模型生成方法、系统、计算机设备和存储介质技术方案

本发明专利技术涉及研发过程优化技术领域，本发明专利技术提供一种模型生成方法、系统、计算机设备和存储介质，上述方法包括：根据项目开发需求从内部网络已存储的神经网络模型中选取待复用模型；获取待复用模型的归档文件；根据项目开发需求和第一特征信息获取待调用训练样本的第二特征信息，并根据第二特征信息选取待调用的训练样本；根据待调用的训练样本对待复用模型进行二次训练，生成符合项目开发需求的目标网络模型。上述模型生成方法，可以将内部网络中的神经网络模型进行复用，按照项目开发需求选取训练样本并对待复用模型进行二次训练，生成目标网络模型，提高神经网络模型的使用率，减少反复训练生成已存在的待复用模型，同时提高训练神经网络的效率。

Model Generation Method, System, Computer Equipment and Storage Media

【技术实现步骤摘要】
模型生成方法、系统、计算机设备和存储介质
本专利技术涉及研发过程优化
，具体而言，本专利技术涉及一种模型生成方法、模型生成系统、计算机设备和存储介质。
技术介绍
人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，取得了很多的成就。随着人工智能的应用领域越来越广泛，应用功能和人工智能算法研究的深入，人工智能的神经网络模型在井喷式地出现。但是，训练后获得的神经网络模型都各自分散在不同的开发者，大量神经网络模型及其功能不被其他开发者所用，神经网络模型难以被复用，另外，为了实现相同功能或完成中间训练过程，部分相同的神经网络模型会被重复开发，大大降低生成神经网络模型的效率。
技术实现思路
本专利技术的目的旨在至少能解决上述的技术缺陷之一，特别是神经网络模型训练的效率低的技术缺陷。本专利技术提供一种模型生成方法，包括如下步骤：根据项目开发需求从内部网络已存储的神经网络模型中选取待复用模型；获取所述待复用模型的归档文件，其中，所述归档文件中记录有所述待复用模型所调用的训练样本的第一特征信息；根据所述项目开发需求和所述第一特征信息获取待调用训练样本的第二特征信息，并根据所述第二特征信息选取所述待调用的训练样本；根据所述待调用的训练样本对所述待复用模型进行二次训练，生成符合所述项目开发需求的目标网络模型。在一个实施例中，在所述生成符合所述项目开发需求的目标网络模型的步骤之后，还包括：获取所述第二特征信息；根据所述项目开发需求和所述第二特征信息生成所述目标网络模型的归档文件；将所述目标网络模型和所述目标网络模型的归档文件存储在所述内部网络中。在一个实施例中，在所述生成符合所述项目开发需求的目标网络模型的步骤之后，还包括：生成用于调用所述目标网络模型的脚本文件；将所述目标网络模型和所述目标网络模型的脚本文件进行封装，获得模型安装包，其中，所述模型安装包用于安装后进行所述目标网络模型的可视化的使用；在所述内部网络中发布所述模型安装包。在一个实施例中，所述根据项目开发需求从内部网络已存储的神经网络模型中选取待复用模型的步骤，包括：识别所述项目开发需求的第一功能信息，从所述第一功能信息提取关键字；在所述已存储的神经网络模型的第二功能信息中，对所述关键字进行检索，获取与所述项目开发需求匹配的神经网络模型的第三功能信息；向用户客户端发送所述第三功能信息，接收所述用户返回的模型选定信息，将所述模型选定信息对应的神经网络模型作为所述待复用模型。在一个实施例中，所述根据所述项目开发需求和所述第一特征信息获取待调用训练样本的第二特征信息的步骤，包括：分析所述项目开发需求的训练要求信息；在所述训练要求信息表示训练新功能时，根据所述需求信息和所述首次训练的样本确定训练样本范围，根据所述训练样本范围确定所述第二特征信息。在一个实施例中，在所述分析所述项目开发需求的训练要求信息的步骤之后，还包括：在所述训练要求信息表示优化模型时，将所述待复用模型训练时所调用的训练样本的特征信息作为所述第二特征信息。在一个实施例中，所述根据所述项目开发需求和所述第二特征信息生成所述目标网络模型的归档文件的步骤，包括：记录所述目标网络模型，生成模型程序文件；获取用于调用所述目标网络模型的脚本文件；记录训练所述目标网络模型所使用的模型训练算法；将所述项目开发需求、所述第二特征信息、所述模型程序文件、所述目标网络模型的脚本文件和模型训练算法发送至模型验收模块，接收所述目标网络模型的模型验收报告；将所述模型程序文件、所述脚本文件、所述模型训练算法和所述模型验收报告存储至所述目标网络模型的归档文件中。本专利技术还提供一种模型生成系统，包括：模型选取模块，用于根据项目开发需求从内部网络已存储的神经网络模型中选取待复用模型；特征信息获取模块，用于获取所述待复用模型的归档文件，其中，所述归档文件中记录有所述待复用模型所调用的训练样本的第一特征信息；训练样本选取模块，用于根据所述项目开发需求和所述第一特征信息获取待调用训练样本的第二特征信息，并根据所述第二特征信息选取所述待调用的训练样本；模型训练模块，用于根据所述待调用的训练样本对所述待复用模型进行二次训练，生成符合所述项目开发需求的目标网络模型。本专利技术还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一实施例所述模型生成方法的步骤。本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施例所述模型生成方法的步骤。上述的模型生成方法、系统、计算机设备和存储介质，可以将内部网络中的神经网络模型进行复用，按照项目开发需求选取训练样本并对待复用模型进行二次训练，生成目标网络模型，提高神经网络模型的使用率，减少反复训练生成已存在的待复用模型，提高神经网络的使用效率和训练神经网络的效率。本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为一个实施例中提供的模型生成方法的实施环境图；图2为一个实施例中模型生成方法的流程图；图3为另一个实施例中模型生成方法的流程图；图4为一个实施例中模型生成系统的结构示意图；图5为一个实施例中计算机设备的内部结构示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本专利技术的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。本
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本专利技术所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。如图1所示，图1为一个实施例中提供的模型生成方法的实施环境图，在该实施环境中，包括模型开发平台110和客户端120。模型开发平台110可以搭建在企业或组织的内部网络中，可以与内部网络中具有使用权限的客户端120建立，也可以收集内部网络的神经网络模型。模型开发平台110中可以包括有用于存储神经网络模型的模型数据库，用于维护与神经网络模型的相关信息，同时模型开发平台110还可以具备训练神经网络模型的开发环境。客户端120可以与模型开发平台110连接，客户端120可以调用模型开发平台110中存储的神经网络模型，可以接收模型开发平台110下发的数据。模型开发平台110可以在计算机或服务器上运行本文档来自技高网...

【技术保护点】
1.一种模型生成方法，其特征在于，包括如下步骤：根据项目开发需求从内部网络已存储的神经网络模型中选取待复用模型；获取所述待复用模型的归档文件，其中，所述归档文件中记录有所述待复用模型所调用的训练样本的第一特征信息；根据所述项目开发需求和所述第一特征信息获取待调用训练样本的第二特征信息，并根据所述第二特征信息选取所述待调用的训练样本；根据所述待调用的训练样本对所述待复用模型进行二次训练，生成符合所述项目开发需求的目标网络模型。

【技术特征摘要】
1.一种模型生成方法，其特征在于，包括如下步骤：根据项目开发需求从内部网络已存储的神经网络模型中选取待复用模型；获取所述待复用模型的归档文件，其中，所述归档文件中记录有所述待复用模型所调用的训练样本的第一特征信息；根据所述项目开发需求和所述第一特征信息获取待调用训练样本的第二特征信息，并根据所述第二特征信息选取所述待调用的训练样本；根据所述待调用的训练样本对所述待复用模型进行二次训练，生成符合所述项目开发需求的目标网络模型。2.根据权利要求1所述的模型生成方法，其特征在于，在所述生成符合所述项目开发需求的目标网络模型的步骤之后，还包括：获取所述第二特征信息；根据所述项目开发需求和所述第二特征信息生成所述目标网络模型的归档文件；将所述目标网络模型和所述目标网络模型的归档文件存储在所述内部网络中。3.根据权利要求1所述的模型生成方法，其特征在于，在所述生成符合所述项目开发需求的目标网络模型的步骤之后，还包括：生成用于调用所述目标网络模型的脚本文件；将所述目标网络模型和所述目标网络模型的脚本文件进行封装，获得模型安装包，其中，所述模型安装包用于安装后进行所述目标网络模型的可视化的使用；在所述内部网络中发布所述模型安装包。4.根据权利要求1所述的模型生成方法，其特征在于，所述根据项目开发需求从内部网络已存储的神经网络模型中选取待复用模型的步骤，包括：识别所述项目开发需求的第一功能信息，从所述第一功能信息提取关键字；在所述已存储的神经网络模型的第二功能信息中，对所述关键字进行检索，获取与所述项目开发需求匹配的神经网络模型的第三功能信息；向用户客户端发送所述第三功能信息，接收所述用户返回的模型选定信息，将所述模型选定信息对应的神经网络模型作为所述待复用模型。5.根据权利要求1所述的模型生成方法，其特征在于，所述根据所述项目开发需求和所述第一特征信息获取待调用训练样本的第二特征信息的步骤，包括：分析所述项目开发需求的训练要求信息；在所述训练要求信息表...

【专利技术属性】
技术研发人员：杨冬振，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44