【技术实现步骤摘要】
本专利技术涉及运行环境搭建，特别涉及一种ai算法容器可视化制作方法、系统、介质及设备。
技术介绍
1、通常在ai算法工程师搭建算法运行环境时，有以下几个问题：
2、1、若采用在服务器上手工搭建运行环境的方式，由于主要操作都在linux环境下进行，则需要linux工程人员的参与；若采用ai算法docker镜像制作，然后在服务器上运行的方式，则需要docker、dockerfile工程人员的参与，这是因为配置环境是一个比较繁琐且容易出错的过程，涉及知识较多，操作门槛较高。所以搭建一套完整的算法运行环境往往需要多人的配合，运行环境搭建效率较低。
3、2、运行环境配置安装过程中，需要连接外网下载安装较多的依赖软件，而在企业内网环境中，安装软件需要申请资源站点访问的权限，通过后才可以下载所需的软件资源，所以安装软件依赖可能会经过多次权限申请流程，极大地影响了ai算法人员的工作效率。
4、因此需要设计一种ai算法容器可视化制作方案，用以解决上述问题。
技术实现思路
1、本专利技术的提供一种ai算法容器可视化制作方法、系统、介质及设备，可解决ai算法运行环境搭建知识门槛较高、内网安装配置繁琐的问题。
2、第一方面，提供一种ai算法容器可视化制作方法，具体包括以下步骤：
3、获取需要搭建目标运行环境的目标ai算法；
4、基于预设运行环境搭建方法及软件仓库，对所述目标ai算法搭建目标运行环境；
5、将目标运行环境搭建
6、根据第一方面，在第一方面的第一种可能的实现方式中，所述“基于预设运行环境搭建方法及软件仓库，对所述目标ai算法搭建目标运行环境”步骤，具体包括以下步骤：
7、构建初始运行环境；
8、在软件仓库中查询目标运行环境搭建所需的软件依赖；
9、基于所述初始运行环境，并根据查询到的软件依赖，搭建所述目标ai算法的目标运行环境。
10、根据第一方面的第一种可能的实现方式中，在第一方面的第二种可能的实现方式中，所述“构建初始运行环境”步骤，具体包括以下步骤：
11、选定所述目标ai算法进行运行环境搭建的资源服务器，确认所述资源服务器上的gpu版本，并确认所述gpu版本的辅助功能版本。
12、根据第一方面的第二种可能的实现方式中，在第一方面的第三种可能的实现方式中，所述辅助功能版本包括：nvidia驱动版本、cuda版本、cudnn版本及深度学习训练框架库版本。
13、根据第一方面，在第一方面的第四种可能的实现方式中，所述“将目标运行环境搭建过程中所需的软件依赖转换为镜像”步骤，具体包括以下步骤：
14、获取转换镜像所需的dockerfile文件；
15、根据所述dockerfile文件，并调用镜像接口搭建镜像环境；
16、基于所述镜像环境，将目标运行环境搭建过程中所需的软件依赖转换为镜像。
17、第二方面，还提供了一种ai算法容器可视化制作系统，包括：
18、获取模块，用于获取需要搭建目标运行环境的目标ai算法；
19、运行环境搭建模块，与所述获取模块通信连接，用于基于预设运行环境搭建方法及软件仓库，对所述目标ai算法搭建目标运行环境；以及，
20、镜像上传模块，与所述运行环境搭建模块通信连接，用于将目标运行环境搭建过程中所需的软件依赖转换为镜像，并上传至软件仓库。
21、第三方面，还提供了一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述所述ai算法容器可视化制作方法。
22、第四方面，还提供了一种电子设备，包括存储介质、处理器以及存储在所述存储介质中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时实现如上述所述ai算法容器可视化制作方法。
23、与现有技术相比，本专利技术的优点如下：通过预设运行环境搭建方法，提供前端可视化的安装界面，详细的安装步骤指引，使ai算法人员在没有linux和dockerfile工程人员参与的前提下，也能顺利完成目标ai算法的运行环境搭建及算法镜像的构建，极大降低了搭建环境的难度与操作门槛，降低了ai算法开发的时间成本，提升了ai算法人员在训练环境配置的工作效率。同时通过对软件仓库进行更新管理，提供现成的软件版本依赖，支持本地上传与资源下载分享，相比于ai算法人员每次在企业内网中申请权限才能访问软件资源站点，环境用完之后就会丢失这些情况，极大缩短了环境软件依赖安装的时间，提高了环境镜像分享利用率，避免了一些无用的重复工作，极大地提高了ai算法人员的产出效率。
本文档来自技高网...【技术保护点】
1.一种AI算法容器可视化制作方法，其特征在于，具体包括以下步骤：
2.如权利要求1所述的AI算法容器可视化制作方法，其特征在于，所述“基于预设运行环境搭建方法及软件仓库，对所述目标AI算法搭建目标运行环境”步骤，具体包括以下步骤：
3.如权利要求2所述的AI算法容器可视化制作方法，其特征在于，所述“构建初始运行环境”步骤，具体包括以下步骤：
4.如权利要求3所述的AI算法容器可视化制作方法，其特征在于，所述辅助功能版本包括：NVIDIA驱动版本、CUDA版本、CUDNN版本及深度学习训练框架库版本。
5.如权利要求1所述的AI算法容器可视化制作方法，其特征在于，所述“将目标运行环境搭建过程中所需的软件依赖转换为镜像”步骤，具体包括以下步骤：
6.一种AI算法容器可视化制作系统，其特征在于，包括：
7.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述AI算法容器可视化制作方法。
8.一种电子设备，包括存储介质、处理器以及存储在所述存储介质
...【技术特征摘要】
1.一种ai算法容器可视化制作方法，其特征在于，具体包括以下步骤：
2.如权利要求1所述的ai算法容器可视化制作方法，其特征在于，所述“基于预设运行环境搭建方法及软件仓库，对所述目标ai算法搭建目标运行环境”步骤，具体包括以下步骤：
3.如权利要求2所述的ai算法容器可视化制作方法，其特征在于，所述“构建初始运行环境”步骤，具体包括以下步骤：
4.如权利要求3所述的ai算法容器可视化制作方法，其特征在于，所述辅助功能版本包括：nvidia驱动版本、cuda版本、cudnn版本及深度学习训练框架库版本。
5.如权利要...
【专利技术属性】
技术研发人员：王军德，周明，黄昌进，
申请(专利权)人：武汉光庭信息技术股份有限公司，
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。