；其中所述训练样本数据源于微服务的运行数据；

获取采用深度置信网络DBN作为底层模型所构建的微服务可靠性预测模型；

控制微服务可靠性预测模型在所述构建的至少一组元学习任务上进行元学习，通过元学习训练对所述微服务可靠性预测模型的参数进行优化。

第二方面，本发明实施例中还提供了一种基于元学习的预测模型训练装置，所述训练装置包括：

任务构建模块，用于从训练样本数据选取样本组成支持集与查询集，构建元学习任务；其中所述训练样本数据源于微服务的运行数据；

预测模型获取模块，用于获取采用深度置信网络DBN作为底层模型所构建的微服务可靠性预测模型；

控制训练模块，用于控制微服务可靠性预测模型在所述构建的至少一组元学习任务上进行元学习，通过元学习训练对所述微服务可靠性预测模型的参数进行优化。

第三方面，本发明实施例中还提供了一种电子设备，包括：

一个或多个处理装置；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如本发明任意实施例中提供的所述基于元学习的预测模型训练方法。

第四方面，本发明实施例中还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理装置执行时实现如本发明任意实施例中提供的所述基于元学习的预测模型训练方法。