一种模型训练方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种模型训练方法、装置、设备及存储介质。该方法包括：获取目标项目对应的数据信息和任务信息，其中，所述数据信息包括：数据类型、场景信息、数据集名称以及数据集描述信息，所述任务信息包括：任务名称、任务描述信息以及任务资源配置信息；根据目标项目对应的数据信息创建目标项目对应的目标数据集；根据目标项目对应的任务信息创建目标项目对应的目标任务；根据所述场景信息确定目标模型；根据所述目标任务和所述目标数据集对所述目标模型进行训练，通过本发明专利技术的技术方案，实现金融行业场景下安全高效地深度学习训练任务管理，可支持多种金融业务同时进行深度学习模型训练，既保障数据安全，又满足高效开发深度学习模型的需求。度学习模型的需求。度学习模型的需求。

【技术实现步骤摘要】
一种模型训练方法、装置、设备及存储介质


[0001]本专利技术实施例涉及计算机
，尤其涉及一种模型训练方法、装置、设备及存储介质。

技术介绍

[0002]深度学习在金融行业中已经得到了广泛的应用，为创新AI转型提供了助力。但是由于金融行业的特殊性，在进行深度学习模型训练任务时，上下游的数据安全需要得到充分考虑。此外，不同的训练任务之间，训练人员、数据、资源、模型的完全隔离也十分重要。在这样的情况下，如何在保障数据安全性的前提下来做到高效的训练任务管理就显得尤为重要。目前，市场上少有成熟的金融场景深度学习训练任务管理方案。

技术实现思路

[0003]本专利技术实施例提供一种模型训练方法、装置、设备及存储介质，解决了在保障数据安全性的前提下多种金融业务难以做到高效的训练任务管理的问题。
[0004]根据本专利技术的一方面，提供了一种模型训练方法，该模型训练方法包括：
[0005]获取目标项目对应的数据信息和任务信息，其中，所述数据信息包括：数据类型、场景信息、数据集名称以及数据集描述信息，所述任务信息包括：任务名称、任务描述信息以及任务资源配置信息；
[0006]根据目标项目对应的数据信息创建目标项目对应的目标数据集；
[0007]根据目标项目对应的任务信息创建目标项目对应的目标任务；
[0008]根据所述场景信息确定目标模型；
[0009]根据所述目标任务和所述目标数据集对所述目标模型进行训练。
[0010]根据本专利技术的另一方面，提供了一种模型训练装置，该模型训练装置包括：
[0011]获取模块，用于获取目标项目对应的数据信息和任务信息，其中，所述数据信息包括：数据类型、场景信息、数据集名称以及数据集描述信息，所述任务信息包括：任务名称、任务描述信息以及任务资源配置信息；
[0012]第一创建模块，用于根据目标项目对应的数据信息创建目标项目对应的目标数据集；
[0013]第二创建模块，用于根据目标项目对应的任务信息创建目标项目对应的目标任务；
[0014]确定模块，用于根据所述场景信息确定目标模型；
[0015]训练模块，用于根据所述目标任务和所述目标数据集对所述目标模型进行训练。
[0016]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0017]至少一个处理器；以及
[0018]与所述至少一个处理器通信连接的存储器；其中，
[0019]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序
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本专利技术任一实施例所述的模型训练方法。
[0020]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的模型训练方法。
[0021]本专利技术实施例通过获取目标项目对应的数据信息和任务信息，其中，所述数据信息包括：数据类型、场景信息、数据集名称以及数据集描述信息，所述任务信息包括：任务名称、任务描述信息以及任务资源配置信息；根据目标项目对应的数据信息创建目标项目对应的目标数据集；根据目标项目对应的任务信息创建目标项目对应的目标任务；根据所述场景信息确定目标模型；根据所述目标任务和所述目标数据集对所述目标模型进行训练，通过本专利技术的技术方案，能够实现多种金融业务场景同时高效且安全地开发深度学习模型，解决了在保障数据安全性的前提下多种金融业务难以做到高效的训练任务管理的问题，能够实现金融行业场景下安全高效地深度学习训练任务管理，可支持多种金融业务同时进行深度学习模型训练，既保障数据安全，又满足高效开发深度学习模型的需求。
[0022]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术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
[0023]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，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相关的附图。
[0024]图1是本专利技术实施例一中的一种模型训练方法的流程图；
[0025]图2是本专利技术实施例二中的一种模型训练装置的结构示意图；
[0026]图3是本专利技术实施例三中的一种电子设备的结构示意图。
具体实施方式
[0027]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0028]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0029]实施例一
[0030]图1是本专利技术实施例一中的一种模型训练方法的流程图，本实施例可适用于多种金融业务场景同时开发深度学习模型的情况，该方法可以由本专利技术实施例中的模型训练装置来执行，该装置可采用软件和/或硬件的方式实现，如图1所示，该方法具体包括如下步骤：
[0031]S110，获取目标项目对应的数据信息和任务信息，其中，数据信息包括：数据类型、场景信息、数据集名称以及数据集描述信息，任务信息包括：任务名称、任务描述信息以及任务资源配置信息。
[0032]其中，目标项目可在项目下拉列表中根据实际需求进行选择。
[0033]具体的，获取目标项目对应的数据信息和任务信息的方式可以为：用户登录后显示登录界面，选择目标项目，根据目标项目对应的模型开发界面创建数据信息和任务信息，其中创建的数据信息包括数据类型、场景信息、数据集名称以及数据集描述信息，创建的任务信息包括任务名称、任务描述信息以及任务资源配置信息。
[0034]可选的，获取数据类型、场景信息、数据集名称以及数据集描述信息，包括：
[0035]响应于预设触发操作，显示目标项目对应的模型开发界面；
[0036]响应于检测到用户针对模型开发界面上的新建数据集控件的触发操作，显示新建数据集界面；
[0037]响应于检测到用户针对新建数据集界面的编辑操本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：获取目标项目对应的数据信息和任务信息，其中，所述数据信息包括：数据类型、场景信息、数据集名称以及数据集描述信息，所述任务信息包括：任务名称、任务描述信息以及任务资源配置信息；根据目标项目对应的数据信息创建目标项目对应的目标数据集；根据目标项目对应的任务信息创建目标项目对应的目标任务；根据所述场景信息确定目标模型；根据所述目标任务和所述目标数据集对所述目标模型进行训练。2.根据权利要求1所述的方法，其特征在于，获取数据类型、场景信息、数据集名称以及数据集描述信息，包括：响应于预设触发操作，显示目标项目对应的模型开发界面；响应于检测到用户针对模型开发界面上的新建数据集控件的触发操作，显示新建数据集界面；响应于检测到用户针对新建数据集界面的编辑操作，获取数据类型、场景信息、数据集名称以及数据集描述信息。3.根据权利要求2所述的方法，其特征在于，获取任务名称、任务描述信息以及任务资源配置信息，包括：响应于检测到用户针对模型开发界面上的新建任务控件的触发操作，显示新建任务界面；响应于检测到用户针对新建任务界面的编辑操作，获取任务名称、任务描述信息以及任务资源配置信息。4.根据权利要求2所述的方法，其特征在于，在根据目标项目对应的数据信息创建目标项目对应的目标数据集之后，还包括：响应于预设触发操作，显示目标项目对应的模型开发界面；响应于检测到用户针对模型开发界面上的数据集列表中的目标数据集对应的上传控件的触发操作，显示所述目标数据集对应的上传数据界面；响应于检测到用户针对上传数据界面的编辑操作，获取数据标注格式、上传方式信息以及目标压缩包；响应于检测到用户针对上传数据界面的确定控件的触发操作，根据所述数据标注格式和上传方式信息将所述目标压缩包上传至所述目标数据集。5.根据权利要求2所述的方法，其特征在于，在根据目标项目对应的数据信息创建目标项目对应的目标数据集之后，还包括：响应于检测到用户针对模型开发界面上的存储控件的触发操作，显示目标项目对应的存储卷列表；响应于检测到用户针对存储卷列表点中的目标存储卷的触控操作，显示所述目标存储卷对应的文件列表；响应于检测到用户针对上传文件控件的触发操作，显示上传文件界面；响应于检测到用户针对上传文件界面的编辑操作，获取数据标注格式、上...

【专利技术属性】
技术研发人员：陈维宁，李铭梁，何堃，张鸿博，钟宇杰，郭宁宁，王璐甲，
申请(专利权)人：上海浦东发展银行股份有限公司，
类型：发明
国别省市：