CN116225424A - 通用的模型效果展示方法、装置、设备及存储介质 - Google Patents
通用的模型效果展示方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116225424A CN116225424A CN202310185117.0A CN202310185117A CN116225424A CN 116225424 A CN116225424 A CN 116225424A CN 202310185117 A CN202310185117 A CN 202310185117A CN 116225424 A CN116225424 A CN 116225424A
- Authority
- CN
- China
- Prior art keywords
- model
- interface
- effect display
- request
- models
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 227
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 231
- 238000012545 processing Methods 0.000 claims description 29
- 230000004044 response Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000001747 exhibiting effect Effects 0.000 claims 1
- 238000011161 development Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 13
- 238000012423 maintenance Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000005516 engineering process Methods 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
- 238000012795 verification Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 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
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/36—Software reuse
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/70—Software maintenance or management
- G06F8/71—Version control; Configuration management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本公开提供了一种通用的模型效果展示方法、装置、设备及存储介质,涉及计算机技术领域,尤其涉及人工智能技术领域。实现方案为:首先创建用于在客户端的界面中展示模型效果的模型效果展示服务,然后获取多个类别的人工智能AI模型的接口参数,以在后续步骤中通过AI模型的接口参数调用对应的AI模型;进一步的,针对每个类别的AI模型,根据AI模型的接口参数,对模型效果展示服务进行配置,以获得每个类别的AI模型对应的目标模型效果展示服务;从而通过目标模型效果展示服务,基于用户输入的待识别内容在客户端的界面中展示对应类别的AI模型的模型效果。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及人工智能技术领域,具体涉及一种通用的模型效果展示方法、装置、设备及存储介质。
背景技术
随着人工智能(Artificial Intelligence,AI)技术的快速发展,AI模型的产品种类、数量也不断丰富和增长。海量的AI模型,需要通过推广、售卖,才能落地到具体的人工智能应用场景中,最终发挥AI模型的价值。而AI模型的推广、售卖,需要通过可视化的展示效果,来直观地展现AI模型的功能和优势。
发明内容
本公开提供了一种通用的模型效果展示方法、装置、设备及存储介质。
根据本公开的第一方面,提供了一种通用的模型效果展示方法,包括:创建模型效果展示服务,模型效果展示服务用于在客户端的界面中展示模型效果;获取多个类别的人工智能AI模型的接口参数,AI模型的接口参数用于调用AI模型;针对每个类别的AI模型,根据AI模型的接口参数,对模型效果展示服务进行配置,以获得每个类别的AI模型对应的目标模型效果展示服务;其中,目标模型效果展示服务用于基于用户输入的待识别内容在客户端的界面中展示对应类别的AI模型的模型效果。
根据本公开的第二方面,提供了一种通用的模型效果展示装置,包括:创建单元,用于创建模型效果展示服务,模型效果展示服务用于在客户端的界面中展示模型效果;获取单元,用于获取多个类别的人工智能AI模型的接口参数,AI模型的接口参数用于调用AI模型;处理单元,用于针对每个类别的AI模型,根据AI模型的接口参数,对模型效果展示服务进行配置,以获得每个类别的AI模型对应的目标模型效果展示服务;其中,目标模型效果展示服务用于基于用户输入的待识别内容在客户端的界面中展示对应类别的AI模型的模型效果。
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
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行第一方面中的任一项方法。
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,包括:
计算机指令用于使计算机执行第一方面中的任一项方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括:
计算机程序,计算机程序在被处理器执行第一方面中的任一项方法。
根据本公开的技术解决了开发不同类别AI模型对应的前端展示界面,开发工作量大、开发效率低、人力成本较高的问题。
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是本公开实施例提供的一种通用的模型效果展示方法的流程示意图;
图2是本公开实施例提供的一种客户端的界面展示实例图;
图3是本公开实施例提供的另一种客户端的界面展示实例图;
图4是本公开实施例提供的另一种通用的模型效果展示方法的流程示意图;
图5是本公开实施例提供的又一种通用的模型效果展示方法的流程示意图;
图6是本公开实施例提供的又一种通用的模型效果展示方法的流程示意图;
图7是本公开实施例提供的一种通用的模型效果展示方法对应的实现逻辑示意图;
图8是本公开实施例提供的一种通用的模型效果展示装置的结构示意图;
图9是本公开实施例提供的一种通用的模型效果展示方法的电子设备的框图。
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。
在对本公开实施例的通用的模型效果展示方法进行详细介绍之前,先对本公开实施例的应用场景进行介绍。
首先,对本公开实施例的应用场景进行介绍。
AI模型需要通过推广、售卖,才能落地到具体的人工智能应用场景中,最终发挥AI模型的价值。而AI模型的推广、售卖,需要通过可视化的展示效果,来直观地展现AI模型的功能和效果。
由于AI模型种类繁多,具体包括有文本识别模型、语音识别模型、视频识别模型等多种类别,并且不同类别的AI模型的服务接口请求体、返回体格式不统一,其中的动态参数名称、数量、展现方式不一致。这就导致无法用一套前端展示界面,展现各种类别AI模型的效果。
现有的AI模型识别结果的展现方案,是根据不同类别的AI模型,分别进行定制化开发工作,来适配AI模型的个性化接口,最终开发得到每个类别AI模型对应的可视化的展示界面,完成模型效果的展现。具体的需要针对每个类别AI模型的接口对应的个性化特征进行配置,才能开发得到每个类别AI模型对应的可视化的展示界面。
其中,AI模型的接口对应的个性化特征(本公开实施例中称为接口参数)包括有:模型接口请求地址、鉴权认证信息、请求体格式类型、返回体格式类型、请求体模板、返回体模板、请求体动态参数和返回体动态参数等。
由于现有方案需要针对具体的每个类别AI模型,进行接口适配工作的开发,这就导致开发工作量大,人力成本较高。并且,现有方案不仅要进行定制化开发工作,还需要进行测试、验证、部署,耗时较长,导致模型效果展现功能上线缓慢,效率较低。另外,如果AI模型进行迭代升级,接口参数发生变动,会直接在前端展示界面报错,无法正常展现AI模型的识别结果,方案不灵活、适配性较差。
为了解决上述问题,本公开实施例提供一种通用的模型效果展示方法,应用于展示不同类别的AI模型的模型效果的应用场景中。在该方法中,首先创建用于在客户端的界面中展示模型效果的模型效果展示服务,然后获取多个类别的AI模型的接口参数,以在后续步骤中通过AI模型的接口参数调用对应的AI模型;进一步的,针对每个类别的AI模型,根据AI模型的接口参数,对模型效果展示服务进行配置,以获得每个类别的AI模型对应的目标模型效果展示服务;从而通过目标模型效果展示服务,基于用户输入的待识别内容在客户端的界面中展示对应类别的AI模型的模型效果。
可以理解的是,本公开可以基于多个类别的AI模型的接口参数配置预先创建的模型效果展示服务,得到每个类别的AI模型对应的目标模型效果展示服务,以通过每个类别的AI模型对应的目标模型效果展示服务,基于用户输入的待识别内容在客户端的界面中展示对应类别的AI模型的模型效果。从而当用户在客户端的界面中输入待识别内容时,可以通过对应类别的AI模型对应的目标模型效果展示服务展示模型效果。通过上述方法,针对不同类别的AI模型,可以基于不同类别的AI模型的接口参数配置预先创建的模型效果展示服务,生成每个类别的AI模型对应的目标模型效果展示服务。而无需根据不同的AI模型,分别进行定制化开发工作,来适配每个类别AI模型的个性化服务接口,以开发得到每个AI模型对应的专属前端展示界面。从而可以提高开发得到不同类别的AI模型对应的专属模型效果展示服务的效率,降低开发工作量。
本公开提供的通用的模型效果展示方法的执行主体可以为通用的模型效果展示装置,该执行装置可以为服务器。该执行装置还可以为该服务器的中央处理器(CentralProcessing Unit,CPU),或者该服务器中的用于生成目标模型效果展示服务的处理模块。本公开实施例中以服务器执行通用的模型效果展示方法为例,说明本公开实施例提供的通用的模型效果展示方法。
需要说明的是,本公开实施例对服务器不作限定。本公开实施例中的服务器可以是独立的物理服务器,或者是多个物理服务器构成的服务器集群或者分布式文件***,或者是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络、以及大数据或者人工智能平台等基本云计算服务的云服务器中的至少一种,本公开实施例对此不加以限定。另外,本公开实施例中的客户端可以安装在电子设备中,该电子设备可以是平板电脑、手机、桌面型、膝上型、手持计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本等设备,本公开实施例对该电子设备的具体形态不作特殊限制。
本公开实施例提供的通用的模型效果展示方法,具体包括两个阶段:第一个阶段为配置各类别AI模型对应目标模型效果展示服务的阶段;第二个阶段为展示AI模型效果的阶段。以下通过这两个阶段对本实施例提供的方案进行介绍。
如图1所示,为本公开实施例提供的一种通用的模型效果展示方法,具体包括配置各类别AI模型对应目标模型效果展示服务的阶段,即对应上述第一个阶段,该方法可以包括:
S101、创建模型效果展示服务。
其中,模型效果展示服务用于在客户端的界面中展示模型效果。
本公开实施例中,当需要开发多个类别的AI模型对应的目标模型效果展示服务(或称为专属模型效果展示服务)时,可以预先创建一个通用的模型效果展示服务,以基于多个类别的AI模型中的每个类别的AI模型的接口参数,对预先创建的通用的模型效果展示服务进行配置,以获得每个类别的AI模型对应的目标模型效果展示服务。
可选的,通用的模型效果展示服务为预先构建的基础服务。
可以理解,预先创建的模型效果展示服务为一个通用服务,开发人员可以通过进一步的配置一些专属参数,得到一个专属模型效果展示服务,从而提高开发效率,降低开发工作量。
S102、获取多个类别的AI模型的接口参数。
其中,AI模型的接口参数用于调用AI模型。
在一种可能的实现方式中,可以从存储有多个类别的AI模型的电子设备中,直接获取每个类别的AI模型对应的接口参数,其中,存储不同类别AI模型的接口参数的电子设备可以相同,也可以不同。在另一种可能得实现方式中,也可以在本地预先保存多个类别的AI模型对应的接口参数。本公开对AI模型对应的接口参数的获取方式不做具体限定。
可选的,多个类别的AI模型可以包括:图像识别模型、文本识别模型、语音识别模型等,每个类别的AI模型可以包括有多个不同的模型。
在一种可能的实现方式中,接口参数包括以下至少一项:模型接口请求地址、鉴权认证信息、请求体格式类型、返回体格式类型、请求体模板、返回体模板、请求体动态参数和返回体动态参数。
其中,模型接口请求地址用于调用对应的AI模型,鉴权认证信息用于对基于目标模型效果展示服务生成的请求消息进行鉴权认证;请求体格式类型、请求体模板、请求体动态参数用于生成请求消息;返回体格式类型、返回体模板、返回体动态参数用于从响应消息中确定出待识别内容对应的识别结果。
S103、针对每个类别的AI模型,根据AI模型的接口参数,对模型效果展示服务进行配置,以获得每个类别的AI模型对应的目标模型效果展示服务。
其中,目标模型效果展示服务用于基于用户输入的待识别内容在客户端的界面中展示对应类别的AI模型的模型效果。
在一种可能的实现方式中,在得到每个类别的AI模型对应的目标模型效果展示服务之后,还可以将每个类别的AI模型对应的目标模型效果展示服务进行发布上线,从而用户可以使用所需的目标模型效果展示服务,以通过所需的目标模型效果展示服务查看对应AI模型的模型效果。
其中,展示不同类别的AI模型的模型效果的界面(即上述客户的界面)可以是不同的。
示例性的,如图2所示,为文本识别模型对应的客户端展示界面,在文本识别模型对应的客户端展示界面中包括:文本输入区域、识别结果显示区域、发起识别请求按钮、格式类型、上限字符数等信息。
又示例性的,如图3所示,为图像识别模型对应的客户端展示界面,在图像识别模型对应的客户端展示界面中包括:图像输入区域、识别结果显示区域、发起识别请求按钮(开始分析控件)、图像地址输入区域等信息。
在一种可能的实现方式中,在显示任一类别的AI模型对应的客户端展示界面之前,可以显示模型类别选择界面,用户可以在模型类别选择界面中选择所需类别的AI模型,从而触发显示对应的界面(例如显示图2所示的界面或图3所示的界面)。
如图4所示,为本公开实施例提供的另一种通用的模型效果展示方法,具体包括配置各类别AI模型对应目标模型效果展示服务的阶段,即对应上述第一个阶段,该方法可以包括:
S401、创建模型效果展示服务。
S402、获取多个类别的AI模型的接口参数。
需要说明的是,S401的具体描述与S101的具体描述相同,S402中的具体描述与S102相同,此处不在赘述。
S403、针对每个类别的AI模型,获取AI模型的接口参数的配置信息。
S404、将接口参数的配置信息配置到模型效果展示服务中,以获得每个类别的AI模型对应的目标模型效果展示服务。
可选的,运维人员可以在模型效果展示服务的配置界面中选择或输入不同类别的AI模型对应的接口参数,以便服务器获得这些接口参数,并根据获得的接口参数获取对应的配置信息,从而使得服务器将对应的接口参数的配置信息配置到模型效果展示服务中。
例如,模型效果展示服务可以理解为是一段代码(例如称为代码1),配置信息也可以理解为是一段代码(例如称为代码2,该代码2中包括接口参数),当运维人员在模型效果展示服务的配置界面中选择或输入AI模型对应的接口参数之后,服务器便可获得对应的接口参数,并基于获得的接口参数获取该接口参数的配置信息,并将其配置到模型效果展示服务中。其中,将配置信息配置到模型效果展示服务可以理解为:服务器将代码2(或代码2中的接口参数)嵌套(或修改)至代码1的对应参数中,以建立这两个代码的关系。
具体的,针对不同类别的AI模型,运维人员可以在确定需要配置的模型类别(例如文本识别模型或图像识别模型)之后,即可确定对应的客户端显示界面的样式,进一步的在模型效果展示服务的配置界面中配置对应的接口参数的配置信息。
具体的,运维人员可以在模型效果展示服务的配置界面中对应区域输入AI模型对应的接口请求地址。之后,服务器可以获得该接口请求地址,并基于获得的接口请求地址,获取该接口请求地址的配置信息。服务器可以将AI模型对应的接口请求地址的配置信息配置到模型效果展示服务中。
需要说明的是,AI模型对应的接口请求地址用于调用AI模型,AI模型对应的接口请求地址可以为存储有AI模型的服务器的地址;也可以为本地存储AI模型的存储地址。
示例性的,AI模型对应的接口请求地址,可以为一个链接(例如http://***.*.*.*:****/v1/modle/ocr)。运维人员可以在模型效果展示服务的配置界面中对应区域输入http://***.*.*.*:****/v1/modle/ocr。之后,服务器可以获得该接口请求地址:http://***.*.*.*:****/v1/modle/ocr,基于获得的接口请求地址,服务器可以获取其配置信息。服务器可以将获取的接口请求地址的配置信息配置到模型效果展示服务中。
其中,当将AI模型对应的接口请求地址的配置信息配置到预先创建的模型效果展示服务中得到目标模型效果展示服务之后,基于目标模型效果展示服务中的该接口请求地址的配置信息便可实现AI模型的调用。
具体的,运维人员还可以在模型效果展示服务的配置界面中对应区域输入AI模型对应的鉴权认证信息。服务器可以获得该鉴权认证信息。基于获得的鉴权认证信息,服务器可以获取该鉴权认证信息的配置信息。之后,服务器可以将AI模型对应的鉴权认证信息的配置信息配置到模型效果展示服务中。
其中,AI模型对应的鉴权认证信息可以从AI模型获取到,鉴权认证信息用于保障AI模型调用的安全性。
在一种可能的实现方式中,每个AI模型可以预先设置一个专属的鉴权认证信息。
示例性的,AI模型对应的鉴权认证信息可以为验证码信息。
鉴权认证信息的配置信息用于在请求调用AI模型的请求消息(还可以称为调用请求)中添加该鉴权认证信息。作为一种示例,鉴权认证信息的配置信息可以用于在生成请求消息时,在请求消息中,如在请求消息的请求头中增加Authorization字段,并在该字段中填充鉴权认证信息(如验证码信息)。从而在基于目标模型效果展示服务调用AI模型时,需要在该鉴权认证信息认证通过后,才能够成功调用AI模型,从而保障AI模型的接口安全性。
也就是说,当请求消息的请求头中包括的鉴权认证信息正确时,才允许目标模型效果展示服务调用AI模型;当请求消息的请求头中包括的鉴权认证信息不正确、或者请求消息的请求头中不包括的鉴权认证信息时,不允许目标模型效果展示服务调用AI模型。
具体的,运维人员还可以在模型效果展示服务的配置界面中对应区域配置请求体格式类型和返回体格式类型。之后,服务器可以获得该请求体格式类型和返回体格式类型,并基于获得的请求体格式类型和返回体格式类型,获取对应的配置信息。服务器可以将请求体格式类型和返回体格式类型的配置信息配置到模型效果展示服务中。后续,运维人员可根据请求体格式类型和返回体格式类型配置对应的请求体模板和返回体模板。
其中,请求体格式类型和返回体格式类型一致,格式类型为以下任一项:JSON、Text、XML。
示例性的,在模型效果展示服务的配置界面中,可以在下拉选项中选择JSON、Text、XML等多种格式类型中的任一种格式类型,以实现请求体格式类型和返回体格式类型的配置。
在一种可能的实现方式中,请求体格式类型可以根据待识别内容确定,返回体格式类型可以根据请求体格式类型确定,如两者保持一致。
运维人员还可以根据请求体格式类型和返回体格式类型配置请求体模板和返回体模板。请求体模板与请求体格式类型一致,返回体模板与返回体格式类型一致。
示例性的,以格式类型为JSON为例,运维人员配置的请求体模板可以为:
又示例性的,以格式类型为JSON为例,配置的返回体模板可以为:
在运维人员配置了请求体模板之后,服务器可以获得该请求体模板,并基于获得的请求体模板,获取该请求体模板的配置信息。服务器可以将AI模型对应的请求体模板的配置信息配置到模型效果展示服务中。类似的,在运维人员配置了返回体模板之后,服务器可以获得该返回体模板,并基于获得的返回体模板,获取该返回体模板的配置信息。服务器可以将AI模型对应的返回体模板的配置信息配置到模型效果展示服务中。
具体的,运维人员还可以在模型效果展示服务的配置界面中对应区域配置请求体动态参数和返回体动态参数。其中,请求体动态参数用于将待识别内容填充到请求体模板中,返回体动态参数用于基于返回体模板,从响应消息中确定待识别内容对应的识别结果。
在运维人员配置了请求体动态参数之后,服务器可以获得该请求体动态参数,并基于获得的请求体动态参数,获取该请求体动态参数的配置信息。服务器可以将AI模型对应的请求体动态参数的配置信息配置到模型效果展示服务中。类似的,在运维人员配置了返回体动态参数之后,服务器可以获得该返回体动态参数,并基于获得的返回体动态参数,获取该返回体动态参数的配置信息。服务器可以将AI模型对应的返回体动态参数的配置信息配置到模型效果展示服务中。其中,请求体动态参数的配置信息用于指示请求体的多层嵌套关系,返回体动态参数的配置信息用于指示返回体的多层嵌套关系。
其中,请求体动态参数可以是指在AI模型对应的客户端的界面中,输入项的某个字段(或多个字段),比如在上述示例的请求体模板中的name字段中需要填充的字段,这个字段(或多个字段)需要用户在客户端的界面中手动输入。返回体动态参数可以是指AI模型对应的客户端的界面中,显示的识别结果的字段,比如,图2或图3所示的界面中,右侧的某个字段或多个字段。这些识别结果包括在返回体对应的字段中,如上述示例的返回体模板中的shortName字段。
示例性的,以请求体动态参数为请求体模板中的name字段需要填充的字段为例,该请求体动态参数可以是在AI模型对应的客户端的界面中输入的文本内容。配置请求体动态参数这个字段,可以通过“requestBody.name”的方式来配置。即该请求动态参数的配置信息可以为requestBody.name,该配置信息指示对应请求体的多层嵌套关系,具体的为requestBody中的name字段。这样用户在客户端的界面手动输入文字后,基于配置在目标模型效果展示服务的该配置信息,可将用户手动输入的文字填充到请求体模板中,作为name字段的值,并在调用对应的AI模型时,携带这个值。
例如,当用户在客户端界面中输入的文字为“*****健康科技有限公司”时,则基于配置在目标模型效果展示服务的该配置信息requestBody.name,服务器可以将该文字嵌套在请求体模板中的“name”字段中以获得对应请求体,如得到的请求体如下所示:
又示例性的,配置返回体动态参数这个字段,可以用“result.name:企业简称”的方式来配置,即该返回体动态参数的配置信息可以为result.shortname:企业简称,该配置信息指示对应的返回体的多层嵌套关系,具体为:result中的shortname字段。其中冒号后面的文字,表示这个字段在客户端的界面中展示的内容。
在本公开实施例中,在对模型效果展示服务进行配置时,可以根据任一类别的AI模型的接口参数的配置信息,对模型效果展示服务进行配置,从而可以得到任一类别的AI模型对应的目标模型效果展示服务。即在模型效果展示服务中配置不同类别的AI模型的接口参数的配置信息,可以得到不同类别的AI模型对应的目标模型效果展示服务。从而可以对预先创建的模型效果展示服务进行个性化参数配置,得到所需的目标模型效果展示服务,提高了构建模型效果展示服务的效率。
如图5所示,为本公开实施例提供的一种通用的模型效果展示方法,具体包括展示AI模型效果的阶段,即对应上述第二阶段,该方法可以包括:
S501、获取用户在客户端的第一界面中输入的待识别内容。
其中,第一界面与第一类别的AI模型对应,第一类别的AI模型包括在多个类别的AI模型中。如,第一界面可以为图2或图3所示的界面。
可选的,客户端的第一界面中可以包括以下至少一项显示内容:待识别内容输入区域、识别结果显示区域、发起识别请求按钮等。
可选的,上述待识别内容可以为以下任一项:文本内容、图像内容、语音内容等。具体的文本内容可以为在输入框中直接输入的字符串,图像内容可以为直接在输入框中输入的图片,或者可以为图像的链接(存储地址)等,语音内容可以为直接在输入框中输入的语音,或者可以为语音的链接(存储地址)等。
不同类别待识别内容基于对应类别的AI模型获得识别结果,展示不同类别的AI模型的客户端的界面可以不同。
在一种可能的实现方式中,在将每个类别的AI模型对应的目标模型效果展示服务进行发布上线之后,用户可以使用任一类别的AI模型对应的目标模型效果展示服务来获得该类别AI模型的展示效果。如,用户可以在该类别的AI模型对应的客户端的界面,如称为第一界面中输入待识别内容。在用户在第一界面中输入待识别内容后,如用户在第一界面中输入待识别内容,并对发起识别请求按钮进行触发之后,便可以从客户端的第一界面中获取用户输入的待识别内容,以进行后续的处理。
在一种可能的实现方式中,在获取到待识别内容之后,需要进一步的将待识别内容转换为第一类别的AI模型可读的语言形式(例如机器语言)。
S502、基于第一类别的AI模型对应的目标模型效果展示服务,将待识别内容输入第一类别的AI模型,以获得待识别内容对应的识别结果,并展示在客户端的第一界面中。
在一种可能的实现方式中,可以基于第一类别的AI模型对应的目标模型效果展示服务调用第一类别的AI模型,以通过第一类别的AI模型识别并分析待识别内容,得到待识别内容对应的识别结果。
在一种可能的实现方式中,在得到待识别内容对应的识别结果之后,可以通过第一类别的AI模型对应的目标模型效果展示服务,将待识别内容对应的识别结果发送至客户端的第一界面中并显示,以向用户展示第一类别的AI模型对待识别内容的识别结果,从而用户可以通过客户端界面查看第一类别的AI模型的模型效果。
可以理解,在对预先创建的模型效果展示服务进行配置得到目标模型效果展示服务并发布上线之后,用户可以在客户端的界面中输入待识别内容,并通过点击发起识别请求按钮,触发目标模型效果展示服务调用对应的AI模型,识别并分析待识别内容,得到待识别内容对应的识别结果,然后在客户端的界面中展示识别结果,以展示对应AI模型的模型效果。
在本公开实施例中,在用户使用目标模型效果展示服务时,可以获取到用户在与第一类别的AI模型对应的客户端的第一界面中输入的待识别内容,并基于第一类别的AI模型对应的目标模型效果展示服务,将待识别内容输入第一类别的AI模型,以获得待识别内容对应的识别结果,并展示在客户端的第一界面中。当用户使用不同类别的AI模型对应的客户端中的界面时,可以将用户输入的待识别内容输入到界面对应的AI模型中,得到对应的识别结果。从而可以提高展示模型效果的效率。
如图6所示,为本公开实施例提供的另一种通用的模型效果展示方法,具体包括展示AI模型效果的阶段,即对应上述第二个阶段,该方法可以包括:
S601、获取用户在客户端的第一界面中输入的待识别内容。
需要说明的是,S601的具体描述与S501相同,此处不在赘述。
S602、基于请求体格式类型的配置信息、请求体模板的配置信息、请求体动态参数的配置信息,生成请求消息。
其中,请求消息中包括待识别内容和鉴权认证信息。
在一种可能的实现方式中,当获取到客户端的第一界面中输入的待识别内容之后,可以根据请求体格式类型的配置信息、请求体模板的配置信息和请求体动态参数的配置信息,将待识别内容嵌套至对应的请求体模板中,从而生成对应的请求体,或称为请求消息。
可选的,在生成对应的请求消息之后,目标模型效果展示服务可以通过请求消息请求调用对应类别的AI模型。
S603、基于鉴权认证信息对请求消息进行鉴权。
在一种可能的实现方式中,由于请求消息的请求头中添加了对应的鉴权认证信息(具体描述可参见S404中的对应内容),因此可以判断请求消息中携带的鉴权认证信息与AI模型的鉴权认证信息是否一致,以对请求消息进行鉴权,确定访问的合法性。
可选的,当请求消息的请求头中包括的鉴权认证信息通过鉴权时,才允许调用AI模型,否则不允许调用AI模型。
S604、在鉴权成功后,基于请求消息和模型接口请求地址的配置信息调用第一类别的AI模型,以将待识别内容输入第一类别的AI模型。
在一种可能的实现方式中,可以基于模型接口请求地址的配置信息访问第一类别的AI模型,以将请求消息通过模型接口请求地址转发至第一类别的AI模型。
在一种可能的实现方式中,在将请求消息通过模型接口请求地址转发至第一类别的AI模型之后,第一类别的AI模型可以获取请求消息中携带的待识别内容,并对待识别内容进行识别分析处理,得到对应的识别结果。
在一种可能的实现方式中,在第一类别的AI模型得到待识别内容对应的识别结果之后,可以将识别结果携带在响应消息中,返回给目标模型效果展示服务的服务器。
S605、获取第一类别的AI模型返回的响应消息。
其中,响应消息包括待识别内容对应的识别结果。
S606、基于返回体格式类型的配置信息、返回体模板的配置信息、返回体动态参数的配置信息,从响应消息中确定出待识别内容对应的识别结果,并展示在客户端的第一界面中。
在一种可能的实现方式中,目标模型效果展示服务的服务器接收第一类别的AI模型返回的携带识别结果的响应消息,并基于返回体格式类型的配置信息、返回体模板的配置信息、返回体动态参数的配置信息,从响应消息(也可以称为返回体)中确定出待识别内容对应的识别结果,从而将识别结果展示在客户端的第一界面中。
在本公开实施例中,当获取到客户端的第一界面中输入的待识别内容之后,可以基于预先配置的请求体格式类型的配置信息、请求体模板的配置信息、请求体动态参数的配置信息,生成携带待识别内容和鉴权认证信息的请求消息,并基于鉴权认证信息对请求消息进行鉴权;以在鉴权成功后,基于请求消息和模型接口请求地址的配置信息调用第一类别的AI模型,从而将待识别内容输入第一类别的AI模型。从而通过第一类别的AI模型对待识别内容进行识别分析,得到对应的识别结果,并接收第一类别的AI模型返回的携带识别结果的响应消息。进一步的可以基于返回体格式类型的配置信息、返回体模板的配置信息、返回体动态参数的配置信息,从响应消息中确定出待识别内容对应的识别结果。上述方法可以根据用户输入的待识别内容的界面,确定需要调用的AI模型,从而可以提高生成待识别内容对应的识别结果的效率。
示例性的,如图7所示,为本公开实施例提供的一种通用的模型效果展示方法对应的实现逻辑示意图,在创建了模型效果展示服务之后,首先需要确定当前需要配置的模型类别,从而基于待配置的模型类别确定客户端的展示界面的展示效果,并通过页面效果配置模块生成对应的前端样式代码(不同类别AI模型对应的前端样式代码不同,界面效果不同)。进一步的,获取任一类别的AI模型的接口参数(即个性化接口参数,包括模型接口请求地址、鉴权认证信息、请求体格式类型、返回体格式类型、请求体模板、返回体模板、请求体动态参数和返回体动态参数等),并根据任一类别的AI模型的接口参数的配置信息配置预先创建的模型效果展示服务。具体的,在预先创建的模型效果展示服务中配置接口参数的配置信息之后,服务器可以通过后台配置模块中的接口请求配置模块和结果解析配置模块生成模型接口请求代码,从而得到任一类别的AI模型对应的目标模型效果展示服务。
进一步的,当用户需要通过目标模型效果展示服务查看AI模型对待识别内容的识别结果时,用户可以在客户端的界面中输入待识别内容,从而服务器可以通过客户端的界面(即前端样式代码)获取待识别内容,并向目标模型效果展示服务(模型接口请求代码)发起请求,从而基于任一类别的AI模型对应的目标模型效果展示服务,基于请求体格式类型的配置信息、请求体模板的配置信息、请求体动态参数的配置信息,生成请求消息。在通过鉴权认证信息对请求消息进行鉴权成功之后,通过模型接口请求地址的配置信息向AI模型发起调用请求,以将待识别内容输入到AI模型中。AI模型基于待识别内容生成对应的识别结果并向目标模型效果展示服务(模型接口请求代码)返回包括识别结果的响应消息,目标模型效果展示服务基于返回体格式类型的配置信息、返回体模板的配置信息、返回体动态参数的配置信息,再将识别结果从响应消息中解析出来,并发送给前端显示代码,以展示在客户端的界面中供用户查看。
本公开通过接口请求消息的灵活配置,以及对AI模型请求体、返回体动态参数的分层标记,实现了客户端界面灵活调用各种AI模型的接口,并展现出AI模型的识别结果。这种基于配置、标记的AI模型效果展示方式,节省大量因AI模型接口差异,导致的定制化开发工作,并且极大的缩短了AI模型效果展示服务的上线时间。通过本方法可以满足对不同类别模型的效果展示需求,无需重复开发定制,有效降低模型可视化展示的开发成本。在需要展示大量模型效果的需求场景下,能够提升模型效果展示的发布速度,提升客户的满意度。并且,当模型迭代、变更时,可以直接通过修改配置参数信息进行模型接口的适配,更加灵活高效。
基于上述技术方案,本公开可以基于多个类别的人工智能AI模型的接口参数配置预先创建的模型效果展示服务,得到每个类别的AI模型对应的目标模型效果展示服务,以通过每个类别的AI模型对应的目标模型效果展示服务,基于用户输入的待识别内容在客户端的界面中展示对应类别的AI模型的模型效果。从而当用户在客户端的界面中输入待识别内容时,可以通过对应类别的AI模型对应的目标模型效果展示服务展示模型效果。通过上述方法,针对不同类别的AI模型,可以基于不同类别的AI模型的接口参数配置预先创建的模型效果展示服务,生成每个类别的AI模型对应的目标模型效果展示服务。而无需根据不同的AI模型,分别进行定制化开发工作,来适配每个AI模型的个性化服务接口,以开发得到每个AI模型对应的专属前端展示界面,才能展示每个AI模型的模型效果。从而可以提高开发得到不同类别的AI模型对应的专属模型效果展示服务的效率,降低开发工作量。
上述主要从计算机设备的角度对本公开实施例提供的方案进行了介绍。可以理解的是,计算机设备为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本公开所公开的实施例描述的各示例的通用的模型效果展示方法步骤,本公开能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
本公开实施例可以根据上述方法示例对通用的模型效果展示方式进行功能模块或者功能单元的划分,例如,可以对应各个功能划分各个功能模块或者功能单元,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块或者功能单元的形式实现。其中,本公开实施例中对模块或者单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
如图8所示,为本公开实施例提供的一种通用的模型效果展示装置的结构示意图。通用的模型效果展示装置可以包括:创建单元801、获取单元802和处理单元803。
创建单元801,用于创建模型效果展示服务,模型效果展示服务用于在客户端的界面中展示模型效果;获取单元802,用于获取多个类别的人工智能AI模型的接口参数,AI模型的接口参数用于调用AI模型;处理单元803,用于针对每个类别的AI模型,根据AI模型的接口参数,对模型效果展示服务进行配置,以获得每个类别的AI模型对应的目标模型效果展示服务;其中,目标模型效果展示服务用于基于用户输入的待识别内容在客户端的界面中展示对应类别的AI模型的模型效果。
可选的,展示不同类别的AI模型的模型效果的界面不同。
可选的,获取单元802,还用于获取接口参数的配置信息;处理单元803,还用于将接口参数的配置信息配置到模型效果展示服务中。
可选的,获取单元802,还用于获取用户在客户端的第一界面中输入的待识别内容,第一界面与第一类别的AI模型对应,第一类别的AI模型包括在多个类别的AI模型中;处理单元803,还用于基于第一类别的AI模型对应的目标模型效果展示服务,将待识别内容输入第一类别的AI模型,以获得待识别内容对应的识别结果,并展示在客户端的第一界面中。
可选的,接口参数包括以下至少一项:模型接口请求地址、鉴权认证信息、请求体格式类型、返回体格式类型、请求体模板、返回体模板、请求体动态参数和返回体动态参数。
可选的,处理单元803,还用于基于请求体格式类型的配置信息、请求体模板的配置信息、请求体动态参数的配置信息,生成请求消息,请求消息中包括待识别内容和鉴权认证信息;处理单元803,还用于基于鉴权认证信息对请求消息进行鉴权;处理单元803,还用于在鉴权成功后,基于请求消息和模型接口请求地址的配置信息调用第一类别的AI模型,以将待识别内容输入第一类别的AI模型;获取单元802,还用于获取第一类别的AI模型返回的响应消息,响应消息包括待识别内容对应的识别结果;处理单元803,还用于基于返回体格式类型的配置信息、返回体模板的配置信息、返回体动态参数的配置信息,从响应消息中确定出待识别内容对应的识别结果。
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。
图9示出了可以用来实施本公开的实施例的示例电子设备900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9所示,电子设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储电子设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
电子设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许电子设备900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901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901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901执行上文所描述的各个方法和处理,例如通用的模型效果展示方法。例如,在一些实施例中,通用的模型效果展示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908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到电子设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的通用的模型效果展示方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行通用的模型效果展示方法。
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)、复杂可编程逻辑设备(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,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 (15)
1.一种通用的模型效果展示方法,包括:
创建模型效果展示服务,所述模型效果展示服务用于在客户端的界面中展示模型效果;
获取多个类别的人工智能AI模型的接口参数,所述AI模型的接口参数用于调用所述AI模型;
针对每个类别的AI模型,根据所述AI模型的接口参数,对所述模型效果展示服务进行配置,以获得所述每个类别的AI模型对应的目标模型效果展示服务;其中,所述目标模型效果展示服务用于基于用户输入的待识别内容在所述客户端的界面中展示对应类别的AI模型的模型效果。
2.根据权利要求1所述的方法,其中,展示不同类别的AI模型的模型效果的界面不同。
3.根据权利要求1或2所述的方法,其中,根据所述AI模型的接口参数,对所述模型效果展示服务进行配置,包括:
获取所述接口参数的配置信息;
将所述接口参数的配置信息配置到所述模型效果展示服务中。
4.根据权利要求2或3所述的方法,其中,所述方法还包括:
获取用户在所述客户端的第一界面中输入的待识别内容,所述第一界面与第一类别的AI模型对应,所述第一类别的AI模型包括在所述多个类别的AI模型中;
基于所述第一类别的AI模型对应的目标模型效果展示服务,将所述待识别内容输入所述第一类别的AI模型,以获得所述待识别内容对应的识别结果,并展示在所述客户端的第一界面中。
5.根据权利要求1-4中任一项所述的方法,其中,所述接口参数包括以下至少一项:模型接口请求地址、鉴权认证信息、请求体格式类型、返回体格式类型、请求体模板、返回体模板、请求体动态参数和返回体动态参数。
6.根据权利要求5所述的方法,其中,基于所述第一类别的AI模型对应的目标模型效果展示服务,将所述待识别内容输入所述第一类别的AI模型,以获得所述待识别内容对应的识别结果,包括:
基于所述请求体格式类型的配置信息、所述请求体模板的配置信息、所述请求体动态参数的配置信息,生成请求消息,所述请求消息中包括所述待识别内容和所述鉴权认证信息;
基于所述鉴权认证信息对所述请求消息进行鉴权;
在鉴权成功后,基于所述请求消息和所述模型接口请求地址的配置信息调用所述第一类别的AI模型,以将所述待识别内容输入所述第一类别的AI模型;
获取所述第一类别的AI模型返回的响应消息,所述响应消息包括所述待识别内容对应的识别结果;
基于所述返回体格式类型的配置信息、所述返回体模板的配置信息、所述返回体动态参数的配置信息,从所述响应消息中确定出所述待识别内容对应的识别结果。
7.一种通用的模型效果展示装置,包括:
创建单元,用于创建模型效果展示服务,所述模型效果展示服务用于在客户端的界面中展示模型效果;
获取单元,用于获取多个类别的人工智能AI模型的接口参数,所述AI模型的接口参数用于调用所述AI模型;
处理单元,用于针对每个类别的AI模型,根据所述AI模型的接口参数,对所述模型效果展示服务进行配置,以获得所述每个类别的AI模型对应的目标模型效果展示服务;其中,所述目标模型效果展示服务用于基于用户输入的待识别内容在所述客户端的界面中展示对应类别的AI模型的模型效果。
8.根据权利要求7所述的通用的模型效果展示装置,其中,展示不同类别的AI模型的模型效果的界面不同。
9.根据权利要求7或8所述的通用的模型效果展示装置,其中,
所述获取单元,还用于获取所述接口参数的配置信息;
所述处理单元,还用于将所述接口参数的配置信息配置到所述模型效果展示服务中。
10.根据权利要求8或9所述的通用的模型效果展示装置,其中,
所述获取单元,还用于获取用户在所述客户端的第一界面中输入的待识别内容,所述第一界面与第一类别的AI模型对应,所述第一类别的AI模型包括在所述多个类别的AI模型中;
所述处理单元,还用于基于所述第一类别的AI模型对应的目标模型效果展示服务,将所述待识别内容输入所述第一类别的AI模型,以获得所述待识别内容对应的识别结果,并展示在所述客户端的第一界面中。
11.根据权利要求7-10中任一项所述的通用的模型效果展示装置,其中,所述接口参数包括以下至少一项:模型接口请求地址、鉴权认证信息、请求体格式类型、返回体格式类型、请求体模板、返回体模板、请求体动态参数和返回体动态参数。
12.根据权利要求11所述的通用的模型效果展示装置,其中,
所述处理单元,还用于基于所述请求体格式类型的配置信息、所述请求体模板的配置信息、所述请求体动态参数的配置信息,生成请求消息,所述请求消息中包括所述待识别内容和所述鉴权认证信息;
所述处理单元,还用于基于所述鉴权认证信息对所述请求消息进行鉴权;
所述处理单元,还用于在鉴权成功后,基于所述请求消息和所述模型接口请求地址的配置信息调用所述第一类别的AI模型,以将所述待识别内容输入所述第一类别的AI模型;
所述获取单元,还用于获取所述第一类别的AI模型返回的响应消息,所述响应消息包括所述待识别内容对应的识别结果;
所述处理单元,还用于基于所述返回体格式类型的配置信息、所述返回体模板的配置信息、所述返回体动态参数的配置信息,从所述响应消息中确定出所述待识别内容对应的识别结果。
13.一种电子设备,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1-6中任一项所述的方法。
14.一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1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310185117.0A CN116225424A (zh) | 2023-02-24 | 2023-02-24 | 通用的模型效果展示方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310185117.0A CN116225424A (zh) | 2023-02-24 | 2023-02-24 | 通用的模型效果展示方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116225424A true CN116225424A (zh) | 2023-06-06 |
Family
ID=86572755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310185117.0A Pending CN116225424A (zh) | 2023-02-24 | 2023-02-24 | 通用的模型效果展示方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116225424A (zh) |
-
2023
- 2023-02-24 CN CN202310185117.0A patent/CN116225424A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11368415B2 (en) | Intelligent, adaptable, and trainable bot that orchestrates automation and workflows across multiple applications | |
US10412167B2 (en) | Hybrid cloud communication system | |
US11132114B2 (en) | Method and apparatus for generating customized visualization component | |
US11797273B2 (en) | System and method for enhancing component based development models with auto-wiring | |
CN115485690A (zh) | 用于处置聊天机器人的不平衡训练数据的分批技术 | |
US8539514B2 (en) | Workflow integration and portal systems and methods | |
US10331765B2 (en) | Methods and apparatus for translating forms to native mobile applications | |
CN113268336B (zh) | 一种服务的获取方法、装置、设备以及可读介质 | |
US8020051B2 (en) | Message handling in a service-oriented architecture | |
CN110070394A (zh) | 数据处理方法、***、介质和计算设备 | |
JP2023551325A (ja) | ニューラルネットワークにおける過剰予測のための方法およびシステム | |
CN114035793A (zh) | 页面生成方法、页面生成装置、设备及存储介质 | |
CN111857674A (zh) | 业务产品生成方法及装置、电子设备和可读存储介质 | |
US20220284371A1 (en) | Method, device and medium for a business function page | |
CN112732547B (zh) | 业务测试方法、装置、存储介质及电子设备 | |
CN117492743A (zh) | 基于大语言模型的目标应用生成方法、装置及存储介质 | |
CN111078202A (zh) | 业务架构模型维护方法、装置、电子设备和介质 | |
CN110889670A (zh) | 一种服务审批***、方法、装置及计算机可读存储介质 | |
CN116225424A (zh) | 通用的模型效果展示方法、装置、设备及存储介质 | |
CN115033233A (zh) | 一种接口调用方法、装置、电子设备及存储介质 | |
CN106998350B (zh) | 基于跨用户消息的功能项使用框架的方法及*** | |
CN112231336B (zh) | 识别用户的方法、装置、存储介质及电子设备 | |
CN112669000A (zh) | 政务事项处理方法、装置、电子设备及存储介质 | |
CN113157360B (zh) | 用于处理api的方法、装置、设备、介质和产品 | |
US12019647B2 (en) | Accessing application services from forms |
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 |