CN114117317A - 模型处理方法、装置、设备以及存储介质 - Google Patents
模型处理方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN114117317A CN114117317A CN202111425026.7A CN202111425026A CN114117317A CN 114117317 A CN114117317 A CN 114117317A CN 202111425026 A CN202111425026 A CN 202111425026A CN 114117317 A CN114117317 A CN 114117317A
- Authority
- CN
- China
- Prior art keywords
- model
- calling
- information
- output result
- request
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 47
- 230000001360 synchronised effect Effects 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims description 92
- 238000012360 testing method Methods 0.000 claims description 78
- 238000013475 authorization Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012795 verification Methods 0.000 claims description 14
- 230000008676 import Effects 0.000 claims description 13
- 238000012790 confirmation Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 32
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Stored Programmes (AREA)
Abstract
本公开提供了模型处理方法、装置、设备以及存储介质,涉及人工智能领域中的自动驾驶、智能交通、大数据技术领域。具体实现方案为:模型平台接收调用设备发送的模型调用请求,所述模型调用请求中包括第一模型的标识和模型输入数据;确定所述第一模型的调用方式,所述调用方式为同步调用方式或者异步调用方式;根据所述模型调用请求,通过所述第一模型对所述模型输入数据进行处理得到模型输出结果;根据所述调用方式向所述调用设备提供所述模型输出结果。本公开方案实现了模型平台对模型的调用管理功能,无需花费人力对模型进行调用管理,降低了模型管理成本。
Description
技术领域
本公开涉及人工智能领域中的自动驾驶、智能交通、大数据技术领域,尤其涉及一种模型处理方法、装置、设备以及存储介质。
背景技术
很多应用场景中,需要利用模型对数据进行处理。模型通常是用于描述客观世界或者用于加工数据的算法。例如,以交通领域为例,交通模型是用于刻画交通状况、生成交通指标的算法。常用的交通模型包括但不限于:车辆轨迹分析模型、拥堵分析模型等。
通常,针对特定场景的数据分析/处理需求,开发方可以开发出对应的模型,并将模型提供给需求方使用。随着需求不断增多,模型的数量也越来越多。如何对模型进行管理以降低管理成本是需要解决的技术问题。
发明内容
本公开提供了一种模型处理方法、装置、设备以及存储介质。
根据本公开的第一方面,提供了一种模型处理方法,应用于模型平台,所述模型平台中包括多个模型,所述方法包括:
接收调用设备发送的模型调用请求,所述模型调用请求中包括第一模型的标识和模型输入数据;
确定所述第一模型的调用方式,所述调用方式为同步调用方式或者异步调用方式;
根据所述模型调用请求,通过所述第一模型对所述模型输入数据进行处理得到模型输出结果;
根据所述调用方式向所述调用设备提供所述模型输出结果。
根据本公开的第二方面,提供了一种模型处理装置,应用于模型平台,所述模型平台中包括多个模型,所述装置包括:
第一接收模块,用于接收调用设备发送的模型调用请求,所述模型调用请求中包括第一模型的标识和模型输入数据;
确定模块,用于确定所述第一模型的调用方式,所述调用方式为同步调用方式或者异步调用方式;
处理模块,用于根据所述模型调用请求,通过所述第一模型对所述模型输入数据进行处理得到模型输出结果;
提供模块,用于根据所述调用方式向所述调用设备提供所述模型输出结果。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面中任一项所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据第一方面中任一项所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1为本公开实施例提供的一种应用场景的示意图;
图2为本公开实施例提供的一种模型调用方法的流程示意图;
图3为本公开实施例提供的另一种模型调用方法的流程示意图;
图4为本公开实施例提供的又一种模型调用方法的流程示意图;
图5为本公开实施例提供的又一种模型调用方法的流程示意图;
图6为本公开实施例提供的又一种模型调用方法的流程示意图;
图7为本公开实施例提供的一种模型上传方法的流程示意图;
图8为本公开实施例提供的一种模型上传界面的示意图;
图9为本公开实施例提供的一种模型测试方法的流程示意图;
图10为本公开实施例提供的一种模型测试界面的示意图;
图11为本公开实施例提供的一种模型授权界面的示意图;
图12为本公开实施例提供的一种模型鉴权方法的流程示意图;
图13为本公开实施例提供的一种模型处理装置的结构示意图;
图14为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开实施例中,模型可用于对数据进行处理/分析,以得到处理/分析结果。模型可以为算法、接口等。示例性的,本公开实施例中的模型可以为交通模型、机器学习模型等。本实施例对此不作限定。后续涉及举例时,以交通模型为例进行举例说明。
相关技术中,开发者开发出模型后,通常由对应的开发人员各自手工管理和维护。不同的模型通常由不同的开发人员开发,这样使得不同的模型被分散于不同的开发人员管理和维护。当需求方需要使用模型时,开发人员将模型对应的代码、文档等提供给需求方,以供需求方使用。上述对模型的管理过程,需要花费开发人员较多的时间和精力,使得管理成本较高。
本公开提供一种模型处理方法、装置、设备以及存储介质,应用于人工智能领域中的自动驾驶、智能交通、大数据技术领域。本公开提供的技术方案中,可以由模型平台对多个模型进行统一管理,无需花费人力,从而降低模型管理成本。
为了便于理解本公开的技术方案,首先结合图1对本公开实施例的应用场景进行介绍。
图1为本公开实施例提供的一种应用场景的示意图。如图1所示,该应用场景中包括:模型平台和调用设备。其中,调用设备是指模型调用方(或者称为模型使用方)对应的电子设备。模型平台是指用于管理模型的电子设备。示例性的,模型平台可以提供对模型A、模型B、模型C等多个模型的管理功能。
示例性的,继续参见图1,模型开发方完成模型开发后,可以将开发好的模型上传到模型平台进行存储。模型调用方需要使用模型时,可以通过调用设备向模型平台发送模型调用请求。模型平台接收到模型调用请求后,可以执行对应的模型,得到模型输出结果。进一步的,模型平台可以将模型输出结果提供给调用设备。
需要说明的是,本公开实施例中模型平台可以为服务器。其中,服务器可以为普通物理服务器,还可以为云服务器。云服务器又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式***的服务器,或者是结合了区块链的服务器。
本公开实施例中,通过采用模型平台对多个模型进行集中化管理,能够降低模型管理成本。
下面结合具体的实施例对本公开方案进行详细描述。下面几个具体的实施例可以相互结合,对于相同或者相似的概念或过长可能在某些实施例中不再赘述。
本公开实施例中,模型平台对模型提供的管理功能包括但不限于:调用管理、上传管理、测试管理、发布管理、授权管理等。
首先结合图2至图6对模型调用过程进行介绍。
图2为本公开实施例提供的一种模型调用方法的流程示意图。本实施例的方法可以应用于模型平台。该模型平台中包括多个模型。如图2所示,本实施例的方法包括:
S201:接收调用设备发送的模型调用请求,所述模型调用请求中包括第一模型的标识和模型输入数据。
其中,第一模型为模型平台中存储的多个模型中的任意一个。
示例性的,模型调用方需要调用第一模型时,模型调用方通过调用设备向模型平台发送模型调用请求,并在模型调用请求中携带第一模型的标识和模型输入数据。其中,模型输入数据是指执行第一模型所需的输入数据。
S202:确定所述第一模型的调用方式,所述调用方式为同步调用方式或者异步调用方式。
其中,同步调用方式也可以称为阻塞调用方式,即调用设备发出模型调用请求后代码一直阻塞等待,直到模型平台返回结果为止。异步调用方式也可以称为非阻塞式调用方式,即调用设备发出模型调用请求后可以继续执行其他代码,而不必等待模型平台的返回结果。
本公开实施例中,由于不同模型的应用场景以及数据处理逻辑不同,使得不同模型执行过程所需耗时是不同的。有些模型执行过程耗时较长,例如需要几分钟甚至几小时,而有些模型执行过程耗时较短,例如需要几秒钟甚至几毫秒。
应理解,若第一模型的执行过程耗时较长,则第一模型的调用方式可以为异步调用方式。若第一模型的执行过程耗时较短,则第一模型的调用方式可以为同步调用方式。
一种可能的实现方式中,在模型设计或者开发阶段,根据模型的应用场景以及模型数据处理量的大小,可以指定该模型的调用方式。示例性的,可以将第一模型的调用方式维护在第一模型的配置文件中。这样,模型平台接收到第一模型对应的模型调用请求后,可以在第一模型的配置文件中获取第一模型的调用方式。
另一种可能的实现方式中,可以由模型调用方指定第一模型的调用方式。示例性的,调用设备在发送模型调用请求时,在模型调用请求中携带第一模型的调用方式。这样,模型平台可以在模型调用请求中获取第一模型的调用方式。
S203:根据所述模型调用请求,通过所述第一模型对所述模型输入数据进行处理得到模型输出结果。
本实施例中,模型平台接收到模型调用请求之后,可以根据第一模型的标识,从其存储的多个模型中确定第一模型,并通过第一模型对模型输入数据进行处理得到模型输出结果。
S204:根据所述调用方式向所述调用设备提供所述模型输出结果。
本实施例中,模型平台在得到模型输出结果之后,可以根据第一模型的调用方式向调用设备提供模型输出结果。示例性的,当第一模型的调用方式为同步调用方式时,说明调用设备在发送模型调用请求之后处于阻塞状态,模型平台在得到模型输出结果之后可以立即向调用设备提供模型输出结果。当第一模型的调用方式为异步调用方式时,说明调用设备在发送模型调用请求之后并未阻塞,模型平台在得到模型输出结果之后可以采用等待轮询、回调、写入存储等其他方式向调用设备提供模型输出结果。这样,可以满足不同应用场景的调用需求。
应理解,模型平台向调用设备提供模型输出结果的方式可以有多种,本实施例对此不作限定。几种可能的实现方式可以参见后续实施例的详细描述,此处不做赘述。
本实施例提供的模型处理方法,包括:模型平台接收调用设备发送的模型调用请求,模型调用请求中包括第一模型的标识和模型输入数据,确定第一模型的调用方式,调用方式为同步调用方式或者异步调用方式,进而,根据模型调用请求,通过第一模型对模型输入数据进行处理得到模型输出结果,并根据调用方式向调用设备提供模型输出结果。通过上述过程,实现了模型平台对模型的调用管理功能,无需花费人力对模型进行调用管理,降低了模型管理成本。
在上述图2所示实施例的基础上,下面结合几个具体的示例对本公开技术方案进行更详细的描述。
一个示例中,第一模型的调用方式为同步调用方式。图3为本公开实施例提供的另一种模型调用方法的流程示意图。如图3所示,本实施例提供的模型调用过程包括:
S301:调用设备向模型平台发送模型调用请求,模型调用请求中包括第一模型的标识和模型输入数据。
S302:模型平台确定第一模型的调用方式为同步调用方式。
S303:模型平台通过第一模型对模型输入数据进行处理,得到模型输出结果。
S304:模型平台向调用设备发送模型输出结果,或者,发送模型输出结果对应的存储地址。
本实施例中,当第一模型的调用方式为同步调用方式时,模型平台在得到模型输出结果之后,立即向调用设备发送模型输出结果,或者,发送模型输出结果对应的存储地址,从而使得调用设备及时获得模型输出结果。本实施例适用于第一模型的执行耗时较短(例如小于5秒钟)的场景。
图3示例的是同步调用方式对应的交互过程。若第一模型的调用方式为异步调用方式,则模型平台可以获取异步调用类型,并根据异步调用类型,向调用设备提供模型输出结果。其中,异步调用类型可以为下述中的任意一种:轮询类型、回调类型、写入存储类型。
本实施例中,模型平台获取异步调用类型可以采用如下几种方式:
方式1:模型平台从模型调用请求中获取异步调用类型。示例性的,在第一模型对应的调用方式为异步调用方式的情况下,调用设备发送的模型调用请求中还可以包括异步调用类型。该方式中,由模型调用方指定异步调用类型。
方式2:模型平台在第一模型的配置文件中获取异步调用类型。示例性的,在模型设计或者开发阶段,开发方可以指定该模型的调用方式,以及在模型的调用方式为异步调用方式的情况下,还可以指定异步调用类型。示例性的,可以将异步调用类型维护在第一模型的配置文件中。这样,模型平台接收到第一模型对应的模型调用请求后,可以在第一模型的配置文件中获取异步调用类型。该方式中,由模型开发方指定异步调用类型。
下面,对上述三种异步调用类型对应的交互过程分别进行举例说明。
一个示例中,第一模型的异步调用类型为轮询类型。图4为本公开实施例提供的又一种模型调用方法的流程示意图。如图4所示,本实施例提供的模型调用过程包括:
S401:调用设备向模型平台发送模型调用请求,模型调用请求中包括第一模型的标识和模型输入数据。
S402:模型平台确定第一模型的调用方式为异步调用方式,以及确定第一模型的异步调用类型为轮询类型。
S403:模型平台生成模型调用请求对应的任务标识。
S404:模型平台向调用设备发送任务标识。
S405:模型平台通过第一模型对模型输入数据进行处理,得到模型输出结果。
S406:调用设备向模型平台发送结果获取请求,结果获取请求中包括任务标识。
应理解,S406可以在S404之后每隔预设间隔重复执行,即,调用设备在接收到模型平台发送的任务标识之后,每隔预设时间间隔向模型平台发送结果获取请求。第一模型的执行过程需要一定的耗时,一些情况下,模型平台可能在第一模型正在执行过程中,接收到结果获取请求。另一些情况下,模型平台可能在第一模型执行完成后,接收到结果获取请求。
S407:模型平台根据任务标识,获取第一模型的执行状态,所述执行状态为已完成或者未完成。
模型平台在接收到结果获取请求之后,根据其中携带的任务标识,确定该任务标识对应的第一模型是否执行完成。
S408:若第一模型的执行状态为未完成,则模型平台向调用设备发送通知消息,所述通知消息包括所述第一模型的执行状态。
调用设备接收到通知消息后,得知第一模型还未执行完成。可以按照预设时间间隔重复执行S406。
S409:若第一模型的执行状态为已完成,则模型平台向调用设备发送模型输出结果,或者,发送模型输出结果对应的存储地址。
调用设备获得模型输出结果后,停止上述的轮询过程。
上述过程中,由于调用设备是按照预设时间间隔发送结果获取请求,有可能存在如下情况:假设预设时间间隔为10秒,模型平台在时刻t1接收到结果获取请求时,第一模型还未执行完成。然后,第一模型在时刻t2执行完成,时刻t2与时刻t1之间的时间间隔为2秒。由于此时模型平台还未接收到下一次轮询发送的结果获取请求,因此,模型平台还不能立即向调用设备提供模型输出结果,模型平台需要对模型输出结果进行暂存。
示例性的,模型平台通过第一模型对模型输入数据进行处理得到模型输出结果之后,在第二预设存储空间存储模型输出结果。进而,在S408中,当需要向调用设备提供模型输出结果时,从第二预设存储空间中获取模型输出结果,向调用设备发送模型输出结果;或者,获取模型输出结果在第二预设存储空间中的存储地址,向调用设备发送所述存储地址。
本实施例中,调用设备向模型平台发送调用请求后,可以根据实际场景需求每隔预设时间间隔对调用结果进行轮询,从而增加了调用设备的实现灵活性。本实施例适用于第一模型的执行耗时适中(例如5秒至1分钟)的场景。
另一个示例中,第一模型的异步调用类型为回调类型。图5为本公开实施例提供的又一种模型调用方法的流程示意图。如图5所示,本实施例提供的模型调用过程包括:
S501:调用设备向模型平台发送模型调用请求,模型调用请求中包括第一模型的标识和模型输入数据。
S502:模型平台确定第一模型的调用方式为异步调用方式,以及确定第一模型的异步调用类型为回调类型。
S503:模型平台通过第一模型对模型输入数据进行处理,得到模型输出结果。
S504:模型平台在模型调用请求中获取回调接口,并调用所述回调接口,以向调用设备发送模型输出结果,或者发送模型输出结果对应的存储地址。
本实施例中,调用设备在发送模型调用请求时,在模型调用请求中携带回调(callback)接口。回调接口也可以称为回调函数。这样,调用设备在发送模型调用请求之后,可以继续执行其他代码,无需等待或者轮询第一模型的执行结果。模型平台在得到模型输出结果之后,通过回调接口向调用设备发送模型输出结果或者发送模型输出结果对应的存储地址。本实施例适用于第一模型的执行耗时较长(例如大于1分钟)的场景。
又一个示例中,第一模型的异步调用类型为写入存储类型。图6为本公开实施例提供的又一种模型调用方法的流程示意图。如图6所示,本实施例提供的模型调用过程包括:
S601:调用设备向模型平台发送模型调用请求,模型调用请求中包括第一模型的标识和模型输入数据。
S602:模型平台确定第一模型的调用方式为异步调用方式,以及确定第一模型的异步调用类型为写入存储类型。
S603:模型平台通过第一模型对模型输入数据进行处理,得到模型输出结果。
S604:模型平台将模型输出结果存储到第一预设存储空间,所述第一预设存储空间为模型平台和调用设备共享的存储空间。
示例性的,第一预设存储空间可以为模型平台和调用设备可共同访问的存储组件、消息队列等。
S605:调用设备从第一预设存储空间中获取模型输出结果。
本实施例中,调用设备在发送模型调用请求之后,可以继续执行其他代码,无需等待或者轮询第一模型的执行结果。模型平台在得到模型输出结果之后,将模型输出结果存储至第一预设存储空间,从而,调用设备可以从第一预设存储空间中获取模型输出结果。这样,二者无需通过消息交互的方式来传递模型输出结果。本实施例适用于第一模型的执行耗时较长(例如大于1分钟)的场景。
上述图2至图6所示实施例描述的是调用设备调用第一模型的过程。一些应用场景中,模型调用方还可以将模型集成到工作流中。示例性的,以交通拥堵分析工作流为例,可以将交通拥堵模型作为工作流中的一个任务节点。这样,该工作流包括的任务节点如下:数据源获取任务、数据预处理任务、交通拥堵模型、交通拥堵分析任务、按时间聚合任务。
这样,交通拥堵模型作为工作流中的一个任务节点,交通拥堵模型的模型输入数据为工作流中上一个节点(即数据预处理任务)的输出数据,交通拥堵模型的模型输出结果为工作流中下一个节点(即交通拥堵分析任务)的输入数据。
具体实现过程中,模型调用方可以将交通拥堵模型配置到任务流节点中。这样,在工作流执行过程中,当执行到交通拥堵模型任务节点时,可以将数据预处理任务的输出数据作为交通拥堵模型的模型输入数据,向模型平台发送交通拥堵模型的模型调用请求。在从模型平台获取到模型输出结果之后,将模型输出结果作为交通拥堵分析任务的输入数据,执行后续的工作流任务。应理解,工作流对交通拥堵模型的调用过程可以参见图2至图6所示实施例的详细描述,此处不做赘述。
下面结合图7和图8对模型上传过程进行介绍。
图7为本公开实施例提供的一种模型上传方法的流程示意图。如图7所示,本实施例的方法包括:
S701:显示模型上传界面,所述模型上传界面中包括:输入控件、上传控件和确认控件。
示例性的,图8为本公开实施例提供的一种模型上传界面的示意图。如图8所示,模型设备可以显示模型上传界面,模型上传界面中包括:输入控件、上传控件和确认控件。
S702:接收用户通过输入控件输入的模型信息,以及接收用户通过上传控件上传的第一模型。
举例而言,参见图8,用户可以通过输入控件输入模型的编号、名称、类别、版本、新增特征、单位时段内的最大调用次数等模型信息。用户还可以通过上传控件(例如图8中的上传程序包按钮)上传第一模型对应的程序包括。本实施例中,用户可以为开发用户,或者为模型平台的管理员用户。
S703:响应于用户对确认控件输入的点击操作,将所述第一模型的模型信息以及所述第一模型存储至所述模型平台的数据库中。
继续参见图8,当用户点击确认控件时,模型平台将上述模型信息以及第一模型存储至模型平台的数据库中,以供调用设备对第一模型进行调用。
本实施例中为了便于模型平台对多个模型的统一管理,在模型开发过程中可以在第一模型中添加调用描述信息。调用描述信息包括如下至少一种:模型输入参数信息、模型输出参数信息、模型阈值参数信息、模型方法信息。调用描述信息用于规范化定义模型调用过程所需的一些信息。
其中,模型输入参数信息例如可以包括:输入参数的类型、输入参数的数量、输入参数的格式等。模型输出参数信息例如可以包括:输出参数的类型、输出参数的数量、输出参数的格式等。模型阈值参数信息例如可以包括:阈值参数的名称、阈值参数的类型、阈值参数是否必须、阈值参数的默认值等。阈值参数是指模型内部处理过程中所使用到的一些判断参数,例如,时间间隔阈值、车速阈值、拥堵指数阈值等。模型方法信息例如可以包括:方法名称、方法入参列表、方法出参列表等。方法也可以称为函数或者接口等。
本实施例中,以第一模型为例,向模型平台上传的第一模型中可以携带上述调用描述信息。可选的,若第一模型采用C语言等不支持代码注解的语言开发,则可以在第一模型中新增描述文件,在描述文件中写入第一模型的调用描述信息。可选的,若第一模型采用Java等支持代码注解的语言开发,则可以在第一模型的代码文件中以注解的形式写入调用描述信息。
一些可能的实现方式中,S703可以具体包括下述步骤(1)和步骤(2)。
(1)对第一模型进行解析,得到第一模型的调用描述信息。
示例性的,模型平台可以确定第一模型所使用的开发语言,若第一模型使用的是C语言等不支持代码注解的开发语言,则模型平台可以从第一模型中解析得到描述文件,从描述文件中获取第一模型的调用描述信息。若第一模型使用的是Java等支持代码注解的开发语言,则模型平台可以对第一模型对应的代码文件中的注解进行解析,得到第一模型的调用描述信息。
(2)将第一模型的模型信息、第一模型、以及第一模型的调用描述信息存储至模型平台的数据库中。
本实施例中,模型平台解析得到第一模型的调用描述信息之后,可以对第一模型的调用描述信息进行存储,在后续的模型管理过程(例如模型接口文档生成、模型测试等)中,可以利用第一模型的调用描述信息,从而降低模型管理的难度和成本。
一些可能的实现方式中,在图7所示的模型上传过程之后,由于模型平台已经解析得到第一模型的调用描述信息,模型平台还可以根据第一模型的模型信息和第一模型的调用描述信息,生成第一模型对应的接口文档。进而,模型平台将第一模型对应的接口文档存储至模型平台的数据库中。
本实施例对于接口文档的格式不做限定,可以为word、pdf等格式的文档。
应理解,在将第一模型上传至模型平台之后,模型平台可以根据第一模型的模型信息和第一模型的调用描述信息,自动生成第一模型对应的接口文档。模型平台还可以响应于用户的触发操作,例如,当用户在第一模型的维护页面中点击“生成接口文档”控件时,根据第一模型的模型信息和第一模型的调用描述信息,生成第一模型对应的接口文档。本实施例对此不作限定。
本实施例中,在模型平台生成第一模型对应的接口文档之后,可以将该接口文档存储到数据库中。后续当模型调用方需要使用接口文档时,可以将该接口文档提供给模型调用方。
本实施例中,通过模型平台基于第一模型的模型信息和第一模型的调用描述信息生成接口文档,使得模型开发方无需手动编辑、上传接口文档,降低了模型开发方的工作量,并且,还保证各模型的接口文档的一致性,降低了接口文档的管理难度。
下面结合图9和图10对模型测试过程进行介绍。
图9为本公开实施例提供的一种模型测试方法的流程示意图。如图9所示,本实施例的方法,包括:
S901:获取第一模型对应的测试请求。
本实施例中,测试请求用于请求对第一模型进行测试。本实施例中,对第一模型进行测试也可以称为对第一模型进行调试。示例性的,可以由第一模型的测试人员或者模型平台的管理员触发对第一模型的测试过程。
S902:根据所述测试请求,确定所述第一模型对应的模型输入参数。
其中,模型输入参数是指执行第一模型时需要向第一模型输入的参数。
S903:显示模型测试界面,所述模型测试界面中包括所述模型输入参数、数据导入控件和测试控件。
S904:响应于用户对所述数据导入控件输入的操作,获取所述模型输入参数对应的测试输入数据。
示例性的,图10为本公开实施例提供的一种模型测试界面的示意图。如图10所示,在模型测试界面中可以显示第一模型对应的模型输入参数,用以提示用户上传与模型输入参数对应的测试输入数据。在模型测试界面中还可以包括数据导入控件,用户可以操作数据导入控件,以导入第一模型对应的测试输入数据。例如,图10中,用户可以通过点击“数据导入”,导入模型输入参数对应的测试输入数据。
S905:响应于用户对测试控件输入的点击操作,通过所述第一模型对所述测试输入数据进行处理,得到测试结果数据。
示例性的,继续参见图10,模型测试界面中还可以包括测试控件。当用户点击测试控件时,触发模型平台执行第一模型,即,通过第一模型对测试输入数据进行处理,得到测试结果数据。
S906:在所述模型测试界面中显示所述测试结果数据。
示例性的,继续参见图10,模型测试界面中还包括测试结果区域,当第一模型执行完成后,可以在测试结果区域显示测试结果数据,以便用户查看测试结果数据。用户可以根据测试结果数据,确定第一模型的执行结果的准确性。
示例性的,继续参见图10,模型测试界面中还可以包括下载结果控件。响应于用户对下载结果控件的点击操作,模型平台对测试结果数据进行存储到预设存储空间中。
本实施例中,模型平台提供了对模型进行在线测试的功能,一方面简化了对模型的测试流程,提高了对模型的测试效率,另一方面,使得模型平台对模型的管理功能更加丰富。
下面结合图11和图12对模型的授权、鉴权过程进行介绍。
本实施例中,在将第一模型上传到模型平台之后,还可以对第一模型进行授权配置,以指定第一模型可以被哪些模型调用方调用,从而保证第一模型的调用安全性。
示例性的,图11为本公开实施例提供的一种模型授权界面的示意图。如图11所示,在模型授权界面中,可以配置第一模型对应的授权设备的账号信息(例如账号、秘钥等)、授权期限(例如,授权起始时间、授权结束时间)、以及单位时段内的最大调用次数(例如,单日最大调用量、每秒最大调用量等)。
对第一模型进行授权配置之后,当模型平台接收到调用设备发送的模型调用请求之后,可以先对模型调用请求进行鉴权处理,待鉴权通过之后,再执行第一模型。下面结合图12进行说明。
图12为本公开实施例提供的一种模型鉴权方法的流程示意图。本实施例可以作为上述图2所示实施例中S203的一种可能的实现方式。
S1201:获取模型调用请求对应的实际调用信息,所述实际调用信息包括如下至少一种:所述模型调用请求对应的调用时刻、所述调用设备的账号信息、单位时段内的所述第一模型的实际调用次数。
S1202:获取所述第一模型对应的授权调用信息,所述授权调用信息包括如下至少一种:授权期限、授权设备的账号信息、单位时段内的最大调用次数。
其中,授权设备的数量可以有一个或者多个。
S1203:根据所述授权调用信息对所述实际调用信息进行验证处理,得到验证结果。
示例性的,当授权调用信息包括:授权期限、授权设备的账号信息、单位时段内的最大调用次数时,可以采用如下3个条件进行验证。若下述3个条件均满足,则确定验证结果为验证成功,否则确定验证结果为验证失败。
条件1:模型调用请求对应的调用时刻位于授权期限内;
条件2:调用设备的账号信息与某个授权设备的账号信息匹配;
条件3:单位时段内的第一模型的实际调用次数小于单位时段内第一模型的最大调用次数。
S1204:在所述验证结果指示对所述实际调用信息验证成功时,通过所述第一模型对所述模型输入数据进行处理得到模型输出结果。
本实施例中,通过对第一模型进行授权配置,以及在接收到调用设备发送的模型调用请求时,先对模型调用请求进行鉴权处理,在验证通过的情况下,再执行第一模型,能够保证第一模型的安全调用。
图13为本公开实施例提供的一种模型处理装置的结构示意图。该装置可以为软件和/或硬件的形式,该装置可以应用于模型平台。如图13所示,本实施例提供的模型处理装置1300包括:第一接收模块1301、确定模块1302、处理模块1303和提供模块1304。
其中,第一接收模块1301,用于接收调用设备发送的模型调用请求,所述模型调用请求中包括第一模型的标识和模型输入数据;
确定模块1302,用于确定所述第一模型的调用方式,所述调用方式为同步调用方式或者异步调用方式;
处理模块1303,用于根据所述模型调用请求,通过所述第一模型对所述模型输入数据进行处理得到模型输出结果;
提供模块1304,用于根据所述调用方式向所述调用设备提供所述模型输出结果。
一种可能的实现方式中,所述提供模块1304包括:
第一提供单元,用于若所述调用方式为所述同步调用方式,则向所述调用设备发送所述模型输出结果,或者发送所述模型输出结果对应的存储地址;
第二提供单元,用于若所述调用方式为所述异步调用方式,则获取异步调用类型,并根据所述异步调用类型,向所述调用设备提供所述模型输出结果;其中,所述异步调用类型为轮询类型、回调类型或写入存储类型。
一种可能的实现方式中,所述异步调用类型为所述轮询类型;所述装置还包括:
生成模块,用于生成所述模型调用请求对应的任务标识,并向所述调用设备发送所述任务标识;
所述第二提供单元包括:
接收子单元,用于接收到所述调用设备发送的结果获取请求,所述结果获取请求中包括所述任务标识;
第一获取子单元,用于根据所述任务标识,获取所述第一模型的执行状态,所述执行状态为已完成或者未完成;
第一发送子单元,用于若所述第一模型的执行状态为已完成,则向所述调用设备发送所述模型输出结果,或者发送所述模型输出结果对应的存储地址。
一种可能的实现方式中,所述第二提供单元还包括:
第二发送子单元,用于若所述第一模型的执行状态为未完成,则向所述调用设备发送通知消息,所述通知消息包括所述第一模型的执行状态。
一种可能的实现方式中,所述异步调用类型为所述回调类型;所述第二提供单元包括:
第二获取子单元,用于在所述模型调用请求中获取回调接口;
调用子单元,用于调用所述回调接口,以向所述调用设备发送所述模型输出结果或者发送所述模型输出结果对应的存储地址。
一种可能的实现方式中,所述异步调用类型为所述写入存储类型;所述第二提供单元包括:
存储子单元,用于将所述模型输出结果存储至第一预设存储空间,所述第一预设存储空间为所述模型平台和所述调用设备共享的存储空间。
一种可能的实现方式中,所述确定模块1302包括:
第一获取单元,用于在所述第一模型的配置文件中获取所述第一模型的调用方式;或者,
第二获取单元,用于在所述模型调用请求中获取所述第一模型的调用方式。
一种可能的实现方式中,所述处理模块1303包括:
第三获取单元,用于获取所述模型调用请求对应的实际调用信息,所述实际调用信息包括如下至少一种:所述模型调用请求对应的调用时刻、所述调用设备的账号信息、单位时段内的所述第一模型的实际调用次数;
第四获取单元,用于获取所述第一模型对应的授权调用信息,所述授权调用信息包括如下至少一种:授权期限、授权设备的账号信息、单位时段内的最大调用次数;
验证单元,用于根据所述授权调用信息对所述实际调用信息进行验证处理,得到验证结果;
处理单元,用于在所述验证结果指示对所述实际调用信息验证成功时,通过所述第一模型对所述模型输入数据进行处理得到模型输出结果。
一种可能的实现方式中,还包括:
显示模块,用于显示模型上传界面,所述模型上传界面中包括:输入控件、上传控件和确认控件;
第二接收模块,用于接收用户通过输入控件输入的模型信息,以及接收用户通过上传控件上传的第一模型;
存储模块,用于响应于用户对确认控件输入的点击操作,将所述第一模型的模型信息以及所述第一模型存储至所述模型平台的数据库中。
一种可能的实现方式中,所述存储模块包括:
解析单元,用于对所述第一模型进行解析,得到所述第一模型的调用描述信息,所述调用描述信息包括如下至少一种:模型输入参数信息、模型输出参数信息、模型阈值参数信息、模型方法信息;
存储单元,用于将所述第一模型的模型信息、所述第一模型以及所述第一模型的调用描述信息存储至所述模型平台的数据库中。
一种可能的实现方式中,所述存储单元还用于:
根据所述第一模型的模型信息和所述第一模型的调用描述信息,生成所述第一模型对应的接口文档;
将所述第一模型对应的接口文档存储至所述模型平台的数据库中。
一种可能的实现方式中,本实施例的装置还包括测试模块,所述测试模块用于:
获取所述第一模型对应的测试请求;
根据所述测试请求,确定所述第一模型对应的模型输入参数;
显示模型测试界面,所述模型测试界面中包括所述模型输入参数、数据导入控件和测试控件;
响应于用户对所述数据导入控件输入的操作,获取所述模型输入参数对应的测试输入数据;
响应于用户对测试控件输入的点击操作,通过所述第一模型对所述测试输入数据进行处理,得到测试结果数据;
在所述模型测试界面中显示所述测试结果数据。
本公开实施例提供的模型处理装置,可用于执行上述任意方法实施例提供的技术方案,其实现原理和技术效果类似,此处不做赘述。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例,本公开还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图14示出了可以用来实施本公开的实施例的示例电子设备1400的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图14所示,设备1400包括计算单元1401,其可以根据存储在只读存储器(ROM)1402中的计算机程序或者从存储单元1408加载到随机访问存储器(RAM)1403中的计算机程序,来执行各种适当的动作和处理。在RAM 1403中,还可存储设备1400操作所需的各种程序和数据。计算单元1401、ROM 1402以及RAM 1403通过总线1404彼此相连。输入/输出(I/O)接口1405也连接至总线1404。
设备1400中的多个部件连接至I/O接口1405,包括:输入单元1406,例如键盘、鼠标等;输出单元1407,例如各种类型的显示器、扬声器等;存储单元1408,例如磁盘、光盘等;以及通信单元1409,例如网卡、调制解调器、无线通信收发机等。通信单元1409允许设备1400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1401执行上文所描述的各个方法和处理,例如模型处理方法。例如,在一些实施例中,模型处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1408。在一些实施例中,计算机程序的部分或者全部可以经由ROM1402和/或通信单元1409而被载入和/或安装到设备1400上。当计算机程序加载到RAM 1403并由计算单元1401执行时,可以执行上文描述的模型处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元1401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行模型处理方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (27)
1.一种模型处理方法,应用于模型平台,所述模型平台中包括多个模型,所述方法包括:
接收调用设备发送的模型调用请求,所述模型调用请求中包括第一模型的标识和模型输入数据;
确定所述第一模型的调用方式,所述调用方式为同步调用方式或者异步调用方式;
根据所述模型调用请求,通过所述第一模型对所述模型输入数据进行处理得到模型输出结果;
根据所述调用方式向所述调用设备提供所述模型输出结果。
2.根据权利要求1所述的方法,其中,根据所述调用方式向所述调用设备提供所述模型输出结果,包括:
若所述调用方式为所述同步调用方式,则向所述调用设备发送所述模型输出结果,或者发送所述模型输出结果对应的存储地址;
若所述调用方式为所述异步调用方式,则获取异步调用类型,并根据所述异步调用类型,向所述调用设备提供所述模型输出结果;其中,所述异步调用类型为轮询类型、回调类型或写入存储类型。
3.根据权利要求2所述的方法,所述异步调用类型为所述轮询类型;根据所述异步调用类型,向所述调用设备提供所述模型输出结果之前,还包括:
生成所述模型调用请求对应的任务标识,并向所述调用设备发送所述任务标识;
根据所述异步调用类型,向所述调用设备提供所述模型输出结果,包括:
接收到所述调用设备发送的结果获取请求,所述结果获取请求中包括所述任务标识;
根据所述任务标识,获取所述第一模型的执行状态,所述执行状态为已完成或者未完成;
若所述第一模型的执行状态为已完成,则向所述调用设备发送所述模型输出结果,或者发送所述模型输出结果对应的存储地址。
4.根据权利要求3所述的方法,根据所述任务标识,获取所述第一模型的执行状态之后,还包括:
若所述第一模型的执行状态为未完成,则向所述调用设备发送通知消息,所述通知消息包括所述第一模型的执行状态。
5.根据权利要求2所述的方法,其中,所述异步调用类型为所述回调类型;根据所述异步调用类型,向所述调用设备提供所述模型输出结果,包括:
在所述模型调用请求中获取回调接口;
调用所述回调接口,以向所述调用设备发送所述模型输出结果或者发送所述模型输出结果对应的存储地址。
6.根据权利要求2所述的方法,其中,所述异步调用类型为所述写入存储类型;根据所述异步调用类型,向所述调用设备提供所述模型输出结果,包括:
将所述模型输出结果存储至第一预设存储空间,所述第一预设存储空间为所述模型平台和所述调用设备共享的存储空间。
7.根据权利要求1-6任一项所述的方法,其中,确定所述第一模型的调用方式,包括:
在所述第一模型的配置文件中获取所述第一模型的调用方式;或者,
在所述模型调用请求中获取所述第一模型的调用方式。
8.根据权利要求1-7任一项所述的方法,其中,根据所述模型调用请求,通过所述第一模型对所述模型输入数据进行处理得到模型输出结果,包括:
获取所述模型调用请求对应的实际调用信息,所述实际调用信息包括如下至少一种:所述模型调用请求对应的调用时刻、所述调用设备的账号信息、单位时段内的所述第一模型的实际调用次数;
获取所述第一模型对应的授权调用信息,所述授权调用信息包括如下至少一种:授权期限、授权设备的账号信息、单位时段内的最大调用次数;
根据所述授权调用信息对所述实际调用信息进行验证处理,得到验证结果;
在所述验证结果指示对所述实际调用信息验证成功时,通过所述第一模型对所述模型输入数据进行处理得到模型输出结果。
9.根据权利要求1-8任一项所述的方法,接收调用设备发送的模型调用请求之前,还包括:
显示模型上传界面,所述模型上传界面中包括:输入控件、上传控件和确认控件;
接收用户通过输入控件输入的模型信息,以及接收用户通过上传控件上传的第一模型;
响应于用户对确认控件输入的点击操作,将所述第一模型的模型信息以及所述第一模型存储至所述模型平台的数据库中。
10.根据权利要求9所述的方法,其中,将所述第一模型的模型信息以及所述第一模型存储至所述模型平台的数据库中,包括:
对所述第一模型进行解析,得到所述第一模型的调用描述信息,所述调用描述信息包括如下至少一种:模型输入参数信息、模型输出参数信息、模型阈值参数信息、模型方法信息;
将所述第一模型的模型信息、所述第一模型以及所述第一模型的调用描述信息存储至所述模型平台的数据库中。
11.根据权利要求10所述的方法,对所述第一模型进行解析,得到所述第一模型的调用描述信息之后,还包括:
根据所述第一模型的模型信息和所述第一模型的调用描述信息,生成所述第一模型对应的接口文档;
将所述第一模型对应的接口文档存储至所述模型平台的数据库中。
12.根据权利要求1-11任一项所述的方法,所述方法还包括:
获取所述第一模型对应的测试请求;
根据所述测试请求,确定所述第一模型对应的模型输入参数;
显示模型测试界面,所述模型测试界面中包括所述模型输入参数、数据导入控件和测试控件;
响应于用户对所述数据导入控件输入的操作,获取所述模型输入参数对应的测试输入数据;
响应于用户对测试控件输入的点击操作,通过所述第一模型对所述测试输入数据进行处理,得到测试结果数据;
在所述模型测试界面中显示所述测试结果数据。
13.一种模型处理装置,应用于模型平台,所述模型平台中包括多个模型,所述装置包括:
第一接收模块,用于接收调用设备发送的模型调用请求,所述模型调用请求中包括第一模型的标识和模型输入数据;
确定模块,用于确定所述第一模型的调用方式,所述调用方式为同步调用方式或者异步调用方式;
处理模块,用于根据所述模型调用请求,通过所述第一模型对所述模型输入数据进行处理得到模型输出结果;
提供模块,用于根据所述调用方式向所述调用设备提供所述模型输出结果。
14.根据权利要求13所述的装置,其中,所述提供模块包括:
第一提供单元,用于若所述调用方式为所述同步调用方式,则向所述调用设备发送所述模型输出结果,或者发送所述模型输出结果对应的存储地址;
第二提供单元,用于若所述调用方式为所述异步调用方式,则获取异步调用类型,并根据所述异步调用类型,向所述调用设备提供所述模型输出结果;其中,所述异步调用类型为轮询类型、回调类型或写入存储类型。
15.根据权利要求14所述的装置,所述异步调用类型为所述轮询类型;所述装置还包括:
生成模块,用于生成所述模型调用请求对应的任务标识,并向所述调用设备发送所述任务标识;
所述第二提供单元包括:
接收子单元,用于接收到所述调用设备发送的结果获取请求,所述结果获取请求中包括所述任务标识;
第一获取子单元,用于根据所述任务标识,获取所述第一模型的执行状态,所述执行状态为已完成或者未完成;
第一发送子单元,用于若所述第一模型的执行状态为已完成,则向所述调用设备发送所述模型输出结果,或者发送所述模型输出结果对应的存储地址。
16.根据权利要求15所述的装置,所述第二提供单元还包括:
第二发送子单元,用于若所述第一模型的执行状态为未完成,则向所述调用设备发送通知消息,所述通知消息包括所述第一模型的执行状态。
17.根据权利要求14所述的装置,其中,所述异步调用类型为所述回调类型;所述第二提供单元包括:
第二获取子单元,用于在所述模型调用请求中获取回调接口;
调用子单元,用于调用所述回调接口,以向所述调用设备发送所述模型输出结果或者发送所述模型输出结果对应的存储地址。
18.根据权利要求14所述的装置,其中,所述异步调用类型为所述写入存储类型;所述第二提供单元包括:
存储子单元,用于将所述模型输出结果存储至第一预设存储空间,所述第一预设存储空间为所述模型平台和所述调用设备共享的存储空间。
19.根据权利要求13至18任一项所述的装置,其中,所述确定模块包括:
第一获取单元,用于在所述第一模型的配置文件中获取所述第一模型的调用方式;或者,
第二获取单元,用于在所述模型调用请求中获取所述第一模型的调用方式。
20.根据权利要求13至19任一项所述的装置,其中,所述处理模块包括:
第三获取单元,用于获取所述模型调用请求对应的实际调用信息,所述实际调用信息包括如下至少一种:所述模型调用请求对应的调用时刻、所述调用设备的账号信息、单位时段内的所述第一模型的实际调用次数;
第四获取单元,用于获取所述第一模型对应的授权调用信息,所述授权调用信息包括如下至少一种:授权期限、授权设备的账号信息、单位时段内的最大调用次数;
验证单元,用于根据所述授权调用信息对所述实际调用信息进行验证处理,得到验证结果;
处理单元,用于在所述验证结果指示对所述实际调用信息验证成功时,通过所述第一模型对所述模型输入数据进行处理得到模型输出结果。
21.根据权利要求13至20任一项所述的装置,还包括:
显示模块,用于显示模型上传界面,所述模型上传界面中包括:输入控件、上传控件和确认控件;
第二接收模块,用于接收用户通过输入控件输入的模型信息,以及接收用户通过上传控件上传的第一模型;
存储模块,用于响应于用户对确认控件输入的点击操作,将所述第一模型的模型信息以及所述第一模型存储至所述模型平台的数据库中。
22.根据权利要求21所述的装置,其中,所述存储模块包括:
解析单元,用于对所述第一模型进行解析,得到所述第一模型的调用描述信息,所述调用描述信息包括如下至少一种:模型输入参数信息、模型输出参数信息、模型阈值参数信息、模型方法信息;
存储单元,用于将所述第一模型的模型信息、所述第一模型以及所述第一模型的调用描述信息存储至所述模型平台的数据库中。
23.根据权利要求22所述的装置,所述存储单元还用于:
根据所述第一模型的模型信息和所述第一模型的调用描述信息,生成所述第一模型对应的接口文档;
将所述第一模型对应的接口文档存储至所述模型平台的数据库中。
24.根据权利要求13至23任一项所述的装置,还包括测试模块,所述测试模块用于:
获取所述第一模型对应的测试请求;
根据所述测试请求,确定所述第一模型对应的模型输入参数;
显示模型测试界面,所述模型测试界面中包括所述模型输入参数、数据导入控件和测试控件;
响应于用户对所述数据导入控件输入的操作,获取所述模型输入参数对应的测试输入数据;
响应于用户对测试控件输入的点击操作,通过所述第一模型对所述测试输入数据进行处理,得到测试结果数据;
在所述模型测试界面中显示所述测试结果数据。
25.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至12中任一项所述的方法。
26.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1至12中任一项所述的方法。
27.一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现权利要求1至12中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111425026.7A CN114117317A (zh) | 2021-11-26 | 2021-11-26 | 模型处理方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111425026.7A CN114117317A (zh) | 2021-11-26 | 2021-11-26 | 模型处理方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114117317A true CN114117317A (zh) | 2022-03-01 |
Family
ID=80370602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111425026.7A Pending CN114117317A (zh) | 2021-11-26 | 2021-11-26 | 模型处理方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114117317A (zh) |
-
2021
- 2021-11-26 CN CN202111425026.7A patent/CN114117317A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108415832B (zh) | 接口自动化测试方法、装置、设备及存储介质 | |
CN110310034B (zh) | 一种应用于SaaS的服务编排、业务流程处理方法和装置 | |
US20230020324A1 (en) | Task Processing Method and Device, and Electronic Device | |
CN110781180B (zh) | 一种数据筛选方法和数据筛选装置 | |
CN113361838A (zh) | 业务风控方法、装置、电子设备和存储介质 | |
CN114328132A (zh) | 外部数据源的状态监控方法、装置、设备和介质 | |
CN112882863A (zh) | 恢复数据的方法、装置、***和电子设备 | |
CN116932147A (zh) | 流式作业处理方法、装置、电子设备及介质 | |
CN111767149A (zh) | 调度方法、装置、设备及存储设备 | |
CN115309558A (zh) | 一种资源调度管理***、方法、计算机设备及存储介质 | |
CN114117317A (zh) | 模型处理方法、装置、设备以及存储介质 | |
CN115391204A (zh) | 自动驾驶服务的测试方法、装置、电子设备及存储介质 | |
CN114036250A (zh) | 高精地图任务处理方法、装置、电子设备和介质 | |
CN114564249A (zh) | 推荐调度引擎、推荐调度方法及计算机可读存储介质 | |
CN114756301A (zh) | 日志处理方法、装置和*** | |
CN114968286A (zh) | 微服务发布方法、装置、存储介质及电子设备 | |
CN114490000A (zh) | 任务处理方法、装置、设备及存储介质 | |
CN114298313A (zh) | 一种人工智能计算机视觉推理方法 | |
CN113656268B (zh) | 业务服务的性能测试方法、装置、电子设备和存储介质 | |
CN115292081B (zh) | 信息发送方法、装置、电子设备和介质 | |
CN115757275A (zh) | 一种资产信息管理方法、装置、电子设备及存储介质 | |
CN117668114A (zh) | 一种数据同步方法、装置、设备及介质 | |
CN114201564A (zh) | 地图生产任务处理方法、装置、电子设备以及存储介质 | |
CN115757587A (zh) | 一种异构数据源的整合方法、装置、电子设备及存储介质 | |
CN115357493A (zh) | 测试方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |