CN117093259B - 一种模型配置方法及相关设备 - Google Patents
一种模型配置方法及相关设备 Download PDFInfo
- Publication number
- CN117093259B CN117093259B CN202311360896.XA CN202311360896A CN117093259B CN 117093259 B CN117093259 B CN 117093259B CN 202311360896 A CN202311360896 A CN 202311360896A CN 117093259 B CN117093259 B CN 117093259B
- Authority
- CN
- China
- Prior art keywords
- model
- configuration
- component
- target
- area
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 89
- 238000010276 construction Methods 0.000 claims abstract description 26
- 230000004044 response Effects 0.000 claims description 42
- 238000012549 training Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 abstract description 25
- 239000000306 component Substances 0.000 description 517
- 238000012545 processing Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000010076 replication Effects 0.000 description 10
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 238000013135 deep learning Methods 0.000 description 4
- 238000000844 transformation Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012533 medium component Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (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)
- Stored Programmes (AREA)
Abstract
本申请公开了一种模型配置方法及相关设备，可以展示模型配置界面，模型配置界面包括参数配置区域，参数配置区域包括模块化的模型组件，模型组件包括预设配置以及可修改参数，可修改参数用于修改模型组件的组件代码；响应于对模型组件的配置操作，基于可修改参数获取相应的组件代码对应的模型组件，作为第一配置模型组件；基于第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型。本申请可以降低模型配置过程中的繁琐性，减少配置模型花费的时间，提高模型配置过程中的工作效率。
Description
技术领域
本申请涉及计算机技术领域，具体涉及一种模型配置方法及相关设备。
背景技术
模型训练是指通过使用算法和数据来训练机器学习模型，使其能够从输入数据中学习并做出预测或执行特定任务。模型训练的目标是通过调整模型的参数和权重，使其能够对未知数据进行准确的预测或分类。
传统的模型训练过程中，通常是需要通过编程人员通过编写程序代码，这些程序代码代表了训练模型的相关信息，例如模型参数，模型结构等。然而，通过上述的方式进行模型训练的过程中，首先需要进行模型的配置工作，在每次进行配置时均需要编程人员花费大量的时间进行编程，这就会使模型配置的过程中较为繁琐，需要花费大量的时间，导致模型配置过程中的工作效率较低。
发明内容
本申请实施例提供一种模型配置方法及相关设备，相关设备可以包括模型配置装置、电子设备、计算机可读存储介质和计算机程序产品，可以降低模型配置过程中的繁琐性，减少配置模型花费的时间，提高模型配置过程中的工作效率。
本申请实施例提供一种模型配置方法，包括：
展示模型配置界面，所述模型配置界面包括参数配置区域，所述参数配置区域包括模块化的模型组件，所述模型组件包括预设配置以及可修改参数，所述可修改参数用于修改所述模型组件的组件代码；
响应于对所述模型组件的配置操作，基于所述可修改参数获取相应的所述组件代码对应的模型组件，作为第一配置模型组件；
基于所述第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型。
可选的，在一些实施例中，所述响应于对所述模型组件的配置操作，基于所述可修改参数获取相应的所述组件代码对应的模型组件，作为第一配置模型组件，包括：
响应于对所述模型组件的配置操作，修改所述模型组件对应的所述可修改参数，以修改所述模型组件对应的所述组件代码；
获取修改后的所述组件代码对应的模型组件，作为第一配置模型组件。
可选的，在一些实施例中，所述响应于对所述模型组件的配置操作，基于所述可修改参数获取相应的所述组件代码对应的模型组件，作为第一配置模型组件，还包括：
展示代码编程界面，所述代码编程界面包括代码编程区域和模型生成区域，所述代码编程区域用于对所述组件代码进行编辑，所述模型生成区域用于基于所述组件代码生成所述模型组件；
响应于对所述模型组件的生成操作，在所述代码编程区域得到所述模型组件的目标组件代码；
基于所述目标组件代码在所述模型生成区域生成第一模型组件，作为目标模型组件，所述目标模型组件包括目标可修改参数和目标预设配置；
响应于对所述模型组件的配置操作，将所述目标可修改参数作为可修改参数，将所述目标预设配置作为预设配置；
基于所述可修改参数和所述预设配置得到第二模型组件，作为第一配置模型组件。
可选的，在一些实施例中，在获取所述第一配置模型组件之后，还包括：
将所述目标可修改参数和所述目标预设配置更新至预设的参数配置调用区域，所述参数配置调用区域位于所述模型配置界面；
将所述第一配置模型组件更新至预设的公共模型库，以便于基于所述公共模型库调取组件，所述公共模型库包括模型组件和所述第一配置模型组件。
可选的，在一些实施例中，在所述基于所述第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型之后，还包括：
基于所述预设配置和所述可修改参数获取模型运行时段；
响应于模型运行指令，控制所述第一目标模型按照所述模型运行时段进行模型训练。
可选的，在一些实施例中，在所述基于所述第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型之后，还包括：
响应于对新的模型组件的配置操作，基于新的所述可修改参数获取相应的所述组件代码对应的模型组件，作为第二配置模型组件；
基于所述第二配置模型组件在所述模型搭建区域搭建得到第二目标模型；
获取所述第一目标模型和所述第二目标模型的配置模型组件，所述配置模型组件包括预设配置和可修改参数；
响应于对配置模型的对比操作，在所述参数配置区域对所述第一目标模型和所述第二目标模型的配置模型组件进行对比，并获取差异参数。
可选的，在一些实施例中，所述响应于对新的模型组件的配置操作，基于新的所述可修改参数获取相应的所述组件代码对应的模型组件，作为第二配置模型组件，包括：
获取所述第一目标模型的配置模型组件；
响应于对新的模型组件的配置操作，在所述参数配置区域得到所述第一目标模型的配置模型组件的复制模型组件；
响应于对所述复制模型组件的配置操作，在所述参数配置区域修改所述复制模型组件的可修改参数，得到第一可修改参数；
基于第一可修改参数获取相应的所述组件代码对应的模型组件，作为第二配置模型组件。
可选的，在一些实施例中，在得到所述第一目标模型之后，还包括：
当需要对所述第一目标模型进行扩充时，响应于对所述第一目标模型的扩充操作，在所述第一目标模型对应的所述参数配置区域增加第三配置模型组件，所述第三配置模型组件包括新的预设配置和新的可修改参数；
基于所述第一配置模型组件和所述第三配置模型组件在所述模型搭建区域搭建得到第三目标模型。
相应的，本申请实施例提供一种模型配置装置，包括：
界面展示模块，用于模型配置界面，所述模型配置界面包括参数配置区域，所述参数配置区域包括模块化的模型组件，所述模型组件包括预设配置以及可修改参数，所述可修改参数用于修改所述模型组件的组件代码；
组件获取模块，用于响应于对所述模型组件的配置操作，基于所述可修改参数获取相应的所述组件代码对应的模型组件，作为第一配置模型组件；
模型获取模块，用于基于所述第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型。
本申请实施例提供的一种电子设备，包括处理器和存储器，所述存储器存储有多条指令，所述处理器加载所述指令，以执行本申请实施例提供的模型配置方法中的步骤。
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本申请实施例提供的模型配置方法中的步骤。
此外，本申请实施例还提供一种计算机程序产品，包括计算机程序或指令，该计算机程序或指令被处理器执行时实现本申请实施例提供的模型配置方法中的步骤。
本申请实施例提供了一种模型配置方法以及相关设备，可以展示模型配置界面，所述模型配置界面包括参数配置区域，所述参数配置区域包括模块化的模型组件，所述模型组件包括预设配置以及可修改参数，所述可修改参数用于修改所述模型组件的组件代码；响应于对所述模型组件的配置操作，基于所述可修改参数获取相应的所述组件代码对应的模型组件，作为第一配置模型组件；基于所述第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型。本申请通过模型组件搭建目标模型，无需对编写代码，可以降低模型配置过程中的繁琐性，且可以对可修改参数调整组件代码，进而实现对模型组件的修改，能够减少配置模型花费的时间，提高模型配置过程中的工作效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的模型配置方法的场景示意图；
图2是本申请实施例提供的模型配置方法的流程图；
图3是本申请实施例提供的模型配置界面的示意图；
图4是本申请实施例提供的模型基础设置界面的示意图；
图5是本申请实施例提供的模型对比区域开启的参数配置界面示意图；
图6是本申请实施例提供的模型配置方法的另一流程图；
图7是本申请实施例提供的模型配置装置的结构示意图；
图8是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提供一种模型配置方法以及相关设备，相关设备可以包括模型配置装置、电子设备、计算机可读存储介质和计算机程序产品。该模型配置装置具体可以集成在电子设备中，该电子设备可以是终端或服务器等设备。
可以理解的是，本实施例的模型配置方法可以是在终端上执行的，也可以是在服务器上执行，还可以由终端和服务器共同执行的。以上举例不应理解为对本申请的限制。
如图1所示，以终端和服务器共同执行模型配置方法为例。本申请实施例提供的模型训练***包括终端10和服务器11等；终端10与服务器11之间通过网络连接，比如，通过有线或无线网络连接等，其中，模型配置装置可以集成在终端中。
其中，终端10，可以用于：展示模型配置界面，模型配置界面包括参数配置区域，参数配置区域包括模块化的模型组件，模型组件包括预设配置和可修改参数，可修改参数用于修改模型组件的组件代码；响应于对模型组件的配置操作，基于可修改参数获取相应的组件代码对应的模型组件，作为第一配置模型组件；基于第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型。
其中，终端10可以包括手机、智能语音交互设备、智能家电、车载终端、飞行器、平板电脑、笔记本电脑、或个人计算机（PC，Personal Computer）等。终端10上还可以设置客户端，该客户端可以是应用程序客户端或浏览器客户端等等。
其中，服务器11，可以用于：接收终端10发送的模块化的模型组件，终端10展示模型配置界面，模型配置界面包括参数配置区域，参数配置区域包括模块化的模型组件，模型组件包括预设配置和可修改参数，可修改参数用于修改模型组件的组件代码；将对模型组件的配置操作发送给终端10，以使终端10基于可修改参数获取相应的组件代码对应的模型组件，作为第一配置模型组件，并基于第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型。
其中，服务器11可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式***，还可以是提供云服务、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、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。本申请所公开的模型配置方法或装置，其中多个服务器可组成为一区块链，而服务器为区块链上的节点。
以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。
本实施例将从模型配置装置的角度进行描述，该模型配置装置具体可以集成在电子设备中，该电子设备可以是服务器或终端等设备。
本实施例可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。
如图2所示，该模型配置方法的具体流程可以如下：
110、展示模型配置界面，模型配置界面包括参数配置区域，参数配置区域包括模块化的模型组件，模型组件包括预设配置以及可修改参数，可修改参数用于修改模型组件的组件代码。
通过模型配置界面，可以对模型组件进行展示，且模型配置界面为参数化的界面，参照图3，图3是本申请实施例提供的模型配置界面的示意图，在模型配置界面上包括参数配置区域，在参数配置区域能够展示模型组件的预设配置以及可修改参数，且在参数配置区域，可以通过可修改参数的调整实现对模型组件的组件代码的修改。
也就是，预设配置和可修改参数，均通过模型组件与组件代码之间预建立有关联关系，对可修改参数以及预设配置的调整，均可以实现组件代码的修改，进而最终实现模型组件的修改。
需要说明的是，模型组件中的预设配置以及可修改参数所展示的内容（即字母、文字或字符等）的数量远小于模型组件对应的组件代码的数量，例如，预设配置以及可修改参数仅有十几个字母、文字或字符等，对应的组件代码存在几十个或几百个代码等，从而通过修改可修改参数的方式修改模型组件，能够减少对组件代码处理过程中的繁琐性。
且由于模型组件为模块化，因此调用模型组件的过程中所需要处理的数据量也是远小于通过重新编写组件代码所要处理的数据量，这就会减少模型配置过程中所需要消耗的时间，进而能够提高模型配置的效率。
参照图3，例如当需要在模型组件中体现重量时，可以直接调用模型组件：loss_weight:1.0，其中，loss_weight:为预设配置，1.0为可修改参数。而如果通过编程语言来实现，则需要通过如下的编程实现：
以Python编程语言来说，如果要体现重量，则需要通过如下编程语言：
def calculate_weight(size, density):
weight = size * density # 根据尺寸和密度计算重量
return weight
object_size = 5.0
object_density = 2.5
object_weight = calculate_weight(object_size, object_density) # 调用函数计算物体的重量
print("物体的重量为：" + str(object_weight))。
以C#编程语言来说，如果要体现重量，则需要通过如下编程语言：
public double CalculateWeight(double size, double density)
{
double weight = size * density; // 根据尺寸和密度计算重量
return weight;
}
double objectSize = 5.0;
double objectDensity = 2.5;
double objectWeight = CalculateWeight(objectSize, objectDensity); //调用函数计算物体的重量
Console.WriteLine("物体的重量为：" + objectWeight)。
当然，上述仅仅是举例说明，并不限于上述方式。由上可知，通过模块化的模型组件进行模型配置过程中，能够大大降低工作量，进而能够有效的提高工作的效率，且不需要涉及对组件代码的修改或者其他编辑操作，使对编程代码不熟悉的操作人员，也能够通过预设配置和可修改参数较为方便的对模型组件进行调整。
120、响应于对模型组件的配置操作，基于可修改参数获取相应的组件代码对应的模型组件，作为第一配置模型组件。
响应于模型组件的配置操作，具体的操作方式可以是通过根据预设程序自动调配相应的模型组件，还可以是通过人工调配的方式确定配置操作，当然还可以是通过其他方式。
当响应于对模型组件的配置操作之后，可以根据配置操作调取相应的模型组件，并且可以通过修改可修改参数调整相应的模型组件的组件代码，进而实现对模型组件的调整，进而获得第一配置模型组件。
在一些实施例中，响应于对模型组件的配置操作，基于可修改参数获取相应的组件代码对应的模型组件，作为第一配置模型组件，包括：
响应于对模型组件的配置操作，修改模型组件对应的可修改参数，以修改模型组件对应的组件代码；
获取修改后的组件代码对应的模型组件，作为第一配置模型组件。
举例来说，参数图3，可以从模型配置界面中的参数配置调用区域调用相应的模型组件，具体调用的模型组件可以根据实际的模型需要调用，参数配置调用区域包括若干的模型组件。
然后将调用的模型组件配置到参数配置区域，然后在参数配置区域对模型组件中的可修改参数进行修改，从而实现获取新的模型组件，即第一配置模型组件，例如调用的模型组件为loss_weight:1.0，此时为了满足模型组件的需求，可以对模型组件的重量进行调整，因此这时仅需要对可修改参数进行调整，就可以获得第一配置模型组件，例如将1.0修改为2.0，则第一配置模型组件就为loss_weight:1.0。
除了对可修改参数进行调整之外，还存在当前的模型组件通过调整可修改参数也不满足需求的情况，例如需要调用五边形的模型组件，而参数配置调用区域仅存在四边形的模型组件，此时就需要对组件代码进行修改。
因此，在一些实施例中，响应于对模型组件的配置操作，基于可修改参数获取相应的组件代码对应的模型组件，作为第一配置模型组件，还包括：
展示代码编程界面，代码编程界面包括代码编程区域和模型生成区域，代码编程区域用于对组件代码进行编辑，模型生成区域用于基于组件代码生成模型组件；
响应于对模型组件的生成操作，在代码编程区域得到模型组件的目标组件代码；
基于目标组件代码在模型生成区域生成第一模型组件，作为目标模型组件，目标模型组件包括目标可修改参数和目标预设配置；
响应于对模型组件的配置操作，将目标可修改参数作为可修改参数，将目标预设配置作为预设配置；
基于可修改参数和预设配置得到第二模型组件，作为第一配置模型组件。
展示代码编程界面，代码编程界面是与模型配置界面不同的界面，当然代码编程界面与模型配置界面也可以是集成于同一个编辑界面，代码编程界面包括代码编程区域，可以对组件代码进行编辑，例如增加代码、删除代码或者修改代码等。还包括模型生成区域，可以根据代码编程解码编辑的代码生成相应的模型组件。
当需要的模型组件不存在时，可以直接在代码编辑区域编辑新的组件代码，而当需要对模型组件进行修改时，可以在代码编辑区域调用相应的模型组件的组件代码，然后对调用的组件代码进行代码编辑，编辑之后的组件代码即为目标组件代码，当获取到目标组件代码之后，即可在模型生成区域根据目标组件代码生成第一模型组件，即目标模型组件。在一些实施例中，而当需要对模型组件进行修改时，可以保留原始的模型组件，并复制一个新的模型组件，然后对复制的新的模型组件的组件代码进行修改，并获得目标模型组件。
当然，对于代码的编辑语言，可以是Python语言，也可以是Java语言，对于Python语言，可以使用类来定义组件块。通过创建一个类，并在其中定义组件的属性和方法。然后，通过实例化类的对象，可以生成多个组件块，然后可以根据组件块获取模型组件。例如：
def generate_component(weight):
if weight<10:
return "Small Component"
elif weight<50:
return "Medium Component"
else:
return "Large Component"
weight = 30
component = generate_component(weight)
print(component)
则最终获取的模型组件即为loss_weight:3.0。
对于Java语言，可以使用类和对象的概念来生成组件块，通过创建一个类，并在其中定义组件的属性和方法。然后，通过实例化类的对象，可以生成多个组件块，然后可以根据组件块获取模型组件。例如：
public class ComponentGenerator {
public static String generateComponent(double weight) {
if (weight<10) {
return "Small Component";
} else if (weight<50) {
return "Medium Component";
} else {
return "Large Component";
}
}
public static void main(String[] args) {
double weight = 30;
String component = generateComponent(weight);
System.out.println(component);
}
}
则最终获取的模型组件即为loss_weight:3.0。当然，还可以通过其他的方式创建模型组件，例如JavaScript语言等，可以根据实际的需求选择不同的编程语言，上述为列举的重量相关的模型组件，当然还可以是其他的，例如长度，多边形边的数量等。
这些最新获取的模型组件即为目标模型组件，目标模型组件包括目标可修改参数和目标预设配置，然后响应于对模型组件的配置操作，将目标可修改参数作为可修改参数，将目标预设配置作为预设配置，并基于可修改参数和预设配置得到第二模型组件，作为第一配置模型组件。
当然，在一些实施例中，在获取第一配置模型组件之后，还包括：
将目标可修改参数和目标预设配置更新至预设的参数配置调用区域，参数配置调用区域位于模型配置界面；
将第一配置模型组件更新至预设的公共模型库，以便于基于公共模型库调取组件，公共模型库包括模型组件和第一配置模型组件。
当获取到目标模型组件之后，将目标可修改参数和目标预设配置更新至预设的参数配置调用区域，且参数配置调用区域位于模型配置界面，从而使用者可以在下次的使用时，直接从参数配置调用区域直接调用目标可修改参数和目标预设配置。
当然参数配置调用区域与预设的公共模型库之间存在连接，目标可修改参数和目标预设配置同样更新至公共模型库，也就是将第一配置模型组件（目标模型组件）更新至公共模型库，进而可以使不同的使用者通过公共模型库对各自的模型配置界面的参数配置调用区域中的数据进行更新，进而实现数据的共享。
130、基于第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型。
当获取到第一配置模型组件之后，可以通过在参数配置区域对第一配置模型组件进行配置，可以参照图3，当所有的第一配置模型组件在参数配置区域配置完成之后，对应的即可在预设的模型搭建区域根据所有的第一配置模型组件搭建得到第一目标模型。
在本实施例中，模型包括三部分组成，数据预处理、多种类特征配置以及深度学习网络结构，即第一配置模型组件分别包括预处理数据、特征配置以及深度学习网络结构，所有的第一配置模型组件共同搭建并组成第一目标模型。
其中，预处理的结果数据即模型任务的输入，模型训练可以基于Spark完成大规模离线特征样本的处理（Joiner）生成样本，存储于HDFS（Hadoop Distributed FileSystem），或者可以来源于实时拼接（Flink）生成的样本存储于在线数据库KV。
基于Spark（大数据处理框架）的离线特征样本处理：针对大规模离线数据集，可以使用Apache Spark执行分布式数据处理任务，对原始数据进行特征提取、数据清洗和样本拼接等操作，从而为模型训练提供高质量的数据。
基于Flink（流处理和批处理框架）的实时特征样本处理：针对实时数据流，可以使用ApacheFlink（大数据处理框架）进行实时数据处理和样本生成。通过设置Flink数据处理流程，可以对实时输入数据进行特征提取、数据清洗和样本拼接工作。
整个数据源的输入是指从哪里获取数据，在深度学习训练工具的文档中，data_source是非常重要的一部分，因为数据是模型训练的基础。训练数据源（data_sources)、评估数据源（eval_data_sources）参数描述了数据源的位置和属性。这些参数都是数组类型，可以包含多个数据源，通过data_source的definitions中权重weight来决定如何进行采样合并。另外可以配置数据的batch，复制次数，以及一些训练读取的优化参数。
多种类型特征特征配置包含四种类型的特征配置稠密特征(dense_features),稀疏离散特征(sparse_features),变长离散特征(varlen_sparse_features)和序列特征(seq_features)。
稠密特征（DenseFeatures）：稠密特征通常是连续值特征，例如数值型特征（人的年龄、物品的价格等）。
稀疏离散特征（SparseFeatures）：稀疏离散特征通常是类别型特征，例如用户性别、企业所属行业等。
变长离散特征（VarLenSparseFeatures）：变长离散特征是数据长度不固定的离散型特征，例如用户的搜索历史、电影的标签等。这类特征可以是由多个离散项组成的列表，长度可能因样本而异。
序列特征（SequenceFeatures）：序列特征是具有明确顺序关系的特征，例如时间序列数据、语音信号、文本等。
这些特征的选择可以根据预设配置以及可修改参数，根据实际的需要而进行设置。
预处理：feature_transformations特征转换，支持表达式形式特征转换，例如转换数据类型、对特征进行分桶或缩放等。这样写法自由度高，更加灵活，满足各种转换类型需求。此外稀疏特征，变长稀疏特征支持可过进行Embedding（一种将高维数据映射到低维空间的技术）和Combiner（一种函数）等操作来合并原始特征并创建输入特征域。并可以设定初始状态，以及各个参数的配置。其中，Embedding支持不指定embedding的vocabsize（vocabulary size 词汇表大小）。
深度学习网络结构：配置网络结构block、及label目标等内容,例如:mlp,fm,multitasks,transformer,moe等。
基于配置文件即可完成各种网络结构的配置以及组装，并且可以设置多目标的模型，例如在推荐场景下：点击、购买两个目标同时建模的场景。
例如MLP：
mlp_layer:
$ref: '#/definitions/dnn_layer'
default: {}
mlp_layer_inputs:
type: 'array'
items: {'type': 'string'}
uniqueItems: true
default: []
lhuc_inputs:
type: 'array'
items: {'type': 'string'}
uniqueItems: true
default: []
dnn_layer:
type: 'object'
properties:&dnn_layer_properties
hidden_units:
type: 'array'
items:
type: 'integer'
minimum: 1
default: []
Initializ。
在一些实施例中，在基于第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型之后，还包括：
基于预设配置和可修改参数获取模型运行时段；
响应于模型运行指令，控制第一目标模型按照模型运行时段进行模型训练。
当第一目标模型搭建完成之后，可以对第一目标模型进行训练，训练的方式可以是一次或者多次，还可以是按照一定的规律进行训练。
例如，可以在第一目标训练模型的模型组件中引入时间的参数，即预设配置和可修改参数定义了第一目标模型的运行时段，所以可以基于预设配置和可修改参数获取模型运行时段。
当获取到模型运行指令时，即可以控制第一目标模型按照模型运行时段进行模型训练，不需要人工反复控制模型运行，从而方便模型的训练。当然，当不需要模型进行训练时，也可以随时停止训练。
当前的模型训练过程中，对于不同的模型之间的差异获取通常是通过对代码的对比，通过这种方式工作量巨大，因此，本申请还可以通过对模型组件的对比实现不同的模型之间差异的获取。
所以，在一些实施例中，在基于第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型之后，还包括：
响应于对新的模型组件的配置操作，基于新的可修改参数获取相应的组件代码对应的模型组件，作为第二配置模型组件；
基于第二配置模型组件在模型搭建区域搭建得到第二目标模型；
获取第一目标模型和第二目标模型的配置模型组件，配置模型组件包括预设配置和可修改参数；
响应于对配置模型的对比操作，在参数配置区域对第一目标模型和第二目标模型的配置模型组件进行对比，并获取差异参数。
也就是，当需要搭建新的模型时，首先响应于对新的模型组件的配置操作，在参数配置区域调用新的预设配置以及新的可修改参数，并对相应的新的可修改参数进行调整，实现对新的模型组件的组件代码的修改，从而能够获得新的模型组件，即为第二配置模型组件。需要明白的是，第一配置模型组件和第二配置模型组件位于同一个模型配置界面。
当获得第二配置模型组件之后，根据第二配置模型组件在模型搭建区域搭建得到第二目标模型，第二目标模型的搭建方式与第一目标模型的搭建方式相同，此处不再赘述。
此时获取第一目标模型和第二目标模型的配置模型组件，配置模型组件包括预设配置和可修改参数，即第一目标模型的配置模型组件包括第一目标模型的预设配置和可修改参数，第二目标模型的配置模型组件包括第二目标模型的预设配置和可修改参数。
模型配置界面还包括数据展示区域，数据展示区域包括模型名称、训练框架、任务描述、任务参数以及其他的操作模块，例如一键复制、终止训练、日例行等，当然，本实施例并不限于上述数据，可以根据实际情况添加。
参照图4，图4是本申请实施例提供的模型基础设置界面的示意图，在配置模型组件之前，首先会在Web页面创建模型基础设置界面，模型基础设置界面中包括模型的基础信息，例如模型名称、模型描述、模型负责人，还包括资源配置，例如GPU（GraphicsProcessing Unit 图形处理器）机器数、GPU卡数、GPU卡型号等，当然，模型基础设置界面还包括其他的数据，例如告警配置以及例行化配置等。
每一个目标模型的创建过程中，均会有一个对应的模型基础设置界面，参照图5，图5是本申请实施例提供的模型对比区域开启的参数配置界面示意图，当需要把第一目标模型与第二目标模型进行对比时，在模型配置界面开启模型对比区域，并在对比区域选择需要对比的模型名称，进而在模型对比区域会显示第二目标模型的配置模型组件，在参数配置区域会显示第一目标模型的配置模型组件，并对两个配置模型组件进行对比，并获取差异参数。
当然，差异参数包括二者不同的可修改参数以及预设配置，可以通过生成对比文档的方式体现二者的差异，也可以通过在模型对比区域以及参数配置区域对二者不同的参数以不同的颜色标注的方式，当然还可以是其他的方式，具体可以根据实际的需求选择。
从而，根据上述的方式，不需要对不同模型的代码进行对比，能够更加快捷并直观的发现不同的模型之间的差异。
为了方便新的模型组件的配置操作，在一些实施例中，响应于对新的模型组件的配置操作，基于新的可修改参数获取相应的组件代码对应的模型组件，作为第二配置模型组件，包括：
获取第一目标模型的配置模型组件；
响应于对新的模型组件的配置操作，在参数配置区域得到第一目标模型的配置模型组件的复制模型组件；
响应于对复制模型组件的配置操作，在参数配置区域修改复制模型组件的可修改参数，得到第一可修改参数；
基于第一可修改参数获取相应的组件代码对应的模型组件，作为第二配置模型组件。
获取第一目标模型的配置模型组件的方式可以为打开相应第一目标模型的参数配置区域，参数配置区域包括第一目标模型的配置模型组件。响应于对新的模型组件的配置操作，在参数配置区域得到第一目标模型的配置模型组件的复制模型组件，具体的方式可以是通过在参数配置界面复制所有的预设参数以及可修改参数，即可获得复制模型组件。当然复制的方式还可以通过参数配置界面设置的一键复制的方式复制第一目标模型所有的模型组件，并自动生成与第一目标模型完全一致的模型，然后通过模型基础设置界面修改复制的模型的模型名称等信息，通过这种方式，无需从头开始配置模型组件，能够极大的提高模型配置的效率。
响应于对复制模型组件的配置操作，在参数配置区域修改复制模型组件的可修改参数，得到第一可修改参数，具体的方式与响应于对所述模型组件的配置操作，修改所述模型组件对应的所述可修改参数，以修改所述模型组件对应的所述组件代码的方式相同，即在参数配置区域修改可修改参数，当然在一些实施例中，还可以在复制的复制模型组件中增加新的预设配置以及对应的可修改参数。
最后，基于第一可修改参数获取相应的组件代码对应的模型组件，作为第二配置模型组件，第二配置模型组件的获取方式与第一配置模型组件的获取方式相同，此处不再赘述。
在一些实施例中，在得到第一目标模型之后，还包括：
当需要对第一目标模型进行扩充时，响应于对第一目标模型的扩充操作，在第一目标模型对应的参数配置区域增加第三配置模型组件，第三配置模型组件包括新的预设配置和新的可修改参数；
基于第一配置模型组件和第三配置模型组件在模型搭建区域搭建得到第三目标模型。
当获取到第一目标模型之后，如果需要对第一目标模型进行扩充或者删减时，响应于对第一目标模型的扩充操作或删减操作，此时在参数配置区域打开第一目标模型对应的模型组件，然后在第一目标模型对应的参数配置区域增加第三配置模型组件，第三配置模型组件包括新的预设配置和新的可修改参数。
增加的第三配置模型组件可以根据实际情况，设置在第一目标模型对应的参数配置区域的任意位置，可以在第一目标模型对应模型组件之前，也可以在第一目标模型对应模型组件之后，还可以在第一目标模型对应模型组件中间。
最后根据第一配置模型组件和第三配置模型组件在模型搭建区域搭建得到第三目标模型，搭建方式与根据第一配置模型组件搭建第一目标模型的方式相同。
由上可知，本实施例可以展示参数化的模型配置界面，所述模型配置界面包括参数配置区域，所述参数配置区域包括模块化的模型组件，所述模型组件包括预设配置以及可修改参数，所述可修改参数用于修改所述模型组件的组件代码；响应于对所述模型组件的配置操作，基于所述可修改参数获取相应的所述组件代码对应的模型组件，作为第一配置模型组件；基于所述第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型。本申请通过模型组件搭建目标模型，无需对编写代码，可以降低模型配置过程中的繁琐性，且可以对可修改参数调整组件代码，进而实现对模型组件的修改，能够减少配置模型花费的时间，提高模型配置过程中的工作效率。
根据前面实施例所描述的方法，以下将以该模型配置装置具体集成在终端举例作进一步详细说明。
本申请实施例提供一种模型配置方法，如图6所示，该模型配置方法的具体流程可以如下：
210、终端展示模型配置界面，模型配置界面包括参数配置区域，参数配置区域包括模块化的模型组件，模型组件包括预设配置以及可修改参数，可修改参数用于修改模型组件的组件代码。
通过模型配置界面，可以对模型组件进行展示，在模型配置界面上包括参数配置区域，在参数配置区域能够展示模型组件的预设配置以及可修改参数，且在参数配置区域，可以通过可修改参数的调整实现对模型组件的组件代码的修改。
也就是，预设配置和可修改参数，均通过模型组件与组件代码之间预建立有关联关系，对可修改参数以及预设配置的调整，均可以实现组件代码的修改，进而最终实现模型组件的修改。
需要说明的是，模型组件中的预设配置以及可修改参数所展示的内容（即字母、文字或字符等）的数量远小于模型组件对应的组件代码的数量，例如，预设配置以及可修改参数仅有十几个字母、文字或字符等，对应的组件代码存在几十个或几百个代码等，从而通过修改可修改参数的方式修改模型组件，能够减少对组件代码处理过程中的繁琐性。
220、终端响应于对模型组件的配置操作，基于可修改参数获取相应的组件代码对应的模型组件，作为第一配置模型组件。
终端可以从模型配置界面中的参数配置调用区域调用相应的模型组件，具体调用的模型组件可以根据实际的模型需要调用，参数配置调用区域包括若干的模型组件。
然后将调用的模型组件配置到参数配置区域，然后在参数配置区域对模型组件中的可修改参数进行修改，从而实现获取新的模型组件，即第一配置模型组件。
终端还可以直接在代码编辑区域编辑新的组件代码，而当需要对模型组件进行修改时，可以在代码编辑区域调用相应的模型组件的组件代码，然后对调用的组件代码进行代码编辑，编辑之后的组件代码即为目标组件代码，当获取到目标组件代码之后，即可在模型生成区域根据目标组件代码生成第一模型组件，即目标模型组件。在一些实施例中，而当需要对模型组件进行修改时，可以保留原始的模型组件，并复制一个新的模型组件，然后对复制的新的模型组件的组件代码进行修改，并获得目标模型组件。
230、终端基于第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型。
当获取到第一配置模型组件之后，可以通过在参数配置区域对第一配置模型组件进行配置，当所有的第一配置模型组件在参数配置区域配置完成之后，对应的即可在预设的模型搭建区域根据所有的第一配置模型组件搭建得到第一目标模型。
240、终端响应于模型运行指令，控制第一目标模型按照模型运行时段进行模型训练。
在一些实施例中，在获得第一目标模型之后，终端响应于对新的模型组件的配置操作，基于新的可修改参数获取相应的组件代码对应的模型组件，作为第二配置模型组件；
终端基于第二配置模型组件在模型搭建区域搭建得到第二目标模型；
终端获取第一目标模型和第二目标模型的配置模型组件，配置模型组件包括预设配置和可修改参数；
终端响应于对配置模型的对比操作，在参数配置区域对第一目标模型和第二目标模型的配置模型组件进行对比，并获取差异参数。
当获得第二配置模型组件之后，根据第二配置模型组件在模型搭建区域搭建得到第二目标模型，第二目标模型的搭建方式与第一目标模型的搭建方式相同，此处不再赘述。
此时获取第一目标模型和第二目标模型的配置模型组件，配置模型组件包括预设配置和可修改参数，即第一目标模型的配置模型组件包括第一目标模型的预设配置和可修改参数，第二目标模型的配置模型组件包括第二目标模型的预设配置和可修改参数。
在一些实施例中，终端响应于对新的模型组件的配置操作，基于新的可修改参数获取相应的组件代码对应的模型组件，作为第二配置模型组件，包括：
终端获取第一目标模型的配置模型组件；
终端响应于对新的模型组件的配置操作，在参数配置区域得到第一目标模型的配置模型组件的复制模型组件；
终端响应于对复制模型组件的配置操作，在参数配置区域修改复制模型组件的可修改参数，得到第一可修改参数；
终端基于第一可修改参数获取相应的组件代码对应的模型组件，作为第二配置模型组件。
获取第一目标模型的配置模型组件的方式可以为打开相应第一目标模型的参数配置区域，参数配置区域包括第一目标模型的配置模型组件。响应于对新的模型组件的配置操作，在参数配置区域得到第一目标模型的配置模型组件的复制模型组件，具体的方式可以是通过在参数配置界面复制所有的预设参数以及可修改参数，即可获得复制模型组件。当然复制的方式还可以通过参数配置界面设置的一键复制的方式复制第一目标模型所有的模型组件，并自动生成与第一目标模型完全一致的模型，然后通过模型基础设置界面修改复制的模型的模型名称等信息，通过这种方式，无需从头开始配置模型组件，能够极大的提高模型配置的效率。
最后，基于第一可修改参数获取相应的组件代码对应的模型组件，作为第二配置模型组件，第二配置模型组件的获取方式与第一配置模型组件的获取方式相同，此处不再赘述。
由上可知，本实施例可以通过终端展示参数化的模型配置界面，所述模型配置界面包括参数配置区域，所述参数配置区域包括模块化的模型组件，所述模型组件包括预设配置以及可修改参数，所述可修改参数用于修改所述模型组件的组件代码；响应于对所述模型组件的配置操作，基于所述可修改参数获取相应的所述组件代码对应的模型组件，作为第一配置模型组件；基于所述第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型。本申请通过模型组件搭建目标模型，无需对编写代码，可以降低模型配置过程中的繁琐性，且可以对可修改参数调整组件代码，进而实现对模型组件的修改，能够减少配置模型花费的时间，提高模型配置过程中的工作效率。
为了更好地实施以上方法，本申请实施例还提供一种模型配置装置，如图7所示，该模型配置装置可以包括界面展示模块310、组件获取模块320和模型获取模块330，如下：
界面展示模块310，展示模型配置界面，模型配置界面包括参数配置区域，参数配置区域包括模块化的模型组件，模型组件包括预设配置以及可修改参数，可修改参数用于修改模型组件的组件代码。
在一些实施例中，响应于对模型组件的配置操作，基于可修改参数获取相应的组件代码对应的模型组件，作为第一配置模型组件，包括：
响应于对模型组件的配置操作，修改模型组件对应的可修改参数，以修改模型组件对应的组件代码；
获取修改后的组件代码对应的模型组件，作为第一配置模型组件。
组件获取模块320，响应于对模型组件的配置操作，基于可修改参数获取相应的组件代码对应的模型组件，作为第一配置模型组件。
在一些实施例中，响应于对模型组件的配置操作，基于可修改参数获取相应的组件代码对应的模型组件，作为第一配置模型组件，还包括：
展示代码编程界面，代码编程界面包括代码编程区域和模型生成区域，代码编程区域用于对组件代码进行编辑，模型生成区域用于基于组件代码生成模型组件；
响应于对模型组件的生成操作，在代码编程区域得到模型组件的目标组件代码；
基于目标组件代码在模型生成区域生成第一模型组件，作为目标模型组件，目标模型组件包括目标可修改参数和目标预设配置；
响应于对模型组件的配置操作，将目标可修改参数作为可修改参数，将目标预设配置作为预设配置；
基于可修改参数和预设配置得到第二模型组件，作为第一配置模型组件。
在一些实施例中，在获取第一配置模型组件之后，还包括：
将目标可修改参数和目标预设配置更新至预设的参数配置调用区域，参数配置调用区域位于模型配置界面；
将第一配置模型组件更新至预设的公共模型库，以便于基于公共模型库调取组件，公共模型库包括模型组件和第一配置模型组件。
模型获取模块330，基于第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型。
在一些实施例中，在基于第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型之后，还包括：
基于预设配置和可修改参数获取模型运行时段；
响应于模型运行指令，控制第一目标模型按照模型运行时段进行模型训练。
在一些实施例中，在基于第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型之后，还包括：
响应于对新的模型组件的配置操作，基于新的可修改参数获取相应的组件代码对应的模型组件，作为第二配置模型组件；
基于第二配置模型组件在模型搭建区域搭建得到第二目标模型；
获取第一目标模型和第二目标模型的配置模型组件，配置模型组件包括预设配置和可修改参数；
响应于对配置模型的对比操作，在参数配置区域对第一目标模型和第二目标模型的配置模型组件进行对比，并获取差异参数。
在一些实施例中，响应于对新的模型组件的配置操作，基于新的可修改参数获取相应的组件代码对应的模型组件，作为第二配置模型组件，包括：
获取第一目标模型的配置模型组件；
响应于对新的模型组件的配置操作，在参数配置区域得到第一目标模型的配置模型组件的复制模型组件；
响应于对复制模型组件的配置操作，在参数配置区域修改复制模型组件的可修改参数，得到第一可修改参数；
基于第一可修改参数获取相应的组件代码对应的模型组件，作为第二配置模型组件。
在一些实施例中，在得到第一目标模型之后，还包括：
当需要对第一目标模型进行扩充时，响应于对第一目标模型的扩充操作，在第一目标模型对应的参数配置区域增加第三配置模型组件，第三配置模型组件包括新的预设配置和新的可修改参数；
基于第一配置模型组件和第三配置模型组件在模型搭建区域搭建得到第三目标模型。
由上可知，本实施例可以由界面展示模块310展示参数化的模型配置界面，所述模型配置界面包括参数配置区域，所述参数配置区域包括模块化的模型组件，所述模型组件包括预设配置以及可修改参数，所述可修改参数用于修改所述模型组件的组件代码；然后组件获取模块320响应于对所述模型组件的配置操作，基于所述可修改参数获取相应的所述组件代码对应的模型组件，作为第一配置模型组件；最后模型获取模块330基于所述第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型。本申请通过模型组件搭建目标模型，无需对编写代码，可以降低模型配置过程中的繁琐性，且可以对可修改参数调整组件代码，进而实现对模型组件的修改，能够减少配置模型花费的时间，提高模型配置过程中的工作效率。
本申请实施例还提供一种电子设备，如图8所示，其示出了本申请实施例所涉及的电子设备的结构示意图，该电子设备可以是终端或者服务器等，具体来讲：
该电子设备可以包括一个或者一个以上处理核心的处理器101、一个或一个以上计算机可读存储介质的存储器102、电源103和输入单元104等部件。本领域技术人员可以理解，图4中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
处理器101是该电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器102内的软件程序和/或模块，以及调用存储在存储器102内的数据，执行电子设备的各种功能和处理数据。可选的，处理器101可包括一个或多个处理核心；优选的，处理器101可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作***、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器101中。
存储器102可用于存储软件程序以及模块，处理器101通过运行存储在存储器102的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器102可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器102可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器102还可以包括存储器控制器，以提供处理器101对存储器102的访问。
电子设备还包括给各个部件供电的电源103，优选的，电源103可以通过电源管理***与处理器101逻辑相连，从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。电源103还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该电子设备还可包括输入单元104，该输入单元104可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，该电子设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，电子设备中的处理器101会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器102中，并由处理器101来运行存储在存储器102中的应用程序，从而实现各种功能，如下：
展示模型配置界面，所述模型配置界面包括参数配置区域，所述参数配置区域包括模块化的模型组件，所述模型组件包括预设配置以及可修改参数，所述可修改参数用于修改所述模型组件的组件代码；响应于对所述模型组件的配置操作，基于所述可修改参数获取相应的所述组件代码对应的模型组件，作为第一配置模型组件；基于所述第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
由上可知，本实施例可以展示参数化的模型配置界面，所述模型配置界面包括参数配置区域，所述参数配置区域包括模块化的模型组件，所述模型组件包括预设配置以及可修改参数，所述可修改参数用于修改所述模型组件的组件代码；响应于对所述模型组件的配置操作，基于所述可修改参数获取相应的所述组件代码对应的模型组件，作为第一配置模型组件；基于所述第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型。本申请通过模型组件搭建目标模型，无需对编写代码，可以降低模型配置过程中的繁琐性，且可以对可修改参数调整组件代码，进而实现对模型组件的修改，能够减少配置模型花费的时间，提高模型配置过程中的工作效率。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种模型配置方法中的步骤。例如，该指令可以执行如下步骤：
展示模型配置界面，所述模型配置界面包括参数配置区域，所述参数配置区域包括模块化的模型组件，所述模型组件包括预设配置以及可修改参数，所述可修改参数用于修改所述模型组件的组件代码；响应于对所述模型组件的配置操作，基于所述可修改参数获取相应的所述组件代码对应的模型组件，作为第一配置模型组件；基于所述第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
其中，该计算机可读存储介质可以包括：只读存储器（ROM，Read Only Memory）、随机存取记忆体（RAM，Random Access Memory）、磁盘或光盘等。
由于该计算机可读存储介质中所存储的指令，可以执行本申请实施例所提供的任一种模型配置方法中的步骤，因此，可以实现本申请实施例所提供的任一种模型配置方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述内容排序方面的各种可选实现方式中提供的方法。
以上对本申请实施例所提供的一种模型配置方法以及相关设备进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (9)
1.一种模型配置方法，其特征在于，包括：
展示模型配置界面，所述模型配置界面包括参数配置区域，所述参数配置区域包括模块化的模型组件，所述模型组件包括预设配置以及可修改参数，所述可修改参数用于修改所述模型组件的组件代码；
响应于对所述模型组件的配置操作，基于所述可修改参数获取相应的所述组件代码对应的模型组件，作为第一配置模型组件；
基于所述第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型；
在所述基于所述第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型之后，还包括：
响应于对新的模型组件的配置操作，基于新的所述可修改参数获取相应的所述组件代码对应的模型组件，作为第二配置模型组件；
基于所述第二配置模型组件在所述模型搭建区域搭建得到第二目标模型；
获取所述第一目标模型和所述第二目标模型的配置模型组件，所述配置模型组件包括预设配置和可修改参数；
响应于对配置模型的对比操作，在模型对比区域对所述第一目标模型和所述第二目标模型的配置模型组件进行对比，并获取差异参数；
所述差异参数包括所述第一目标模型和所述第二目标模型不同的可修改参数以及预设配置，所述差异参数无需对不同模型的代码进行对比，能够获得不同模型之间的差异；
所述模型配置界面包括模型对比区域，所述模型配置界面还包括数据展示区域和参数配置调用区域，所述数据展示区域包括一键复制区域，所述模型对比区域、所述参数配置调用区域和所述数据展示区域位于同一所述模型配置界面；
所述参数配置调用区域用于存储和调用可修改参数以及预设配置；
所述一键复制区域用于一键复制目标模型的所有模型组件；
所述响应于对新的模型组件的配置操作，基于新的所述可修改参数获取相应的所述组件代码对应的模型组件，作为第二配置模型组件，包括：
获取所述第一目标模型的配置模型组件；
响应于对新的模型组件的配置操作，在所述参数配置区域得到所述第一目标模型的配置模型组件的复制模型组件；
响应于对所述复制模型组件的配置操作，在所述参数配置区域修改所述复制模型组件的可修改参数，得到第一可修改参数；
基于第一可修改参数获取相应的所述组件代码对应的模型组件，作为第二配置模型组件；
在所述基于所述第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型之后，还包括：
基于所述预设配置和所述可修改参数获取模型运行时段；
响应于模型运行指令，控制所述第一目标模型按照所述模型运行时段进行模型训练。
2.根据权利要求1所述的模型配置方法，其特征在于，所述响应于对所述模型组件的配置操作，基于所述可修改参数获取相应的所述组件代码对应的模型组件，作为第一配置模型组件，包括：
响应于对所述模型组件的配置操作，修改所述模型组件对应的所述可修改参数，以修改所述模型组件对应的所述组件代码；
获取修改后的所述组件代码对应的模型组件，作为第一配置模型组件。
3.根据权利要求1所述的模型配置方法，其特征在于，所述响应于对所述模型组件的配置操作，基于所述可修改参数获取相应的所述组件代码对应的模型组件，作为第一配置模型组件，还包括：
展示代码编程界面，所述代码编程界面包括代码编程区域和模型生成区域，所述代码编程区域用于对所述组件代码进行编辑，所述模型生成区域用于基于所述组件代码生成所述模型组件；
响应于对所述模型组件的生成操作，在所述代码编程区域得到所述模型组件的目标组件代码；
基于所述目标组件代码在所述模型生成区域生成第一模型组件，作为目标模型组件，所述目标模型组件包括目标可修改参数和目标预设配置；
响应于对所述模型组件的配置操作，将所述目标可修改参数作为可修改参数，将所述目标预设配置作为预设配置；
基于所述可修改参数和所述预设配置得到第二模型组件，作为第一配置模型组件。
4.根据权利要求3所述的模型配置方法，其特征在于，在获取所述第一配置模型组件之后，还包括：
将所述目标可修改参数和所述目标预设配置更新至预设的参数配置调用区域，所述参数配置调用区域位于所述模型配置界面；
将所述第一配置模型组件更新至预设的公共模型库，以便于基于所述公共模型库调取组件，所述公共模型库包括模型组件和所述第一配置模型组件。
5.根据权利要求1所述的模型配置方法，其特征在于，在得到所述第一目标模型之后，还包括：
当需要对所述第一目标模型进行扩充时，响应于对所述第一目标模型的扩充操作，在所述第一目标模型对应的所述参数配置区域增加第三配置模型组件，所述第三配置模型组件包括新的预设配置和新的可修改参数；
基于所述第一配置模型组件和所述第三配置模型组件在所述模型搭建区域搭建得到第三目标模型。
6.一种模型配置装置，其特征在于，包括：
界面展示模块，用于展示模型配置界面，所述模型配置界面包括参数配置区域，所述参数配置区域包括模块化的模型组件，所述模型组件包括预设配置以及可修改参数，所述可修改参数用于修改所述模型组件的组件代码；
组件获取模块，用于响应于对所述模型组件的配置操作，基于所述可修改参数获取相应的所述组件代码对应的模型组件，作为第一配置模型组件；
模型获取模块，用于基于所述第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型；
在基于所述第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型之后，还包括：
响应于对新的模型组件的配置操作，基于新的所述可修改参数获取相应的所述组件代码对应的模型组件，作为第二配置模型组件；
基于所述第二配置模型组件在所述模型搭建区域搭建得到第二目标模型；
获取所述第一目标模型和所述第二目标模型的配置模型组件，所述配置模型组件包括预设配置和可修改参数；
响应于对配置模型的对比操作，在模型对比区域对所述第一目标模型和所述第二目标模型的配置模型组件进行对比，并获取差异参数；
所述差异参数包括所述第一目标模型和所述第二目标模型不同的可修改参数以及预设配置，所述差异参数无需对不同模型的代码进行对比，能够获得不同模型之间的差异；
所述模型配置界面包括模型对比区域，所述模型配置界面还包括数据展示区域和参数配置调用区域，所述数据展示区域包括一键复制区域，所述模型对比区域、所述参数配置调用区域和所述数据展示区域位于同一所述模型配置界面；
所述参数配置调用区域用于存储和调用可修改参数以及预设配置；
所述一键复制区域用于一键复制目标模型的所有模型组件；
所述响应于对新的模型组件的配置操作，基于新的所述可修改参数获取相应的所述组件代码对应的模型组件，作为第二配置模型组件，包括：
获取所述第一目标模型的配置模型组件；
响应于对新的模型组件的配置操作，在所述参数配置区域得到所述第一目标模型的配置模型组件的复制模型组件；
响应于对所述复制模型组件的配置操作，在所述参数配置区域修改所述复制模型组件的可修改参数，得到第一可修改参数；
基于第一可修改参数获取相应的所述组件代码对应的模型组件，作为第二配置模型组件；
在所述基于所述第一配置模型组件在预设的模型搭建区域搭建得到第一目标模型之后，还包括：
基于所述预设配置和所述可修改参数获取模型运行时段；
响应于模型运行指令，控制所述第一目标模型按照所述模型运行时段进行模型训练。
7.一种电子设备，其特征在于，包括存储器和处理器；所述存储器存储有应用程序，所述处理器用于运行所述存储器内的应用程序，以执行权利要求1至5任一项所述的模型配置方法中的操作。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至5任一项所述的模型配置方法中的步骤。
9.一种计算机程序产品，包括计算机程序或指令，其特征在于，该计算机程序或指令被处理器执行时实现权利要求1至5任一项所述的模型配置方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311360896.XA CN117093259B (zh) | 2023-10-20 | 2023-10-20 | 一种模型配置方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311360896.XA CN117093259B (zh) | 2023-10-20 | 2023-10-20 | 一种模型配置方法及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117093259A CN117093259A (zh) | 2023-11-21 |
| CN117093259B true CN117093259B (zh) | 2024-02-27 |
Family
ID=88773899
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311360896.XA Active CN117093259B (zh) | 2023-10-20 | 2023-10-20 | 一种模型配置方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117093259B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108900897A (zh) * | 2018-07-09 | 2018-11-27 | 腾讯科技（深圳）有限公司 | 一种多媒体数据处理方法、装置以及相关设备 |
| CN110991649A (zh) * | 2019-10-28 | 2020-04-10 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 深度学习模型搭建方法、装置、设备和存储介质 |
| CN112668181A (zh) * | 2020-12-28 | 2021-04-16 | 上海科梁信息工程股份有限公司 | 仿真测试方法、装置、电子设备及存储介质 |
| CN112988130A (zh) * | 2021-02-24 | 2021-06-18 | 恒安嘉新（北京）科技股份公司 | 一种基于大数据的可视化建模方法、装置、设备及介质 |
| US11106434B1 (en) * | 2020-07-31 | 2021-08-31 | EMC IP Holding Company LLC | Method, device, and computer program product for generating program code |
| CN113919910A (zh) * | 2021-10-11 | 2022-01-11 | 珠海格力电器股份有限公司 | 产品的在线对比方法、对比装置、处理器与电子设备 |
| CN114066398A (zh) * | 2021-10-31 | 2022-02-18 | 远光软件股份有限公司 | 业务模型的管理方法、装置、存储介质和终端设备 |
| CN115456150A (zh) * | 2022-10-18 | 2022-12-09 | 北京鼎成智造科技有限公司 | 一种强化学习模型构建方法及*** |
-
2023
- 2023-10-20 CN CN202311360896.XA patent/CN117093259B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108900897A (zh) * | 2018-07-09 | 2018-11-27 | 腾讯科技（深圳）有限公司 | 一种多媒体数据处理方法、装置以及相关设备 |
| CN110991649A (zh) * | 2019-10-28 | 2020-04-10 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 深度学习模型搭建方法、装置、设备和存储介质 |
| US11106434B1 (en) * | 2020-07-31 | 2021-08-31 | EMC IP Holding Company LLC | Method, device, and computer program product for generating program code |
| CN112668181A (zh) * | 2020-12-28 | 2021-04-16 | 上海科梁信息工程股份有限公司 | 仿真测试方法、装置、电子设备及存储介质 |
| CN112988130A (zh) * | 2021-02-24 | 2021-06-18 | 恒安嘉新（北京）科技股份公司 | 一种基于大数据的可视化建模方法、装置、设备及介质 |
| CN113919910A (zh) * | 2021-10-11 | 2022-01-11 | 珠海格力电器股份有限公司 | 产品的在线对比方法、对比装置、处理器与电子设备 |
| CN114066398A (zh) * | 2021-10-31 | 2022-02-18 | 远光软件股份有限公司 | 业务模型的管理方法、装置、存储介质和终端设备 |
| CN115456150A (zh) * | 2022-10-18 | 2022-12-09 | 北京鼎成智造科技有限公司 | 一种强化学习模型构建方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 张晶等.基于业务模型和界面模型的代码生成工具.电脑与信息技术.2016,(02),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117093259A (zh) | 2023-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110168495B (zh) | 经训练的人工智能对象的可搜索数据库 | |
| US11003422B2 (en) | Methods and systems for visual programming using polymorphic, dynamic multi-dimensional structures | |
| US20230025317A1 (en) | Text classification model training method, text classification method, apparatus, device, storage medium and computer program product | |
| CN114035773B (zh) | 一种基于配置的低代码开发表单方法、***及装置 | |
| CN105183850A (zh) | 基于人工智能的信息查询方法及装置 | |
| CN112231563B (zh) | 一种内容推荐方法、装置及存储介质 | |
| CN110162766A (zh) | 词向量更新方法和装置 | |
| US20210256045A1 (en) | Method for generating question answering robot and computer device | |
| CN115129212A (zh) | 视频编辑方法、装置、计算机设备、存储介质及产品 | |
| CN115202729A (zh) | 基于容器服务的镜像生成方法、装置、设备及介质 | |
| CN109063059A (zh) | 行为日志处理方法、装置及电子设备 | |
| CN110222047A (zh) | 一种动态表单生成方法和装置 | |
| CN113268232B (zh) | 一种页面皮肤生成方法、装置和计算机可读存储介质 | |
| CN117610649A (zh) | 知识图谱的构建方法、装置、存储介质及电子设备 | |
| CN117093259B (zh) | 一种模型配置方法及相关设备 | |
| CN112394982A (zh) | 生成语音识别***的方法、装置、介质及电子设备 | |
| CN112130827A (zh) | 基于云端模块化技术的模型开发方法、平台和智能终端 | |
| Madaminov et al. | Firebase Database Usage and Application Technology in Modern Mobile Applications | |
| Rutherford et al. | Knowledge-based design support | |
| CN113709575A (zh) | 视频编辑处理方法、装置、电子设备及存储介质 | |
| CN113392220A (zh) | 一种知识图谱生成方法、装置、计算机设备及存储介质 | |
| CN112199086B (zh) | 自动编程控制***、方法、装置、电子设备及存储介质 | |
| CN113704593B (zh) | 一种运营数据处理方法及相关装置 | |
| Zhang | Painting Art Style Rendering System Based on Information Intelligent Technology | |
| CN116028038B (zh) | 基于dag图表的可视化流水线编排方法及相关组件 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |