[发明专利]用于部署机器学习模型的方法、设备和存储介质

说明书

本公开的实施例涉及用于部署机器学习模型的方法、设备和存储介质。该方法包括：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。

技术领域

本公开的实施例一般地涉及计算机领域，并且更具体地，涉及用于部署机器学习模型的方法、设备和存储介质。

背景技术

近年来，随着计算机技术的发展，物联网已经越来越多地应用到人们生活中的各个方面。物联网技术中的一个核心是对于物联网设备(IoT)(例如，各种温度传感器、位置传感器、图像传感器、计量仪等)所获得的数据的分析，这些传感器数据可以有利地帮助人们进行预警或者预测等。然而，这样的传感器数据往往是海量的，因而传感器数据的传输和处理所需的资源开销也很大。目前随着人工智能技术的发展，提出了利用机器学习模型来实现更准确的数据分析。然而，如何针对物联网应用高效地部署和执行机器学习模型成为当前的一个关注焦点。

发明内容

本公开的实施例提供了一种用于部署机器学习模型的方案。

在本公开的第一方面中，提供了一种用于部署机器学习模型的方法。该方法包括：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。

在本公开的第二方面中，提供了一种计算设备。该计算设备包括：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。

在本公开的第三方面中，提供了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第一方面所述的方法。

在本公开的第四方面中，提供了一种计算机程序产品。该计算机程序产品被有形地存储在非易失性计算机可读介质上并且包括机器可执行指令，机器可执行指令在被执行时使设备实现以上第一方面的方法。

提供发明内容部分是为了简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开的关键特征或主要特征，也无意限制本公开的范围。

附图说明

通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施例中，相同的参考标号通常代表相同部件。

图1示出了本公开实施例可以在其中被实施的环境的示意图；

图2示出了根据本公开的一些实施例的实现环境的示意图；

图3示出了根据本公开的一些实施例的实现环境的示意图；

图4示出了根据本公开的一些实施例的自动部署方法的示意图；