本申請屬于計算機，尤其涉及一種模型訓練方法、裝置、設備、介質(zhì)及車輛。

背景技術：

1、隨著科學技術的發(fā)展，人工智能技術已廣泛應用于人們的生活中。其中，人工智能技術的實現(xiàn)基礎是人工智能(artificial?intelligence，ai)算法。

2、目前，為了基于ai算法進行模型訓練，算法工程師通常需要進行數(shù)據(jù)管理、數(shù)據(jù)處理、環(huán)境配置、模型構(gòu)建、模型訓練、模型管理、模型測試、模型推理等諸多工作，嚴重影響模型的訓練效率。

技術實現(xiàn)思路

1、本申請實施例的目的是提供一種模型訓練方法、裝置、設備、介質(zhì)及車輛，能夠提高模型的訓練效率。

2、第一方面，本申請實施例提供一種模型訓練方法，該方法包括：

3、接收用戶在目標開發(fā)空間中進行的模型開發(fā)操作，所述目標開發(fā)空間中配置有模型開發(fā)環(huán)境；

4、響應于所述模型開發(fā)操作，獲取在所述模型開發(fā)環(huán)境下開發(fā)的目標算法模型；

5、接收針對所述目標算法模型的訓練請求；

6、響應于所述訓練請求，在預先設置的多種訓練框架下利用訓練數(shù)據(jù)訓練所述目標算法模型，得到訓練后的目標算法模型，其中，所述訓練數(shù)據(jù)為用戶上傳的數(shù)據(jù)。

7、在一種可能的實現(xiàn)方式中，所述在預先設置的多種訓練框架下利用所述訓練數(shù)據(jù)訓練所述目標算法模型，得到訓練后的目標算法模型，包括：

8、調(diào)用訓練組件，所述訓練組件中預先設置有多種深度學習框架；

9、通過所述訓練組件，在所述多種深度學習框架下利用所述訓練數(shù)據(jù)訓練所述目標算法模型，得到訓練后的目標算法模型。

10、在一種可能的實現(xiàn)方式中，所述用戶上傳的數(shù)據(jù)中還包括測試數(shù)據(jù)；

11、在得到訓練后的目標算法模型之后，所述方法還包括：

12、獲取針對所述目標算法模型的測試組件；

13、調(diào)用所述測試組件；

14、通過所述測試組件，利用所述測試數(shù)據(jù)對所述訓練后的目標算法模型進行評測，得到評測結(jié)果；

15、顯示所述評測結(jié)果。

16、在一種可能的實現(xiàn)方式中，在接收所述用戶在目標開發(fā)空間中進行的模型開發(fā)操作之前，所述方法還包括：

17、確定管理用戶為所述用戶分配的預留計算資源；

18、按照所述預留計算資源，為所述用戶分配與所述預留計算資源相匹配的目標開發(fā)空間。

19、在一種可能的實現(xiàn)方式中，在接收所述用戶在目標開發(fā)空間中進行的模型開發(fā)操作之后，所述方法還包括：

20、確定運行所述目標算法模型所需的目標計算資源；

21、在所述目標計算資源大于所述預留計算資源的情況下，獲取彈性計算資源；

22、接收針對所述目標算法模型的運行指令；

23、響應于所述運行指令，利用所述預留計算資源和所述彈性計算資源運行所述目標算法模型。

24、在一種可能的實現(xiàn)方式中，在為所述用戶分配與所述預留計算資源相匹配的目標開發(fā)空間之后，所述方法還包括：

25、接收針對目標鏡像的調(diào)用請求；

26、響應于所述調(diào)用請求，按照所述目標鏡像配置模型運行環(huán)境，所述模型運行環(huán)境包括所述模型開發(fā)環(huán)境、模型訓練環(huán)境和模型部署環(huán)境中的至少一項。

27、在一種可能的實現(xiàn)方式中，在得到訓練后的目標算法模型之后，所述方法還包括：

28、接收用戶觸發(fā)的針對所述目標算法模型的下載請求；

29、響應于所述下載請求，向所述用戶對應的終端設備發(fā)送所述目標算法模型對應的文件。

30、第二方面，本申請實施例提供了一種模型訓練裝置，該裝置包括：

31、第一接收模塊，用于接收用戶在目標開發(fā)空間中進行的模型開發(fā)操作，所述目標開發(fā)空間中配置有模型開發(fā)環(huán)境；

32、第一獲取模塊，用于響應于所述模型開發(fā)操作，獲取在所述模型開發(fā)環(huán)境下開發(fā)的目標算法模型；

33、第二接收模塊，用于接收針對所述目標算法模型的訓練請求；

34、訓練模塊，用于響應于所述訓練請求，在預先設置的多種訓練框架下利用訓練數(shù)據(jù)訓練所述目標算法模型，得到訓練后的目標算法模型，其中，所述訓練數(shù)據(jù)為用戶上傳的數(shù)據(jù)。

35、第三方面，本申請實施例提供了一種電子設備，該電子設備包括：處理器以及存儲有計算機程序指令的存儲器；

36、處理器執(zhí)行所述計算機程序指令時實現(xiàn)如第一方面的任一項實施例中的模型訓練方法的步驟。

37、第四方面，本申請實施例提供了一種計算機可讀存儲介質(zhì)，計算機存儲介質(zhì)是上存儲有計算機程序指令，計算機程序指令被處理器執(zhí)行時實現(xiàn)第一方面中的任一項實施方式提供的模型訓練方法。

38、第五方面，本申請實施例提供了一種車輛，該車輛至少包括：

39、如第二方面的模型訓練裝置；

40、如第三方面的電子設備；

41、如第四方面的計算機可讀存儲介質(zhì)。

42、在本申請實施例中的模型訓練方法、裝置、設備、介質(zhì)及車輛中，由于目標開發(fā)空間中配置有模型開發(fā)環(huán)境，因此，通過接收用戶在目標開發(fā)空間中進行的開發(fā)操作，使用戶無需自己部署模型開發(fā)環(huán)境，即可直接進行模型開發(fā)，進而能夠簡化用戶操作，提高模型的開發(fā)效率。由于已預先設置多種訓練框架，因此，通過響應于模型開發(fā)操作，獲取在模型開發(fā)環(huán)境下開發(fā)的目標算法模型，接收針對目標算法模型的訓練請求，以及響應于訓練請求，在預先設置的多種訓練框架下利用訓練數(shù)據(jù)訓練目標算法模型，使用戶無需自己搭建訓練框架，即可直接對目標算法模型進行訓練，進而能夠簡化用戶操作，提高模型的訓練效率。如此，通過本申請實施例，能夠從模型開發(fā)和模型訓練的全流程上提高模型的訓練效率。

技術特征：

1.一種模型訓練方法，其特征在于，包括：

2.如權利要求1所述的方法，其特征在于，所述在預先設置的多種訓練框架下利用所述訓練數(shù)據(jù)訓練所述目標算法模型，得到訓練后的目標算法模型，包括：

3.如權利要求1所述的方法，其特征在于，所述用戶上傳的數(shù)據(jù)中還包括測試數(shù)據(jù)；

4.如權利要求1所述的方法，其特征在于，在接收所述用戶在目標開發(fā)空間中進行的模型開發(fā)操作之前，所述方法還包括：

5.如權利要求4所述的方法，其特征在于，在接收所述用戶在目標開發(fā)空間中進行的模型開發(fā)操作之后，所述方法還包括：

6.如權利要求4所述的方法，其特征在于，在為所述用戶分配與所述預留計算資源相匹配的目標開發(fā)空間之后，所述方法還包括：

7.如權利要求1所述的方法，其特征在于，在得到訓練后的目標算法模型之后，所述方法還包括：

8.一種模型訓練裝置，其特征在于，包括：

9.一種電子設備，其特征在于，所述電子設備包括：處理器以及存儲有計算機程序指令的存儲器；

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)上存儲有計算機程序指令，所述計算機程序指令被處理器執(zhí)行時實現(xiàn)如權利要求1-7任意一項所述的模型訓練方法的步驟。

11.一種車輛，其特征在于，包括以下至少一項：

技術總結(jié)
本申請實施例提供一種模型訓練方法、裝置、設備、介質(zhì)及車輛，該方法包括：接收用戶在目標開發(fā)空間中進行的模型開發(fā)操作，目標開發(fā)空間中配置有模型開發(fā)環(huán)境；響應于模型開發(fā)操作，獲取在模型開發(fā)環(huán)境下開發(fā)的目標算法模型；接收針對目標算法模型的訓練請求；響應于訓練請求，在預先設置的多種訓練框架下利用訓練數(shù)據(jù)訓練目標算法模型，得到訓練后的目標算法模型，其中，訓練數(shù)據(jù)為用戶上傳的數(shù)據(jù)。根據(jù)本申請實施例，能夠提高模型的訓練效率。

技術研發(fā)人員：胡峻華,李一博,韓松,侯昆鵬,朱曉雷,楊志泉,李瑞,管憲良,周子琛,劉熙陽
受保護的技術使用者：北京羅克維爾斯科技有限公司
技術研發(fā)日：
技術公布日：2024/12/30