CN119416862A 智能模型编排方法、装置及设备、存储介质 （北京中科思创云智能科技有限公司）

本申请涉及智能模型编排方法和装置及设到的连接指令对渲染后的数据处理模型进行编2将所述数据处理模型进行渲染，并根据接收到的连接指令对渲染后的其中，所述组件对应的所述数据处理模型分别为数据的单一理模型通过对神经网络模型进行解耦得到。5.根据权利要求1至4任一项所述的方法，其特征在判断出所述神经网络模型的模型框架不属于预设框架时在将所述神经网络模型的模型框架转换为所述预设框架后根据所述神经网络模型中所包含的各单一的数据处理逻辑生成所述数6.根据权利要求1至4任一项所述的方法，其特征在于，所述组件触发模块，被配置为接收当前组件触发指令，根据所述模型渲染组合模块，被配置为将所述数据处理模型进行渲染，其中，所述组件对应的所述数据处理模型分别为数据的单一理模型通过对神经网络模型进行解耦得到。3其中，所述处理器被配置为执行所述可执行指令时实现权述计算机程序指令被处理器执行时实现权利要求1至7中任意一4[0002]常用的国外深度学习框架有有PyTorch、Tensorflow，国内有PaddlePaddle、[0008]在一种可能的实现方式中，通过对神经网络模型进行解耦得到所述数据处理模导入当前输入的所述神经网络模型，并对所述神经网络模型进行模型框架的判型的当前模型框架进行框架转换，以使所述神经网络模型的模型框架转换为所述预设框5根据所述神经网络模型中所包含的各单一的数据处理逻辑生成所述数据处理模[0016]包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的6图3示出本申请智能模型编排方法中在对神经网络模型进行解耦处理时的模型导所说明的任何实施例不必解释为优于或好于其它实并且数据处理模型通过对神经网络模型进行解耦7的业务类型之后，对用户输入的业务描述或业务类型进行识别，并根据识别结果通过预先训练的自然语言处理模型确定与当前用户输入的业务描述或业务类型相匹配的组件。比如：在用户输入的业务类型为图像识别任务时，则对应推荐相匹配的组件为：数据预处理[0027]同时，在通过上述两种组件触发方式中的任意一种获取可以同步对渲染至画布的数据处理模型进行自动初步布局，从而为用户提供一个草稿图。8[0034]此外，在用户手动调整各模型之间的连接或用户直接进[0036]更进一步地，在通过上述任一种方式完成各数据处理模能够直接由画布中查看到该智能模型中每一个数据处理模型的数据流入、数据流出的结9场景配置对应的验证输入数据然后根据获取到的验证模式获取对应的模拟数据流，如：对应数据不同的处理流程，预处理模块中所包含的组件均为对数据进行预处理的操作逻辑理模块中所包含的组件则为在通过模型模块进行数据处理后的结果进行后处理的操作逻组件进行不同模块的划分，更有利于模型编排人员在采用本申请的模型编排方法进行模型[0044]在一种可能的实现方式中，通过对神经网络模型进行解则提取关键信息。然后，数据结构解析：例如，TensorFlow的GraphDef文件，主要使用TensorFlow文件误当作PyTorch文件程序能捕获并标记此异常。[0056]由于不同框架训练出的模型格式各不相同，但是每个框架都有自己的命令规pt或.pth：这是PyTorch框架中常用的模型保存格式。使用torch.save(model.state_dict(),'model_weights.pth')可以保存模型的权重，而torch.save[0058].pkl：虽然.pkl格式在PyTorch中不常见，但它也可以用来保存模型。使用[0059]TorchScript：这是PyTorch中的一个特性，允许将模型转换为一种中间表示（IntermediateRepresentation,IR这种表示可以被优化并独立于Python运行。[0060]ONNX格式：虽然不是PyTorch原生格式，但ONNX（OpenNeuralNetwork[0065]TFLite：这种格式用于设备端推断，基于flatbuf对模型进行优化，适用于.pdparams：这是PaddlePaddle的训练模型文件，包含了训练得到的所有参数信[0072]在识别判断出导入的模型不是Paddle框架时，则需要对当前导入的模型进行转custom_tf_to_onnx__input_model=tf_model.pb__output_model=converted_custom_pytorch_to_onnx__input_model=pt_model.pth__output_model=custom_caffe_to_onnx__prototxt=totxt__weights=convert_onnx_to_paddle__input_model=converted_model.onnx__savcustom_tf_to_paddlecustom_pytorch_to_paddle__input_model=pt_model.pth__output_dir=pd_custom_caffe_to_paddle__prototxt=totxt__weights=x2paddle__framework=tensorflow__model=tf_model.pb__save_dir=pd_x2paddle__framework=caffe__prototxt=totxt__weight=用。[0113]需要说明的是，尽管以图1至图6作为示例介绍了如上所有计算机程序指令，计算机程序指令被处理器210执行时实现前面任一所述的智能模型编域的其它普通技术人员能理解本文披露的的各实施