[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

说明书

本发明涉及人工智能技术，揭露了一种部署人工智能服务的方法，包括：获取机器学习模型的存储路径，利用存储路径调用机器学习模型的模型文件；获取模型文件的格式定义文件，利用编译插件将格式定义文件编译为模型文件的配置类；利用配置数据提取模型提取模型文件的配置数据，根据配置数据构造配置类的对象；对配置类的对象进行序列化处理，得到配置文件；将配置文件挂载至人工智能服务平台，根据所述配置文件在人工智能服务平台中部署人工智能服务。此外，本发明涉及区块链技术，模型文件可存储于区块链节点中。本发明还提出一种部署人工智能服务的装置、电子设备以及一种计算机可读存储介质。本发明可以提高人工智能服务部署的效率以及成功率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种部署人工智能服务的方法、装置、电子设备及计算机可读存储介质。

背景技术

深度学习一般分为训练模型和部署模型人工智能服务的两个部分，模型部署是指将训练好的机器学习模型部署到线上，利用预设接口使得模型可以接受外部调用，进而使得大量用户可以自由使用该训练好的机器学习模型实现的人工智能服务。

现有技术中，在部署模型的人工智能服务时，需要提前准备复杂的软硬件环境及相关的计算资源，这对于模型提供者来说技术上存在一定程度的难度，使得部署需要花费较大的时间和精力，降低人工智能服务部署的效率。同时，由于开发人员在部署模型的人工智能服务时存在大量的人工操作，在这过程中容易出现错误使得模型无法正常运行，从而导致部署时成功率不高。因此，如何提高人工智能服务部署的效率以及成功率，成为了亟待解决的问题。

发明内容

本发明提供一种部署人工智能服务的方法、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人工智能服务部署的效率以及成功率。

为实现上述目的，本发明提供的一种部署人工智能服务的方法，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。

可选地，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。

可选地，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。

可选地，所述人工智能服务平台为Tensorflow平台。

可选地，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；