[发明专利]模型部署方法、装置、电子设备及存储介质

说明书

本发明实施例涉及一种模型部署方法、装置、电子设备及存储介质，所述方法包括：获取模型训练数据集和模型测试数据集；利用所述模型训练数据集分别对多个不同的初始模型进行模型训练，得到已训练模型集；利用所述模型测试数据集对所述已训练模型集中每个已训练模型进行模型测试，得到每个所述已训练模型的第一测试结果集；在根据所述第一测试结果集确定所述已训练模型集中存在满足第一设定条件的目标模型的情况下，将所述目标模型部署为线上模型。由此，可以实现自动、智能地选择出最优的算法模型进行线上部署，节省人力成本，同时能够有效保障线上模型的服务性能。

技术领域

本发明实施例涉及人工智能领域，尤其涉及一种模型部署方法、装置、电子设备及存储介质。

背景技术

目前，随着人工智能技术的飞速发展，常采用算法模型技术部署线上服务，例如对话服务等。与此同时，随着业务数据的持续迭代，算法模型也需要持续训练和更新，以保障线上服务的性能。

对此，传统流程是由开发工程师持续跟进业务数据，手动对不同的算法模型进行训练和性能对比，进而人工对线上模型进行替换维护。这不仅耗费人力，且受人为影响使得最终部署至线上的算法模型的服务性能得不到保障。

发明内容

鉴于此，为解决上述的技术问题，本发明实施例提供一种模型部署方法、装置、电子设备及存储介质。

第一方面，本发明实施例提供一种模型部署方法，包括：

获取模型训练数据集和模型测试数据集；

利用所述模型训练数据集分别对多个不同的初始模型进行模型训练，得到已训练模型集；

利用所述模型测试数据集对所述已训练模型集中每个已训练模型进行模型测试，得到每个所述已训练模型的第一测试结果集；

在根据所述第一测试结果集确定所述已训练模型集中存在满足第一设定条件的目标模型的情况下，将所述目标模型部署为线上模型。

在一可能的实施方式中，通过以下方式实现根据所述第一测试结果集确定所述已训练模型集中是否存在满足第一设定条件的目标模型：

根据所述第一测试结果集确定所述已训练模型集中每个所述已训练模型的至少一个模型评价指标值；

根据至少一个所述模型评价指标值确定所述已训练模型集中每个所述已训练模型的总指标值；

根据所述总指标值和所述第一测试结果集确定所述已训练模型集中是否存在满足第一设定条件的目标模型。

在一可能的实施方式中，在所述根据至少一个所述模型评价指标值确定所述已训练模型集中每个所述已训练模型的总指标值之前，所述方法还包括：

针对所述已训练模型集中的每个所述已训练模型，在确定所述已训练模型的指定模型评价指标值不满足第二设定条件的情况下，将所述已训练模型从所述已训练模型集中删除；

针对删除处理后的已训练模型集执行所述根据至少一个所述模型评价指标值确定所述已训练模型集中每个所述已训练模型的总指标值，以及根据所述总指标值和所述第一测试结果集确定所述已训练模型集中是否存在满足第一设定条件的目标模型的步骤。

在一可能的实施方式中，所述根据所述总指标值和所述第一测试结果集确定所述已训练模型集中是否存在满足第一设定条件的目标模型，包括：

利用所述模型测试数据集对当前线上模型进行模型测试，得到所述当前线上模型的第二测试结果集；

针对每个所述已训练模型，确定所述第一测试结果集中预测正确的第一测试结果对所述第二测试结果集中预测正确的第二测试结果的覆盖率；

确定所述已训练模型集中是否存在所述总指标值满足第三设定条件，且所述覆盖率达到预设覆盖率阈值的已训练模型；