本发明专利技术提供一种车载终端处理器的算法模型的生成方法，具体涉及深度学习技术领域，所述方法包括：通过服务器获取样本数据，将所述样本数据进行预处理，生成预处理样本数据并且打标签；若所述样本数据的数量是否均衡，则将标签的所述预处理样本数据拆分为训练集和测试集；根据所述训练集和对应的训练集算法，生成算法模型，将所述算法模型转化为深度学习容器模型，将所述深度学习容器模型裁剪为量化后的深度学习容器模型；通过所述深度学习容器和所述量化后的深度学习容器模型预测所述测试集，将生成的预测结果与标签的所述测试集进行对比，根据对比结果将满足要求的量化后的深度学习容器模型下发到车载终端运行。本发明专利技术保证了算法模型的高效运行。了算法模型的高效运行。了算法模型的高效运行。
【技术实现步骤摘要】
一种车载终端处理器的算法模型的生成方法、装置、设备及介质
[0001]本申请涉及深度学习
，具体涉及一种车载终端处理器的算法模型的生成方法、装置、设备及介质。
技术介绍
[0002]随着深度学习的快速发展，越来越多的领域开始研究深度学习相关的知识，并且将其运用到具体的产品项目中。基于深度学习，将训练学习到的算法模型部署在服务器上，从而对用户的预测请求做出预测结果应答。然而，频繁的请求会增加算法服务器的压力，还可能导致服务器崩溃或者反馈给用户的预测结果出现严重延迟现象，给用户带来很不友好的操作体验。
技术实现思路
[0003]鉴于以上所述现有技术的缺点，本专利技术提供一种车载终端处理器的算法模型的生成方法、装置、设备及介质，以解决高频率预测请求导致密集性的服务器请求和网络延迟现象的问题。
[0004]本专利技术提供的一种车载终端处理器的算法模型的生成方法，所述方法包括：
[0005]通过服务器获取样本数据，将所述样本数据进行预处理，以生成预处理样本数据；
[0006]将所述预处理样本数据打标签，并判断标签的所述样本数据的数量是否均衡，若所述样本数据的数量均衡，则将标签的所述预处理样本数据拆分为训练集和测试集；若所述样本数据的数量不均衡，则重新获取样本数据；
[0007]根据所述训练集和对应的训练集算法，生成算法模型；
[0008]根据预设的模型转换命令，将所述算法模型转化为深度学习容器模型；
[0009]根据预设的模型量化命令，将所述深度学习容器模型裁剪为量化后的深度学习容器模型；以及
[0010]通过所述深度学习容器和所述量化后的深度学习容器模型预测所述测试集，将生成的预测结果与所述测试集的标签进行对比，并根据对比结果将满足要求的量化后的深度学习容器模型下发到车载终端运行。
[0011]于本专利技术的一实施例中，通过服务器获取样本数据后，还包括步骤：判断云端是否存在样本数据，若云端存在样本数据，则进行所述样本数据的预处理；若云端不存在样本数据，则通过业务需求创建所述样本数据，所述服务器获取创建的所述样本数据，再进行所述样本数据的预处理。
[0012]于本专利技术的一实施例中，所述预处理包括对所述样本数据进行过滤空值、去掉重复值、重置数值空间和生成衍生数据。
[0013]于本专利技术的一实施例中，将生成的预测结果与标签的所述测试集进行对比后，还包括步骤：生成测试的各项指标，且根据所述生成测试的各项指标来分析所述算法模型的
转换和所述深度学习容器模型的量化过程。
[0014]于本专利技术的一实施例中，所述生成测试的各项指标包括准确率、精确率和召回率。
[0015]于本专利技术的一实施例中，根据所述生成测试的各项指标来分析所述算法模型的转换和所述深度学习容器模型的量化过程后，还包括步骤：验证模型是否达到预期，若所述算法模型和所述深度学习容器模型未达到预期，则调整所述算法模型的转换和所述深度学习容器模型的量化的参数，直到满足预设的指标要求；若所述算法模型和所述深度学习容器模型达到预期，则直接将满足要求的所述量化后的深度学习模型下发到车载终端。
[0016]于本专利技术的一实施例中，验证模型是否达到预期需要配置特定的算法环境。
[0017]本专利技术还提供一种车载终端处理器的算法模型的生成装置，所述装置包括：
[0018]数据获取模块，通过服务器获取样本数据，将所述样本数据进行预处理，以生成预处理样本数据；将所述预处理样本数据打标签，并判断标签的所述样本数据的数量是否均衡，若否，则重新获取样本数据；若是，则将标签的所述预处理样本数据拆分为训练集和测试集；
[0019]模型获取模块，根据所述训练集和对应的训练集算法，生成算法模型；根据预设的模型转换命令，将所述算法模型转化为深度学习容器模型；根据预设的模型量化命令，将所述深度学习容器模型裁剪为量化后的深度学习容器模型；以及
[0020]模型生成模块，通过所述深度学习容器和所述量化后的深度学习容器模型预测所述测试集，将生成的预测结果与标签的所述测试集进行对比，并根据对比结果将满足要求的量化后的深度学习容器模型下发到车载终端运行。
[0021]本专利技术还提供一种电子设备，所述电子设备包括：
[0022]一个或多个处理器；
[0023]存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现所述的车载终端处理器的算法模型的生成方法。
[0024]本专利技术还提供计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行所述的车载终端处理器的算法模型的生成方法。
[0025]本专利技术的有益效果：本专利技术根据获取的样本数据拆分训练集训练生成算法模型，所述算法模型通过预设的模型转换命令生成深度学习容器模型，所述深度学习容器模型通过预设的模型量化命令裁剪生成量化后的深度学习容器模型。并且通过预测测试集，生成测试的各项指标，通过特定的算法环境验证模型是否达到预期，最终将满足要求的量化后的深度学习容器模型下发到车载终端，避免密集的请求增加服务器的压力和产生响应延迟，提高模型学习预测的运行速度。
[0026]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0027]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。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，对于本领域普通技术者来讲，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。在附图中：
[0028]图1是本申请的一示例性实施例示出的车载终端处理器的算法模型的生成方法的实施环境示意图；
[0029]图2是本申请的一示例性实施例示出的车载终端处理器的算法模型的生成方法的流程图；
[0030]图3是图2所示实施例中的步骤S210在一示例性的实施例中的流程图；
[0031]图4是本申请的一示例性实施例示出的车载终端处理器的算法模型的生成方法的运行环境镜像结构图；
[0032]图5是本申请的一示例性实施例示出的车载终端处理器的算法模型的生成装置的框图；
[0033]图6示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
[0034]以下将参照附图和优选实施例来说明本专利技术的实施方式，本领域技术人员可由本说明书中所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。应当理解，优选实施例仅为了说明本专利技术，而不是为了限制本专利技术的保护范围。
[0035]需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车载终端处理器的算法模型的生成方法，其特征在于，所述方法包括：通过服务器获取样本数据，将所述样本数据进行预处理，以生成预处理样本数据；将所述预处理样本数据打标签，并判断标签的所述样本数据的数量是否均衡，若所述样本数据的数量均衡，则将标签的所述预处理样本数据拆分为训练集和测试集；若所述样本数据的数量不均衡，则重新获取样本数据；根据所述训练集和对应的训练集算法，生成算法模型；根据预设的模型转换命令，将所述算法模型转化为深度学习容器模型；根据预设的模型量化命令，将所述深度学习容器模型裁剪为量化后的深度学习容器模型；以及通过所述深度学习容器和所述量化后的深度学习容器模型预测所述测试集，将生成的预测结果与所述测试集的标签进行对比，并根据对比结果将满足要求的量化后的深度学习容器模型下发到车载终端运行。2.根据权利要求1所述的车载终端处理器的算法模型的生成方法，其特征在于，通过服务器获取样本数据后，还包括步骤：判断云端是否存在样本数据，若云端存在样本数据，则进行所述样本数据的预处理；若云端不存在样本数据，则通过业务需求创建所述样本数据，所述服务器获取创建的所述样本数据，再进行所述样本数据的预处理。3.根据权利要求1所述的车载终端处理器的算法模型的生成方法，其特征在于，所述预处理包括对所述样本数据进行过滤空值、去掉重复值、重置数值空间和生成衍生数据。4.根据权利要求1所述的车载终端处理器的算法模型的生成方法，其特征在于，将生成的预测结果与标签的所述测试集进行对比后，还包括步骤：生成测试的各项指标，且根据所述生成测试的各项指标来分析所述算法模型的转换和所述深度学习容器模型的量化过程。5.根据权利要求4所述的车载终端处理器的算法模型的生成方法，其特征在于，所述各项指标包括准确率、精确率和召回率。6.根据权利要求4所述的车载终端处理器的算法模型的生成方法，其特征在于，根据所述生成测试的各...
【专利技术属性】
技术研发人员：何静，顾秀颖，袁章凯，刘大全，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。