[发明专利]基于黑盒优化器的AI模型自动建模系统

权利要求书

1.基于黑盒优化器的AI模型自动建模系统，包括自动建模系统，其特征在于：自动建模系统包括数据管理、训练项目管理和推理服务管理，数据管理模块主要用于数据集的多源接入和可视化，推理服务管理主要基于训练好的模型部署的API服务启停等管理，而训练项目管理作为其中的核心模块，包含了AI模型的自动建模功能。

2.如权利要求1所述的基于黑盒优化器的AI模型自动建模系统，其特征在于：自动建模系统与算子库无线连接，算子库，包括但不局限于骨干网络、优化器、损失函数、数据增强算法等在内的各种算子集合。

3.如权利要求2所述的基于黑盒优化器的AI模型自动建模系统，其特征在于：训练项目管理包括训练请求客户端和黑盒优化器服务，黑盒优化器服务对接算子库和元特征访问服务。

4.如权利要求3所述的基于黑盒优化器的AI模型自动建模系统，其特征在于：算子库与黑盒优化器服务无线连接。

5.如权利要求3所述的基于黑盒优化器的AI模型自动建模系统，其特征在于：元特征访问服务包括数据集元特征和模型训练结果元特征，数据集元特征，用来区分表示不同数据集间的差异性；模型训练结果元特征，用于表示模型训练结果指标及所使用的超参。

6.如权利要求4所述的基于黑盒优化器的AI模型自动建模系统，其特征在于：黑盒优化器服务包括算子配置模板、优化器配置模板、模型效果评估模块和试验控制模块，算子配置模板，用于配置可用于训练的算子子集，默认使用全部算子；优化器配置模板，用于优化器方法的配置；模型效果评估模块，用于数据集在不同超参下的指标结果及性能；试验控制模块，用于控制一个数据集完整实验中所有试验的执行，用户选择待建模的数据集和目标建模的任务，点击一键训练后，创建一个实验，由训练请求客户端将实验提交到黑盒优化器服务，开始实验自动建模，容错率高。

7.如权利要求6所述的基于黑盒优化器的AI模型自动建模系统，其特征在于：元特征访问服务与黑盒优化器服务无线连接，元特征访问服务本身存储大量数据集的元特征及历史实验训练结果元特征，优化器在第一次推荐搜索空间值时，会先计算实验数据集的元特征，并请求元特征访问服务，元特征访问服务执行数据集元特征近似计算，得到与实验数据集相似的已有数据集，并得到与其对应的历史实验训练结果元特征(包含搜索空间值和指标结果)，历史搜索空间值会加入到优化器推荐出的初始搜索空间值中，形成最终推荐搜索空间值，后续的推荐中，将不会加入历史搜索空间值。

8.如权利要求7所述的基于黑盒优化器的AI模型自动建模系统，其特征在于：黑盒优化器内包含的优化器有：GP(遗传编程)、TPE、SMAC、MCTS(基于蒙特卡洛树搜索)，通过优化器配置面板进行选择及设置对应的参数。

9.如权利要求1所述的基于黑盒优化器的AI模型自动建模系统，其特征在于：数据管理模块包括数据拼接模块、数据融合模块和方案创建模块，数据拼接模块用于将收集到的数据碎片拼接成完整的数据链，数据融合模块用于将拼接的数据进行融合处理，方案创建模块用于将数据的整合链进行整理，得出完整方案，数据拼接模块、数据融合模块和方案创建模块同时进行数据的管理工作，用于提高整体的连贯性，提升容错率。

10.如权利要求9所述的基于黑盒优化器的AI模型自动建模系统，其特征在于：数据管理模块进行待训练数据集的接入和可视化操作，包括查看数据集统计信息和单个样本详情等，接入方式目前包括本地上传、数据库接入、HDFS接入多种方式。