[发明专利]部署人工智能服务的方法、装置、设备及计算机介质

权利要求书

1.一种部署人工智能服务的方法，其特征在于，所述方法包括：

获取机器学习模型的存储路径，利用所述存储路径调用所述机器学习模型的模型文件；

获取所述模型文件的格式定义文件，利用预设编译插件将所述格式定义文件编译为所述模型文件的配置类；

利用配置数据提取模型提取所述模型文件中的配置数据，根据所述配置数据构造所述配置类的对象；

对所述配置类的对象进行序列化处理，得到配置文件；

将所述配置文件挂载至人工智能服务平台，根据所述配置文件在所述人工智能服务平台中部署人工智能服务。

2.如权利要求1所述的部署人工智能服务的方法，其特征在于，所述根据所述配置文件在所述人工智能服务平台中部署人工智能服务，包括：

在所述人工智能服务平台中创建文件容器；

将所述配置文件写入所述文件容器；

将所述文件容器挂载至所述人工智能服务平台的服务进程中。

3.如权利要求1所述的部署人工智能服务的方法，其特征在于，所述根据所述配置文件在所述人工智能服务平台中部署人工智能服务之后，所述方法还包括：

创建预设目标域名的域名解析地址，将所述域名解析地址添加至预先构建的负载均衡器中；

利用预设对应关系将所述负载均衡器指向Kubernetes集群中部署人工智能服务发布规则的节点；

根据Kubernetes集群中部署人工智能服务发布规则的节点上部署的人工智能服务发布规则将所述人工智能服务发布至所述域名解析地址，以通过所述域名解析地址调用所述人工智能服务。

4.如权利要求1至3中任一项所述的部署人工智能服务的方法，其特征在于，所述人工智能服务平台为Tensorflow平台。

5.如权利要求1至3中任一项所述的部署人工智能服务的方法，其特征在于，所述利用配置数据提取模型提取所述模型文件中的配置数据，包括：

步骤A：获取训练模型文件，以及所述训练模型文件对应的标准配置数据；

步骤B：利用预先构建的配置数据提取模型对所述训练模型文件进行配置数据提取，得到预测配置数据；

步骤C：计算所述预测配置数据和所述标准配置数据的差异值，若所述预测配置数据与所述标准配置数据的差异值大于预设误差，则调整所述配置数据提取模型的参数后返回步骤B再次进行配置数据提取；

步骤D：若所述预测配置数据与所述标准配置数据的差异值小于所述预设误差，则确认训练完成，生成训练完成的配置数据提取模型；

步骤E：利用训练完成的配置数据提取模型对所述模型文件进行配置数据提取，得到所述模型文件中的配置数据。

6.如权利要求5所述的部署人工智能服务的方法，其特征在于，所述计算所述预测配置数据和所述标准配置数据的差异值，包括：

利用如下差异值算法计算所述预测配置数据和所述标准配置数据的差异值L(X,Y)

其中，L(X,Y)为所述差异值，X为所述标准配置数据，Y_i为所述预测配置数据。

7.如权利要求1至3中任一项所述的部署人工智能服务的方法，其特征在于，所述获取机器学习模型的存储路径，包括：

获取机器学习模型的名称；

根据所述机器学习模型的名称在预设模型数据库内检索，获取所述机器学习模型的存储路径。