【技术实现步骤摘要】
本专利技术涉及深度学习模型训练相关领域，具体为基于grpc框架的多模型训练方法，主要涉及到基于grpc框架的模型训练方案，该方案可以实现基础的训练需求、通过局域网形式支持跨机台远程训练以及支持跨语言调用。
技术介绍
1、随着深度学习技术的不断发展，模型训练需求越来越大，通过将模型训练集成为具体方案的形式，可以降低非专业人员的操作难度。
2、常见的训练方法如直接代码层次或者集成软件方式，前者需要专业人员进行操作，后者虽然降低了非专业人员操作难度，但集成软件的过程较为麻烦。
技术实现思路
1、针对现有技术存在的不足，本专利技术提供了基于grpc框架的多模型训练方法，grpc框架通过构建配置文件的形式，在服务端内置相关模型，在客户端传递图片等信息调用服务端模型完成训练任务。该技术可以快速实现模型的训练任务且支持跨机台调用，同时降低了非专业人员的操作难度。
2、为实现上述目的，本专利技术提供如下技术方案:
3、基于grpc框架的多模型训练方法，包括以下步骤：
4、步骤s1：预处理阶段，定义相关默认配置信息；
5、步骤s2：根据客户端的请求执行不同的训练方案，包括单通道及多通道两种方式；
6、步骤s3：服务端开启模型训练服务并打印相关信息，客户端通过grpc服务传递图像信息调用对应的模型训练方案并等待服务端的响应。
7、作为本专利技术进一步的方案，在步骤s1中，配置信息包括全局配置和模型仓库，其中全局配置包括
8、作为本专利技术进一步的方案，在步骤s2中，单通道方式代表服务端只接收一种训练方案且只训练一个模型，多通道方式代表服务端接收多种训练方案可同步训练多个模型。
9、作为本专利技术进一步的方案，单通道模式的设置如下：
10、预先在服务端配置所有模型的训练方案，将配置文件内全局配置一项中的单通道接口打开，此时代表服务端开启单通道模式，开启服务端后将打印相关信息；客户端根据配置文件预先设置的接口进行传递数据；若客户端调用传递错误的接口信息，则会显示相关错误，客户端成功调用服务端后，服务端将会进行模型的训练操作，并在训练结束后保存模型以及日志信息至本地，并返回客户端相关信息。
11、作为本专利技术进一步的方案，多通道模式的设置如下：
12、预先在服务端配置所有模型的训练方案，将配置文件内全局配置一项中的多通道接口打开，此时代表服务端开启多通道模式，开启服务端后将打印相关信息；
13、客户端根据配置文件预先设置的接口进行传递数据；若客户端调用传递错误的接口信息，则会显示当前待训练模型的相关错误；客户端成功调用服务端后，服务端将会进行模型的训练操作，并在训练结束后保存模型以及日志信息至本地，并返回客户端相关信息。
14、本专利技术具有以下有益效果：
15、本专利技术采用了基于grpc框架的多模型部署方式，可以通过预先定义训练方案与配置文件的方式完成模型的训练任务。通过不同配置文件的方式支持客户端调用多种模型完成不同的训练任务。该部署方式降低了非专业人员的操作难度与一定的集成成本。该部署方式支持跨语言调用，增加了灵活性。
16、本专利技术针对现有训练方案对非专业人员操作难度大、集成复杂等问题，本专利技术提出了一种基于grpc框架的多模型训练方案来有效的解决该问题。该方案通过预先设置配置文件形式来定义多个模型训练方案，同时支持单通道及多通道两种方式。服务端加载定义的ip地址以及端口号等信息，启动服务成功后，将打印当前的信息，如单/多通道模式、支持的模型训练方案等，客户端根据配置文件预先设置的接口进行传递数据，例如训练的数据文件(转为bytes数组形式)或者数据所在本地路径、训练使用的轮数、训练使用的批处理大小、训练模型的保存路径等信息发送请求给服务端进行调用，调用成功后等待接收服务端发送的响应。该方案通过配置文件接口的方式完成模型的训练任务，降低了非专业人员的操作难度与一定的集成成本。
17、为更清楚地阐述本专利技术的结构特征和功效，下面结合附图与具体实施例来对本专利技术进行详细说明。
本文档来自技高网...【技术保护点】
1.基于grpc框架的多模型训练方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于grpc框架的多模型训练方法，其特征在于，在步骤S1中，配置信息包括全局配置和模型仓库，其中全局配置包括ip地址、端口号、单/多通道接口、线程数量。
3.如权利要求2所述的基于grpc框架的多模型训练方法，其特征在于，在步骤S2中，单通道方式代表服务端只接收一种训练方案且只训练一个模型，多通道方式代表服务端接收多种训练方案可同步训练多个模型。
4.如权利要求3所述的基于grpc框架的多模型训练方法，其特征在于，单通道模式的设置如下：
5.如权利要求4所述的基于grpc框架的多模型训练方法，其特征在于，多通道模式的设置如下：
【技术特征摘要】
1.基于grpc框架的多模型训练方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于grpc框架的多模型训练方法，其特征在于，在步骤s1中，配置信息包括全局配置和模型仓库，其中全局配置包括ip地址、端口号、单/多通道接口、线程数量。
3.如权利要求2所述的基于grpc框架的多模型训练方法，其特征在于，...
【专利技术属性】
技术研发人员：黄冠杰，陈红星，
申请(专利权)人：上海帆声图像科技有限公司，
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。