[发明专利]基于容器的模型训练测试调优和部署方法和装置

权利要求书

1.一种基于容器的模型训练测试调优和部署方法，其特征在于，包括以下步骤：

对模型训练所在的容器环境部署service网格服务；

通过模型训练和测试算法驱动程序接收接口服务请求入参进行算法迭代；

在模型训练和测试算法迭代过程中，记录算法迭代参数和训练目标函数之间的关联关系，并对训练过程中的中间结果进行记录和可视化显示，

通过模型训练和测试算法驱动程序接收接口服务请求入参进行算法迭代，包括：对所述模型训练和测试算法驱动程序进行入参的解析和类型规范，并将解析后的参数给模型训练程序；控制所述模型训练和测试算法驱动程序以异步线程提交的方式启动模型训练和测试主程序；控制所述模型训练和测试主程序根据模型训练和测试所需数据训练集和测试集进行算法训练和迭代，

所述模型训练和测试算法驱动程序以异步线程提交的方式启动模型训练和测试主程序之后，还包括：记录模型训练和测试主程序的启动状态信息；将调用状态返回到训练测试请求端，

其中，还判断入参中的数据集参数信息是否成功挂载数据集中对应的bucket到训练环境容器的存储卷路径；如果是，控制所述模型训练和测试主程序根据模型训练和测试所需数据训练集和测试集进行算法训练和迭代。

2.根据权利要求1所述的基于容器的模型训练测试调优和部署方法，其特征在于，对模型训练所在的容器环境部署service网格服务，包括：

将容器的targetPort端口和路由服务的启动端口设置为一致；

配置容器内部的gateway端口为集群内路由转发端口；

配置资源选择器；

将所述容器的targetPort端口和所述集群内路由转发端口进行绑定；

通过容器接口服务传递模型训练和测试参数。

3.根据权利要求2所述的基于容器的模型训练测试调优和部署方法，其特征在于，还包括：

将所述模型接口服务集成到所述容器配置文件Dockerfile中；

在所述容器配置文件Dockerfile中将启动方式设置为后台守护进程启动，以使所述容器进行初始化。

4.根据权利要求1所述的基于容器的模型训练测试调优和部署方法，其特征在于，在模型训练和测试算法迭代过程中，记录算法迭代参数和训练目标函数之间的关联关系，并对训练过程中的中间结果进行记录和可视化显示，包括：

在模型程序训练和测试过程中，对中间每轮迭代所对应的评价结果进行记录；

将模型迭代过程中的迭代参数和训练目标函数映射关系解析存储到数据库；

将评价结果绘制成曲线，放置到所述容器外部，以便进行参数调优和网络优化。

5.根据权利要求4所述的基于容器的模型训练测试调优和部署方法，其特征在于，所述评价结果包括：ROC曲线下的面积、精准率、预测、召回率中的一个或多个。

6.根据权利要求1所述的基于容器的模型训练测试调优和部署方法，其特征在于，还包括：

将模型预测结果输入数据集泛化测试流程，以便于模型筛选和模型部署。

7.一种基于容器的模型训练测试调优和部署装置，其特征在于，包括：

部署模块，用于对模型训练所在的容器环境部署service网格服务；

接收模块，用于通过模型训练和测试算法驱动程序接收接口服务请求入参进行算法迭代；

记录模块，用于在模型训练和测试算法迭代过程中，记录算法迭代参数和训练目标函数之间的关联关系，并对训练过程中的中间结果进行记录和可视化显示，

所述接收模块具体用于：对模型训练和测试算法驱动程序进行入参的解析和类型规范，并将解析后的参数给模型训练程序；控制模型训练和测试算法驱动程序以异步线程提交的方式启动模型训练和测试主程序；控制模型训练和测试主程序根据模型训练和测试所需数据训练集和测试集进行算法训练和迭代，

接收模块在模型训练和测试算法驱动程序以异步线程提交的方式启动模型训练和测试主程序之后，还用于：记录模型训练和测试主程序的启动状态信息；将调用状态返回到训练测试请求端，

其中，接收模块还用于判断入参中的数据集参数信息是否成功挂载数据集中对应的bucket到训练环境容器的存储卷路径；如果是，控制模型训练和测试主程序根据模型训练和测试所需数据训练集和测试集进行算法训练和迭代。