[发明专利]用于部署机器学习模型的方法、设备和存储介质

权利要求书

1.一种用于部署机器学习模型的方法，包括：

在第一计算设备处，确定第二计算设备的配置，其中所述第一计算设备的计算能力大于所述第二计算设备的计算能力并且所述第二计算设备的配置至少指示所述第二计算设备的处理器架构；

获取与所述第二计算设备的配置对应的已训练的机器学习模型的程序代码，其中所述程序代码适配所述处理器架构；以及

将所述机器学习模型的程序代码提供给所述第二计算设备，以将所述机器学习模型部署在所述第二计算设备上。

2.根据权利要求1所述的方法，其中所述第二计算设备包括多个第二计算设备，并且所述方法还包括：

确定所述多个第二计算设备的配置清单；

获取与所述配置清单中的相应配置对应的机器学习模型；以及

将所述机器学习模型提供给所述多个第二计算设备中与所述相应配置对应的第二计算设备。

3.根据权利要求1所述的方法，其中获取所述机器学习模型的程序代码包括：

确定用于所述第二计算设备的深度学习框架；以及

基于所述深度学习框架以及所述第二计算设备的配置，生成所述机器学习模型的程序代码。

4.根据权利要求1所述的方法，其中所述第一计算设备为云端，并且所述第二计算设备为边缘计算设备。

5.根据权利要求1所述的方法，其中获取所述机器学习模型的程序代码包括获取所述机器学习模型的可执行文件，并且将所述机器学习模型的程序代码提供给所述第二计算设备包括将所述可执行文件发送至所述第二计算设备，以使所述第二计算设备开始执行所述可执行文件。

6.一种计算设备，包括：

至少一个处理器；以及

存储有计算机程序指令的至少一个存储器，所述至少一个存储器和所述计算机程序指令被配置为，与所述至少一个处理器一起，使得所述计算设备执行动作，所述动作包括：

确定另一计算设备的配置，其中所述计算设备的计算能力大于所述另一计算设备的计算能力并且所述另一计算设备的配置至少指示所述另一计算设备的处理器架构；

获取与所述另一计算设备的配置对应的已训练的机器学习模型的程序代码，其中所述程序代码适配所述处理器架构；以及

将所述机器学习模型的程序代码提供给所述另一计算设备，以将所述机器学习模型部署在所述另一计算设备上。

7.根据权利要求6所述的计算设备，其中所述另一计算设备包括多个另一计算设备，并且所述动作还包括：

确定所述多个另一计算设备的配置清单；

获取与所述配置清单中的相应配置对应的机器学习模型；以及

将所述机器学习模型提供给所述多个另一计算设备中与所述相应配置对应的另一计算设备。

8.根据权利要求6所述的计算设备，其中获取所述机器学习模型的程序代码包括：

确定用于所述另一计算设备的深度学习框架；以及

基于所述深度学习框架以及所述另一计算设备的配置，生成所述机器学习模型的程序代码。

9.根据权利要求6所述的计算设备，其中所述计算设备为云端，并且所述另一计算设备为边缘计算设备。

10.根据权利要求6所述的计算设备，其中获取所述机器学习模型的程序代码包括获取所述机器学习模型的可执行文件，并且将所述机器学习模型的程序代码提供给所述另一计算设备包括将所述可执行文件发送至所述另一计算设备，以使所述另一计算设备开始执行所述可执行文件。

11.一种计算机可读存储介质，所述计算机可读存储介质上存储有机器可执行指令，当所述机器可执行指令在被至少一个处理器执行时，使得所述至少一个处理器实现根据权利要求1-5中任一项所述的方法。