[发明专利]依赖包信息的获取方法、装置、设备及计算机介质

说明书

本发明涉及人工智能技术领域，揭露了一种依赖包信息的获取方法，包括：获取深度学习平台的系统信息，根据系统信息生成镜像信息调用语句；通过执行镜像信息调用语句，获取深度学习平台的镜像中的依赖包信息；将依赖包信息以键值对形式保存至键值数据表；获取深度学习平台接收到的需求数据，利用特征提取网络提取需求数据的需求特征，得到需求特征集；将需求特征集进行特征优选，得到优选特征；在键值数据表中查询并获取与优选特征对应的依赖包信息。本发明还提出一种依赖包信息的获取装置、设备以及一种介质。此外，本发明还涉及区块链技术，键值数据表可存储于区块链节点中。本发明可以提高获取镜像中依赖包的信息的效率和精确率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种依赖包信息的获取方法、装置、电子设备及计算机可读存储介质。

背景技术

人工智能模型的开发人员在使用深度学习平台提交人工智能模型的训练任务时，需要判断提交至深度学习平台的训练任务是否能够执行，通常，当训练任务所需的依赖包存在于深度学习平台的镜像中时，训练任务可以执行，当训练任务所需的依赖包不存在于深度学习平台的镜像中时，训练任务无法执行。

现有技术中，为了判断提交至深度学习平台的训练任务是否能够执行，方式一是由开发人员直接提交训练任务至深度学习平台，如训练任务中断，则根据深度学习平台产生的日志，获取缺失的依赖包，这种方式降低了模型训练的效率。方式二是由开发人员直接查看深度学习平台提供的镜像清单，如在镜像清单中能找到需要的依赖包，则可以执行训练任务。但这种方式由于深度学习平台提供的镜像清单无法实时更新，导致镜像清单中的依赖包信息不准确。因此，如何快速且精确地获取镜像中安装的依赖包的信息，以便根据依赖包的信息，成为一个亟待解决的问题。

发明内容

本发明提供一种依赖包信息的获取方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高获取镜像中依赖包的信息的效率和精确率。

为实现上述目的，本发明提供的一种依赖包信息的获取方法，包括：

获取深度学习平台的系统信息，根据所述系统信息生成镜像信息调用语句；

通过执行所述镜像信息调用语句，获取所述深度学习平台的镜像中存在的多个依赖包的依赖包信息；

将所述依赖包信息以键值对形式保存至键值数据表；

获取所述深度学习平台接收到的需求数据，利用特征提取网络提取所述需求数据的需求特征，得到需求特征集；

将所述需求特征集进行特征优选，得到优选特征；

在所述键值数据表中查询并获取与所述优选特征对应的依赖包信息。

可选地，所述利用特征提取网络提取所述需求数据的需求特征，得到需求特征集，包括：

利用所述特征提取网络中的网络层次描述所述需求数据的数据分布；

利用机器学习算法对所述数据分布进行特征提取，得到所述需求特征集。

可选地，所述机器学习算法为：

其中，h为所述需求特征，Y为所述需求数据的数据分布，w为所述特征提取网络的权值矩阵，b为所述特征提取网络的偏置向量。

可选地，所述系统信息包括所述深度平台中用于存储镜像的Docker容器的启动参数，所述根据所述系统信息生成镜像信息调用语句，包括：

利用编译器将所述启动参数编译为镜像信息调用语句。

可选地，所述将所述依赖包信息以键值对形式保存至键值数据表，包括：

获取所述依赖包信息中的依赖包名称和依赖包版本号；