[发明专利]AI模型的实现方法、电子设备及存储介质

权利要求书

1.一种AI模型的实现方法，其特征在于，包括：

获取用户在AI交易平台的客户端上发布的需求信息，所述需求信息包括所述用户对需要的AI模型的描述信息；

根据所述需求信息确定对应的AI模型算法，将所述AI模型算法封装成镜像文件，并将所述镜像文件载入所述AI交易平台；

对所述镜像文件进行超参数解析，并将解析得到的超参数发送至所述客户端进行显示，以便所述用户确认所述超参数；

获取模型训练数据，并将所述模型训练数据的数据路径替换为所述AI交易平台的指定路径以便映射到所述客户端进行显示；

接收并响应所述用户的确定指令，加载所述镜像文件并根据所述模型训练数据进行自动机器学习训练，得到AI模型，并发布所述AI模型。

2.根据权利要求1所述的方法，其特征在于，所述AI模型算法包括所述AI交易平台收集的开源AI模型算法或用户收集的开源AI模型算法；

若所述AI模型算法为用户收集的开源AI模型算法，所述方法还包括：

获取所述用户收集的开源AI模型算法对应的URL；

将所述URL传入所述AI交易平台的预设接口，以使所述AI交易平台根据所述URL解析所述用户收集的开源AI模型算法的代码，并映射至所述客户端显示。

3.根据权利要求2所述的方法，其特征在于，所述客户端显示的超参数允许用户修改；和/或，所述客户端显示的代码允许用户修改。

4.根据权利要求1所述的方法，其特征在于，所述模型训练数据包括开源数据或自有数据，所述自有数据为所述用户提供的训练数据；

若所述模型训练数据为所述自有数据，将所述自有数据的数据格式转换为开源数据的数据格式。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

在所述AI交易平台的客户端显示预定义的多个不同任务的开源数据的数据格式，以便用户根据所述开源数据的数据格式对所述自有数据的数据格式进行转换。

6.根据权利要求1所述的方法，其特征在于，所述AI交易平台包括容器编排调度工具，所述加载所述镜像文件并根据所述模型训练数据进行自动机器学习训练，包括：

基于所述容器编排调度工具，加载所述镜像文件并调度相应的计算资源；

利用所述镜像文件和所述计算资源，根据所述模型训练数据进行自动机器学习训练。

7.根据权利要求1所述的方法，其特征在于，所述发布所述AI模型包括：

接收所述用户通过所述客户端输入的交易信息，根据所述交易信息将所述AI模型对应访问接口提供给所述用户。

8.根据权利要求1所述的方法，其特征在于，所述获取用户在AI交易平台的客户端上发布的需求信息，包括：

通过所述AI交易平台的客户端获取所述用户的模型需求；

根据所述模型需求从历史AI模型确定目标AI模型及所述目标AI模型的描述信息；

通过所述客户端显示所述描述信息以便所述用户确认；

响应于接收到所述用户对所述描述信息的确认指令，将所述描述信息作为需求信息。

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器；

所述存储器，用于存储计算机程序；

所述处理器，用于执行所述的计算机程序并在执行所述的计算机程序时实现：

如权利要求1-8任一项所述的AI模型的实现方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1-8任一项所述的AI模型的实现方法。