[发明专利]一种模型训练推理一致性的保障方法及系统在审
申请号: | 202310085014.7 | 申请日: | 2023-02-09 |
公开(公告)号: | CN116050497A | 公开(公告)日: | 2023-05-02 |
发明(设计)人: | 戴猛;马元巍;潘正颐;侯大为;童竹勍 | 申请(专利权)人: | 常州微亿智造科技有限公司 |
主分类号: | G06N3/08 | 分类号: | G06N3/08;G06N5/04 |
代理公司: | 上海木卫叁知识产权代理事务所(普通合伙) 31507 | 代理人: | 廖斌 |
地址: | 213023 江苏省*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 模型 训练 推理 一致性 保障 方法 系统 | ||
1.一种模型训练推理一致性的保障方法,其特征在于,所述方法具体包括以下步骤:
S1,对产品数据进行训练,生成训练模型,并同时生成记录所述训练模型的处理信息的第一配置文件;
S2,将所述训练模型及所述第一配置文件合并为第二配置文件;
S3,调取所述第二配置文件,并读取所述第二配置文件中的所述处理信息;
S4,根据所述处理信息,对数据进行处理。
2.如权利要求1所述的模型训练推理一致性的保障方法,其特征在于,所述处理信息包括处理方法及前后顺序信息,所述步骤S3具体为:
S3,调取所述第二配置文件,并读取所述第二配置文件中的所述处理方法及所述前后顺序信息。
3.如权利要求2所述的模型训练推理一致性的保障方法,其特征在于,所述步骤S4具体包括以下子步骤:
S4.1,对所述处理方法相对应的类进行实例化,生成实例化的对象;
S4.2,对所述对象进行初始化;
S4.3,根据所述前后顺序信息,将所述对象按照顺序放入列表中;
S4.4,按照顺序对所述对象的数据进行处理。
4.如权利要求1所述的模型训练推理一致性的保障方法,其特征在于,所述步骤S2具体为:
S2,将所述训练模型及所述第一配置文件集中合并存储于一个pickle文件中,并将所述pickle文件作为第二配置文件。
5.如权利要求1所述的模型训练推理一致性的保障方法,其特征在于,所述第一配置文件还存储有模型信息、模型处理的光学面图片信息、模型对应的权重文件路径、最大并行推理线程数、模型输出的置信度阈值和IOU阈值信息。
6.一种模型训练推理一致性的保障系统,其特征在于,包括训练模块,配置信息模块,注册模块及推理模块;
所述训练模块具体用于对产品数据进行训练,生成训练模型,并同时生成记录所述训练模型的处理信息作为第一配置文件存储至配置信息模块;
所述配置信息模块具体用于存储所述第一配置文件,并将所述训练模型及所述第一配置文件合并为第二配置文件;
所述注册模块具体用于调取所述第二配置文件,并读取所述第二配置文件中的所述处理信息;
所述推理模块具体用于根据所述处理信息,对数据进行处理。
7.如权利要求6所述的模型训练推理一致性的保障系统,其特征在于,所述处理信息具体为处理方法及前后顺序信息;
所述注册模块具体用于调取所述第二配置文件并读取所述第二配置文件中的所述处理方法及所述前后顺序信息。
8.如权利要求7所述的模型训练推理一致性的保障系统,其特征在于,所述推理模块具体用于对所述处理方法相对应的类进行实例化,生成实例化的对象、对所述对象进行初始化、根据所述前后顺序信息,将所述对象按照顺序放入列表中并按照顺序对所述对象的数据进行处理。
9.如权利要求8所述的模型训练推理一致性的保障系统,其特征在于,所述推理模块对所述对象的数据进行处理具体包括Resize处理、继承处理及Noramalize处理。
10.如权利要求6所述的模型训练推理一致性的保障系统,其特征在于,所述第一配置文件具体还存储有模型信息、模型处理的光学面图片信息、模型对应的权重文件路径、最大并行推理线程数、模型输出的置信度阈值和IOU阈值信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于常州微亿智造科技有限公司,未经常州微亿智造科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310085014.7/1.html,转载请声明来源钻瓜专利网。