[发明专利]基于K8s集群建立的依图写诗系统的控制方法

摘要

本发明属于深度学习和容器云平台领域，具体涉及一种基于K8s集群建立的依图写诗系统的控制方法，包括：1)采用Kubeadm方法，使用TensorFlow搭建K8s集群；2)对图片识别模型进行迁移学习训练，得到训练后的图片识别模型；3)通过K8s集群对诗词生成模型进行分布式训练，获得训练后的诗词生成模型；4)采用训练后的图片识别模型识别用户的上传图片；5)通过连接程序连接所述训练后的图片识别模型和训练后的诗词生成模型；6)采用所述训练后的诗词生成模型生成一首完整诗词；7)通过所述诗词输出端向用户展示所述上传图片和所述完整诗词。本发明生成的诗词符合图片内容，而且采用多标签的古风类别关键字更加符合古诗风格。

主权项

1.一种基于K8s集群建立的依图写诗系统的控制方法，其特征在于，包括以下步骤：步骤1，采用Kubeadm方法，使用TensorFlow搭建Kubernetes集群，具体搭建方法为：所述Kubernetes集群，简称K8s集群，搭建于N台物理机上，选择其中一台物理机作为Master，其他N‑1个物理机作为Node；所述物理机的系统程序采用Python2.7版本；步骤2，对图片识别模型进行迁移学习训练，得到训练后的图片识别模型；所述图片识别模型为google开源的inception_v3图片识别模型，用于得出任意图片的每一个多标签所对应的概率值；步骤3，通过Kubernetes集群对诗词生成模型进行分布式训练，获得训练后的诗词生成模型；所述诗词生成模型为encoder‑decoder诗词生成模型，用于根据所述概率值，生成与所述任意图片相适应的诗词；步骤4，采用训练后的图片识别模型识别用户的上传图片；步骤4.1，用户通过图片输入端将上传图片发送至所述训练后的图片识别模型；步骤4.2，所述训练后的图片识别模型根据所述上传图片，得出上传图片的每一个多标签所对应的概率值；步骤5，通过连接程序连接所述训练后的图片识别模型和训练后的诗词生成模型；所述连接程序的连接过程，包括以下步骤：步骤5.1，设置所述训练后的图片识别模型的阈值；所述阈值用于限定所述概率值；所述多标签对应的概率值大于所述阈值时，则保留，反之则不保留，得到由保留下来的多标签形成的多标签集合；步骤5.2，根据步骤4.2中得到的所述训练后的图片识别模型得到的各所述多标签的概率值，对每个所述多标签对应的各子单标签赋予相同的概率值，对各多标签中相同的单标签进行整合，即将相同的子单标签的概率值进行叠加，得出各子单标签的最终概率值并从大到小排序的；步骤5.3，去除所述最终概率值小于所述阈值的类别，得到的子单标签集合，其中子单标签的类别数量为m；步骤5.4，得到的子单标签的类别数量m若大于等于4，则按照最终概率值从大到小的排序顺序保留前4个类别，作为类别列表p，转到步骤5.7；否则转到步骤5.5；步骤5.5，得到的子单标签的类别数量m若大于0且小于4则重复最终概率值最高的子单标签4‑m遍，使得子标签类别数量为4，按照最终概率值从大到小的排序顺序保留这4个类别，作为类别列表p，转到步骤5.7；否则转到步骤5.6步骤5.6，得到的子单标签的类别数量m若为0，则重复之前缓存的得分最高的子单标签3次，使得子标签类别数量为4，保留这4个类别，作为类别列表p；步骤5.7，将类别列表p按照中英文对照表将其中四项均转为汉字，即得到4组关键词；步骤5.8，将4组所述关键词输入到训练后的诗词生成模型；步骤6，采用所述训练后的诗词生成模型根据所述4组关键词生成一首完整诗词；步骤7，通过所述诗词输出端向用户展示所述上传图片和所述完整诗词。