[发明专利]模型文件的导出方法及装置在审
申请号: | 202010537176.6 | 申请日: | 2020-06-12 |
公开(公告)号: | CN111858085A | 公开(公告)日: | 2020-10-30 |
发明(设计)人: | 乔宁 | 申请(专利权)人: | 贝壳技术有限公司 |
主分类号: | G06F9/54 | 分类号: | G06F9/54;G06F16/16;G06F16/172;G06F11/36 |
代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 张睿 |
地址: | 300457 天津市滨海新区经济技术开发*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 模型 文件 导出 方法 装置 | ||
本发明实施例提供一种模型文件的导出方法及装置。其中,方法包括:监听标志文件,若通过监听标志文件获知生成新的模型文件,则将携带有新的模型文件和新的模型文件对应的模型类型的消息推送至消息队列中;若通过监听消息队列获知消息,则根据消息获取新的模型文件,并转换成模型类型对应的线上部署格式;其中,标志文件,用于表示是否有新的模型文件生成。本发明实施例提供的及装置,通过监听标志文件,将携带有新的模型文件和新的模型文件对应的模型类型的消息推送至消息队列中,通过监听消息队列,获取新的模型文件,并转换成模型类型对应的线上部署格式,能实现模型文件的自动化导出,能提高模型文件的导出效率,能节约时间和人工。
技术领域
本发明实施例涉及计算机技术领域,更具体地,涉及一种模型文件的导出方法及装置。
背景技术
很多应用平台上运行着各种机器学习模型(可简称为“模型”),以满足业务需要。目前,在应用平台上部署机器学习模型的主要手段为离线部署,即,通过离线训练得到稳定的机器学习模型,在应用平台的系统版本发布的同时或在此之前将该机器学习模型集成在应用平台的系统版本中。
模型文件的导出是在软件测试中的一个关键环节。目前,通过离线训练得到稳定的机器学习模型,模型原始文件提交之后,需要人工执行一系列脚本,修改一系列参数,导出线上部署支持的格式。这个过程耗时耗力,而且比较重复、机械,效率低、质量差。
发明内容
本发明实施例提供一种模型文件的导出方法及装置,用以解决或者至少部分地解决现有技术存在的模型导出效率低的缺陷。
第一方面,本发明实施例提供一种模型文件的导出方法,包括:
监听标志文件,若通过监听所述标志文件获知生成新的模型文件,则将携带有所述新的模型文件和所述新的模型文件对应的模型类型的消息推送至消息队列中;
若通过监听所述消息队列获知所述消息,则根据所述消息获取所述新的模型文件,并转换成所述模型类型对应的线上部署格式;
其中,所述标志文件,用于表示是否有新的模型文件生成。
优选地,所述将携带有所述新的模型文件和所述新的模型文件对应的模型类型的消息推送至消息队列中的具体步骤包括:
根据所述标志文件,获取所述新的模型文件的文件名;
根据所述文件名,获取所述新的模型文件及所述模型类型;
根据所述新的模型文件和所述模型类型生成所述消息,并推送至所述消息队列中。
优选地,所述根据所述文件名,获取所述新的模型文件及所述模型类型的具体步骤包括:
根据所述文件名,获取所述新的模型文件;
根据存储所述新的模型文件的文件夹,获取所述模型类型;
其中,存储模型文件的文件夹,与模型文件对应的模型类型一一对应。
优选地,所述根据所述标志文件,获取所述新的模型文件的文件名的具体步骤包括:
根据所述标志文件,获取所述新的模型文件的文件名和对应的参数信息。
优选地,所述根据所述文件名,获取所述新的模型文件及所述模型类型的具体步骤包括:
根据所述新的模型文件的文件名,获取所述新的模型文件及所述模型类型,并根据所述参数信息,获取所述新的模型文件对应的参数值和参数文件。
优选地,所述根据所述消息获取所述新的模型文件,并转换成所述模型类型对应的线上部署格式的具体步骤包括:
根据所述模型类型调用相应的模型导出转换脚本,获取所述新的模型文件,并转换成所述模型类型对应的线上部署格式。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于贝壳技术有限公司,未经贝壳技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010537176.6/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种玻璃激光切割系统
- 下一篇:一种履带步履潜孔锤钻机