[发明专利]应用机器学习模型的方法、装置及设备

权利要求书

1.一种应用机器学习模型的方法，其特征在于，所述方法包括：

获取目标机器学习模型的模型封装文件，对所述模型封装文件进行解封装处理，得到所述目标机器学习模型的执行代码、处理类型和参数配置信息，其中，所述参数配置信息包括预设参数的配置值；

在所述模型封装文件中，获取所述目标机器学习模型的输出层标识，基于所述处理类型、所述目标机器学习模型的输出层标识，以及所述处理类型、所述输出层标识与未进行参数配置的输出处理函数的对应关系，在预设的函数库中获取所述目标机器学习模型的未进行参数配置的输出处理函数；

基于所述参数配置信息，对所述未进行参数配置的输出处理函数，进行参数配置，得到所述目标机器学习模型的输出处理函数；

获取待输入到所述目标机器学习模型的目标输入数据，基于所述目标机器学习模型的执行代码和所述目标输入数据，得到目标输出数据，基于所述输出处理函数对所述目标输出数据进行处理，得到所述目标输入数据对应的处理结果。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述处理类型，获取所述目标机器学习模型的未进行参数配置的输入处理函数；

基于所述参数配置信息，对所述未进行参数配置的输入处理函数，进行参数配置，得到所述目标机器学习模型的输入处理函数；

所述基于所述目标机器学习模型的执行代码和所述目标输入数据，得到目标输出数据，包括：

基于所述输入处理函数对所述目标输入数据进行处理，得到处理后的目标输入数据，将所述处理后的目标输入数据输入到所述目标机器学习模型中，得到对应的目标输出数据。

3.根据权利要求2所述的方法，其特征在于，所述基于所述处理类型，获取所述目标机器学习模型的未进行参数配置的输入处理函数，包括：

基于所述处理类型，以及所述处理类型与所述未进行参数配置的输入处理函数的对应关系，在预设的函数库中获取所述目标机器学习模型的未进行参数配置的输入处理函数。

4.根据权利要求2所述的方法，其特征在于，所述预设参数包括输入参数和输出参数；

所述基于所述参数配置信息，对所述未进行参数配置的输入处理函数，进行参数配置，得到所述目标机器学习模型的输入处理函数，包括：

基于所述输入参数的配置值，对所述未进行参数配置的输入处理函数，进行参数配置，得到所述目标机器学习模型的输入数据处理函数；

所述基于所述参数配置信息，对所述未进行参数配置的输出处理函数，进行参数配置，得到所述目标机器学习模型的输出处理函数，包括：

基于所述输出参数的配置值，对所述未进行参数配置的输出处理函数，进行参数配置，得到所述目标机器学习模型的输出处理函数。

5.根据权利要求4所述的方法，其特征在于，所述基于所述输入参数的配置值，对所述未进行参数配置的输入处理函数，进行参数配置，得到所述目标机器学习模型的输入数据处理函数，包括：

基于预先存储的所述未进行参数配置的输入处理函数中每个输入参数的插入位，将每个输入参数的配置值，插入对应的插入位，得到所述目标机器学习模型的输入数据处理函数；

所述基于所述输出参数的配置值，对所述未进行参数配置的输出处理函数，进行参数配置，得到所述目标机器学习模型的输出处理函数，包括：

基于预先存储的所述未进行参数配置的输出处理函数中每个输出参数的插入位，将每个输出参数的配置值，插入对应的插入位，得到所述目标机器学习模型的输出处理函数。

6.根据权利要求2所述的方法，其特征在于，所述预设参数的配置值包括输入数据的分辨率以及输出数据的分辨率。