CN114168232A - 一种算法模型结果转换配置方法、装置、设备和介质 - Google Patents
一种算法模型结果转换配置方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN114168232A CN114168232A CN202111563746.XA CN202111563746A CN114168232A CN 114168232 A CN114168232 A CN 114168232A CN 202111563746 A CN202111563746 A CN 202111563746A CN 114168232 A CN114168232 A CN 114168232A
- Authority
- CN
- China
- Prior art keywords
- result
- model
- conversion
- conversion configuration
- configuration information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 151
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 47
- 238000013515 script Methods 0.000 claims abstract description 34
- 230000015654 memory Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 101100498818 Arabidopsis thaliana DDR4 gene Proteins 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000004258 portal system Anatomy 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44505—Configuring for program initiating, e.g. using registry, configuration files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44521—Dynamic linking or loading; Link editing at or after load time, e.g. Java class loading
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Stored Programmes (AREA)
Abstract
本申请公开了一种算法模型结果转换配置方法、装置、设备和介质，涉及计算机技术领域。方法包括：获取算法模型的模型结果；根据所述模型结果，分脚本语言进行配置，得到结果转换配置信息；识别需要转换的类型，根据所述类型以及所述结果转换配置信息进行模型结果转换，得到转换后的模型结果；输出转换后的模型结果。本申请不需要重新部署模型上线，就能够快速地对模型结果进行配置、转换，同时支持多语言加工，降低了使用门槛。
Description
技术领域
本申请涉及计算机技术领域，具体涉及一种算法模型结果转换配置方法、装置、设备和介质。
背景技术
随着人工智能在互联网领域的应用和发展，大量针对不同场景的算法模型被应用部署以及线上预测，但是在模型部署完成之后，如何对模型预测的结果进行高效、灵活、易用的转换，是一个亟待解决的问题。
目前使用的方案，主要是通过代码编写函数或方法，然后与模型文件一起进行重新部署、并加载对应的方法，在模型运行时输出转换结果，或者直接封装到模型文件里进行处理。
但是，这样的技术手段存在以下弊端：
(1)、只能得到模型预测的结果，而不能按需快速地对结果进行处理或者转换；
(2)、每次进行结果转换都需要修改代码然后和模型一起加载，重新部署模型上线，十分麻烦，并且做不到实时更新、实时预测结果；
(3)、对结果处理的语言方式比较单一，不支持多种语言方式，且需要开发人员进行操作，不能让业务人员直接参与，其使用门槛较高，非常不灵活。
发明内容
为了解决上述背景技术中提到的至少一个问题，本申请提供了一种算法模型结果转换配置方法、装置、设备和介质，不需要重新部署模型上线，就能够快速地对模型结果进行配置、转换，同时支持多语言加工，降低了使用门槛。
本申请实施例提供的具体技术方案如下：
第一方面，提供一种算法模型结果转换配置方法，应用于服务端，包括：
获取算法模型的模型结果；
根据所述模型结果，分脚本语言进行配置，得到结果转换配置信息；
识别需要转换的类型，根据所述类型以及所述结果转换配置信息进行模型结果转换，得到转换后的模型结果；
输出转换后的模型结果。
进一步的，所述根据所述模型结果，分脚本语言进行配置，得到结果转换配置信息，具体包括：
根据所述模型结果，进行标准分结果转换配置、脚本结果转换配置以及Jar包结果转换配置中的至少一种；
得到结果转换配置信息，所述结果转换配置信息包括标准分转换结果、脚本转换结果以及Jar包转换结果中的至少一种。
进一步的，所述脚本结果转换配置包括Python结果转换配置以及Groovy结果转换配置中的至少一种；
所述结果转换配置信息包括Python脚本转换结果以及Groovy脚本转换结果中的至少一种。
进一步的，所述方法还包括：
将所述模型结果、所述结果转换配置信息以及所述转换后的模型结果存储至数据库中，以供更改配置以及后续使用。
进一步的，所述方法还包括：
将所述结果转换配置信息缓存至本地以及Redis库中，以供后续调用。
进一步的，所述识别需要转换的类型，根据所述类型以及所述结果转换配置信息进行模型结果转换，得到转换后的模型结果，还包括：
识别需要转换的类型，读取缓存的结果转换配置信息；
根据所述类型以及所述缓存的结果转换配置信息执行对应所述类型的模型结果转换，得到转换后的模型结果。
进一步的，所述标准分结果转换配置通过如下公式进行计算：
A＝basescore-B*In(odds) (2)
其中，p为模型概率结果值，odds是好坏比，basescore是基准分值，Score是结果评分，pdo是所述odds变为2倍时对应所述结果评分增加的分值。
第二方面，提供一种算法模型结果转换配置装置，包括：
获取模块，用于获取算法模型的模型结果；
配置模块，用于根据所述模型结果，分脚本语言进行配置，得到结果转换配置信息；
结果转换模块，用于识别需要转换的类型，根据所述类型以及所述结果转换配置信息进行模型结果转换，得到转换后的模型结果；
输出模块，用于输出转换后的模型结果。
第三方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述算法模型结果转换配置方法。
第四方面，提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行所述算法模型结果转换配置方法。
本申请实施例具有如下有益效果：
本申请实施例提供的一种算法模型结果转换配置方法、装置、设备和介质，能够丰富算法模型结果转换的处理方式，支持多种语言加工，实现对应语言的结果转换的配置，方便不同的用户使用，降低了使用门槛；能够实现高效、快速的配置化操作，降低了模型重新部署加载结果转换的频次，减少了算法模型加载过程中服务停止、重启频率，提高服务的可用性；能够缓存配置信息，实现动态实时配置，快速实时获取转换结果。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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的附图。
图1示出本申请实施例提供的算法模型结果转换配置方法的总流程图；
图2示出根据本申请一个实施例的实施算法模型结果转换配置方法的架构图；
图3示出根据本申请一个实施例的算法模型结果转换配置方法的具体流程图；
图4示出可被用于实施本申请中所述的各个实施例的示例性系统。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
应当理解，在本申请的描述中，除非上下文明确要求，否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。
需要注意的是，术语“S1”、“S2”等仅用于步骤的描述目的，并非特别指称次序或顺位的意思，亦非用以限定本申请，其仅仅是为了方便描述本申请的方法，而不能理解为指示步骤的先后顺序。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
实施例一
本申请提供了一种算法模型结果转换配置方法，应用于服务端，参照图1，方法包括：
S1、获取算法模型的模型结果。
S2、根据模型结果，分脚本语言进行配置，得到结果转换配置信息。
S3、识别需要转换的类型，根据类型以及结果转换配置信息进行模型结果转换，得到转换后的模型结果。
S4、输出转换后的模型结果。
具体的，参照图2，图2示出了算法模型结果转换配置方法所基于的整体架构，包括门户端和服务端。其中，门户端可以是算法平台门户系统，服务端可以是算法平台服务端，同时还依托于数据中台和k8s(Kubernetes)的容器的管理。门户端主要用于算法模型的部署、配置、管理以及用户、用户权限的管理，为用户提供对算法模型的部署管理和实施操作；算法平台服务端包括算法服务中心、模型管理中心、策略中心、配置中心以及任务编排中心，提供整个算法模型调用全流程的配置。其中，算法模型结果转换配置在算法平台服务端中实现。
下面结合图3进行进一步的阐述：
在一些实施例中，S2具体包括：
S21、根据模型结果，进行标准分结果转换配置、脚本结果转换配置以及Jar包结果转换配置中的至少一种；
S22、得到结果转换配置信息，结果转换配置信息包括标准分转换结果、脚本转换结果以及Jar包转换结果中的至少一种。
具体的，算法模型结果转换的实现依托于模型部署，首先用户创建模型，生成模型版本和对应的模型服务，同时将对应的模型服务选择模型版本配置。需要注意的是，模型部署、模型配置都是在上述的门户端内实现的。而服务端需要实现的是将门户端的算法模型结果识别并转换为对应用户所需要的类型。类型可以包括标准分、脚本以及Jar包等。
在一些实施例中，脚本结果转换配置包括Python结果转换配置以及Groovy结果转换配置中的至少一种；
结果转换配置信息包括Python脚本转换结果以及Groovy脚本转换结果中的至少一种。
示例性的，可以同时进行标准分结果转换配置、脚本结果转换配置以及Jar包结果转换配置，得到对应的结果转换配置信息。结果转换配置信息描述了算法模型结果向多语言转换的过程，算法模型结果转换可以灵活配置，除了上述语言，还可以支持其他编程语言的配置及转换。也可以在配置的时候，单独选择某一种类型进行配置。
在一些实施例中，方法还包括：
将模型结果、结果转换配置信息以及转换后的模型结果存储至数据库中，以供更改配置以及后续使用。
将结果转换配置信息缓存至本地以及Redis库中，以供后续调用。
具体的，将模型结果、结果转换配置信息以及转换后的模型结果存储至数据库中，可以实时更改结果转换配置，做到快速配置，实时生效，立即使用，以满足用户、业务人员的实际需求，能够更加灵活地进行配置。缓存是存到Redis(Remote Dictionary Server)中，同时也会存放至本地应用的缓存中，在服务调用结束时调用结果转换配置的内容。
在一些实施例中，S3还包括：
S31、识别需要转换的类型，读取缓存的结果转换配置信息；
S32、根据类型以及缓存的结果转换配置信息执行对应类型的模型结果转换，得到转换后的模型结果。
具体的，算法模型结果转换既可以先配置然后直接进行转换，也可以先配置，将结果转换配置信息进行缓存，然后调用缓存的信息，执行对应类型的模型结果转换。缓存的作用在于实现高性能和高并发，快速地对已经配置过的算法模型结果进行结果转换。
在一些实施例中，标准分结果转换配置通过如下公式进行计算：
A＝basescore-B*In(odds) (2)
其中，p为模型概率结果值，odds是好坏比，basescore是基准分值，Score是结果评分，pdo是odds变为2倍时对应结果评分增加的分值。
具体的，A和B是常数，In(odds)基于逻辑回归公式。将模型的概率结果值转化为标准分形式的目的是放大原始概率值的间距，对于原始0-1之间的概率值拉开，便于理解及业务层面制定相关策略；同时赋予odds业务含义，并且可指定分数区间。Score结果评分即作为标准分的结果分，作为输出。另外，对于脚本或Jar包类型，可以上传python脚本或者groovy脚本，获取转换结果分；可以上传jar包，根据需要获取模型结果分。结果分即转换结果。
在本实施例中，能够丰富算法模型结果转换的处理方式，支持多种语言加工，实现对应语言的结果转换的配置，方便不同的用户使用，降低了使用门槛；能够实现高效、快速的配置化操作，降低了模型重新部署加载结果转换的频次，减少了算法模型加载过程中服务停止、重启频率，提高服务的可用性；能够缓存配置信息，实现动态实时配置，快速实时获取转换结果。
实施例二
对应上述实施例，本申请还提供了一种算法模型结果转换配置装置，包括获取模块、配置模块、结果转换模块以及输出模块。
其中，获取模块，用于获取算法模型的模型结果；配置模块，用于根据所述模型结果，分脚本语言进行配置，得到结果转换配置信息；结果转换模块，用于识别需要转换的类型，根据所述类型以及所述结果转换配置信息进行模型结果转换，得到转换后的模型结果；输出模块，用于输出转换后的模型结果。
进一步的，配置模块还用于根据所述模型结果，进行标准分结果转换配置、脚本结果转换配置以及Jar包结果转换配置中的至少一种；以及用于得到结果转换配置信息。其中，所述结果转换配置信息包括标准分转换结果、脚本转换结果以及Jar包转换结果中的至少一种。
具体的，脚本结果转换配置包括Python结果转换配置以及Groovy结果转换配置中的至少一种；结果转换配置信息包括Python脚本转换结果以及Groovy脚本转换结果中的至少一种。
进一步的，装置还包括存储模块，用于将所述模型结果、所述结果转换配置信息以及所述转换后的模型结果存储至数据库中，以供更改配置以及后续使用。
进一步的，存储模块还用于将所述结果转换配置信息缓存至本地以及Redis库中，以供后续调用。
进一步的，结果转换模块还用于识别需要转换的类型，读取缓存的结果转换配置信息；以及用于根据所述类型以及所述缓存的结果转换配置信息执行对应所述类型的模型结果转换，得到转换后的模型结果。
进一步的，配置模块还用于通过如下公式进行计算：
A＝basescore-B*In(odds) (2)
其中，p为模型概率结果值，odds是好坏比，basescore是基准分值，Score是结果评分，pdo是所述odds变为2倍时对应所述结果评分增加的分值。
实施例三
对应上述实施例，本申请还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时可以实现上述算法模型结果转换配置方法。
如图4所示，在一些实施例中，系统能够作为各所述实施例中的任意一个用于算法模型结果转换配置方法的上述电子设备。在一些实施例中，系统可包括具有指令的一个或多个计算机可读介质(例如，系统存储器或NVM/存储设备)以及与该一个或多个计算机可读介质耦合并被配置为执行指令以实现模块从而执行本申请中所述的动作的一个或多个处理器(例如，(一个或多个)处理器)。
对于一个实施例，系统控制模块可包括任意适当的接口控制器，以向(一个或多个)处理器中的至少一个和/或与系统控制模块通信的任意适当的设备或组件提供任意适当的接口。
系统控制模块可包括存储器控制器模块，以向系统存储器提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
系统存储器可被用于例如为系统加载和存储数据和/或指令。对于一个实施例，系统存储器可包括任意适当的易失性存储器，例如，适当的DRAM。在一些实施例中，系统存储器可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例，系统控制模块可包括一个或多个输入/输出(I/O)控制器，以向NVM/存储设备及(一个或多个)通信接口提供接口。
例如，NVM/存储设备可被用于存储数据和/或指令。NVM/存储设备可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备可包括在物理上作为系统被安装在其上的设备的一部分的存储资源，或者其可被该设备访问而不必作为该设备的一部分。例如，NVM/存储设备可通过网络经由(一个或多个)通信接口进行访问。
(一个或多个)通信接口可为系统提供接口以通过一个或多个网络和/或与任意其他适当的设备通信。系统可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信。
对于一个实施例，(一个或多个)处理器中的至少一个可与系统控制模块的一个或多个控制器(例如，存储器控制器模块)的逻辑封装在一起。对于一个实施例，(一个或多个)处理器中的至少一个可与系统控制模块的一个或多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例，(一个或多个)处理器中的至少一个可与系统控制模块的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器中的至少一个可与系统控制模块的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。
在各个实施例中，系统可以但不限于是：服务器、工作站、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)。在各个实施例中，系统可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，系统包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
另外，本申请的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。本领域技术人员应能理解，计算机程序指令在计算机可读介质中的存在形式包括但不限于源文件、可执行文件、安装包文件等，相应地，计算机程序指令被计算机执行的方式包括但不限于：该计算机直接执行该指令，或者该计算机编译该指令后再执行对应的编译后程序，或者该计算机读取并执行该指令，或者该计算机读取并安装该指令后再执行对应的安装后程序。在此，计算机可读介质可以是可供计算机访问的任意可用的计算机可读存储介质或通信介质。
通信介质包括藉此包含例如计算机可读指令、数据结构、程序模块或其他数据的通信信号被从一个系统传送到另一系统的介质。通信介质可包括有导的传输介质(诸如电缆和线(例如，光纤、同轴等))和能传播能量波的无线(未有导的传输)介质，诸如声音、电磁、RF、微波和红外。计算机可读指令、数据结构、程序模块或其他数据可被体现为例如无线介质(诸如载波或诸如被体现为扩展频谱技术的一部分的类似机制)中的已调制数据信号。术语“已调制数据信号”指的是其一个或多个特征以在信号中编码信息的方式被更改或设定的信号。调制可以是模拟的、数字的或混合调制技术。
在此，根据本申请的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。
实施例四
对应上述实施例，本申请还提供了一种计算机可读存储介质，存储有计算机可执行指令，计算机可执行指令用于执行算法模型结果转换配置方法。
在本实施例中，计算机可读存储介质可包括以用于存储诸如计算机可读指令、数据结构、程序模块或其它数据的信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动的介质。例如，计算机可读存储介质包括，但不限于，易失性存储器，诸如随机存储器(RAM,DRAM,SRAM)；以及非易失性存储器，诸如闪存、各种只读存储器(ROM,PROM,EPROM,EEPROM)、磁性和铁磁/铁电存储器(MRAM,FeRAM)；以及磁性和光学存储设备(硬盘、磁带、CD、DVD)；或其它现在已知的介质或今后开发的能够存储供计算机系统使用的计算机可读信息/数据。
尽管已描述了本申请实施例中的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例中范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种算法模型结果转换配置方法，应用于服务端，其特征在于，包括：
获取算法模型的模型结果；
根据所述模型结果，分脚本语言进行配置，得到结果转换配置信息；
识别需要转换的类型，根据所述类型以及所述结果转换配置信息进行模型结果转换，得到转换后的模型结果；
输出转换后的模型结果。
2.根据权利要求1所述的算法模型结果转换配置方法，其特征在于，所述根据所述模型结果，分脚本语言进行配置，得到结果转换配置信息，具体包括：
根据所述模型结果，进行标准分结果转换配置、脚本结果转换配置以及Jar包结果转换配置中的至少一种；
得到结果转换配置信息，所述结果转换配置信息包括标准分转换结果、脚本转换结果以及Jar包转换结果中的至少一种。
3.根据权利要求2所述的算法模型结果转换配置方法，其特征在于，所述脚本结果转换配置包括Python结果转换配置以及Groovy结果转换配置中的至少一种；
所述结果转换配置信息包括Python脚本转换结果以及Groovy脚本转换结果中的至少一种。
4.根据权利要求1所述的算法模型结果转换配置方法，其特征在于，所述方法还包括：
将所述模型结果、所述结果转换配置信息以及所述转换后的模型结果存储至数据库中，以供更改配置以及后续使用。
5.根据权利要求1所述的算法模型结果转换配置方法，其特征在于，所述方法还包括：
将所述结果转换配置信息缓存至本地以及Redis库中，以供后续调用。
6.根据权利要求5所述的算法模型结果转换配置方法，其特征在于，所述识别需要转换的类型，根据所述类型以及所述结果转换配置信息进行模型结果转换，得到转换后的模型结果，还包括：
识别需要转换的类型，读取缓存的结果转换配置信息；
根据所述类型以及所述缓存的结果转换配置信息执行对应所述类型的模型结果转换，得到转换后的模型结果。
7.根据权利要求2所述的算法模型结果转换配置方法，其特征在于，所述标准分结果转换配置通过如下公式进行计算：
A＝basescore-B*In(odds)(2)
其中，p为模型概率结果值，odds是好坏比，basescore是基准分值，Score是结果评分，pdo是所述odds变为2倍时对应所述结果评分增加的分值。
8.一种算法模型结果转换配置装置，其特征在于，包括：
获取模块，用于获取算法模型的模型结果；
配置模块，用于根据所述模型结果，分脚本语言进行配置，得到结果转换配置信息；
结果转换模块，用于识别需要转换的类型，根据所述类型以及所述结果转换配置信息进行模型结果转换，得到转换后的模型结果；
输出模块，用于输出转换后的模型结果。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～7中任意一项所述算法模型结果转换配置方法。
10.一种计算机可读存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令用于执行权利要求1～7中任意一项所述算法模型结果转换配置方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111563746.XA CN114168232A (zh) | 2021-12-20 | 2021-12-20 | 一种算法模型结果转换配置方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111563746.XA CN114168232A (zh) | 2021-12-20 | 2021-12-20 | 一种算法模型结果转换配置方法、装置、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114168232A true CN114168232A (zh) | 2022-03-11 |
Family
ID=80487558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111563746.XA Withdrawn CN114168232A (zh) | 2021-12-20 | 2021-12-20 | 一种算法模型结果转换配置方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114168232A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103092993A (zh) * | 2013-02-18 | 2013-05-08 | 五八同城信息技术有限公司 | 数据导出方法及装置 |
| CN109992459A (zh) * | 2019-03-29 | 2019-07-09 | 苏州中晟宏芯信息科技有限公司 | 数据转换方法、装置、设备及存储介质 |
| CN110138579A (zh) * | 2018-02-09 | 2019-08-16 | 华为技术有限公司 | 用户侧设备的配置方法和相关装置 |
| CN111178517A (zh) * | 2020-01-20 | 2020-05-19 | 上海依图网络科技有限公司 | 模型部署方法、系统、芯片、电子设备及介质 |
| CN111708760A (zh) * | 2020-06-17 | 2020-09-25 | 珠海宏桥高科技有限公司 | 模型迁移部署方法、装置、电子设备及存储介质 |
| CN111797969A (zh) * | 2020-06-23 | 2020-10-20 | 浙江大华技术股份有限公司 | 神经网络模型的转换方法及相关装置 |
| CN112418427A (zh) * | 2020-11-25 | 2021-02-26 | 广州虎牙科技有限公司 | 深度学习的统一推理服务的提供方法、装置、系统及设备 |
| CN113570030A (zh) * | 2021-01-18 | 2021-10-29 | 腾讯科技（深圳）有限公司 | 数据处理方法、装置、设备以及存储介质 |
-
2021
- 2021-12-20 CN CN202111563746.XA patent/CN114168232A/zh not_active Withdrawn
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103092993A (zh) * | 2013-02-18 | 2013-05-08 | 五八同城信息技术有限公司 | 数据导出方法及装置 |
| CN110138579A (zh) * | 2018-02-09 | 2019-08-16 | 华为技术有限公司 | 用户侧设备的配置方法和相关装置 |
| CN109992459A (zh) * | 2019-03-29 | 2019-07-09 | 苏州中晟宏芯信息科技有限公司 | 数据转换方法、装置、设备及存储介质 |
| CN111178517A (zh) * | 2020-01-20 | 2020-05-19 | 上海依图网络科技有限公司 | 模型部署方法、系统、芯片、电子设备及介质 |
| CN111708760A (zh) * | 2020-06-17 | 2020-09-25 | 珠海宏桥高科技有限公司 | 模型迁移部署方法、装置、电子设备及存储介质 |
| CN111797969A (zh) * | 2020-06-23 | 2020-10-20 | 浙江大华技术股份有限公司 | 神经网络模型的转换方法及相关装置 |
| CN112418427A (zh) * | 2020-11-25 | 2021-02-26 | 广州虎牙科技有限公司 | 深度学习的统一推理服务的提供方法、装置、系统及设备 |
| CN113570030A (zh) * | 2021-01-18 | 2021-10-29 | 腾讯科技（深圳）有限公司 | 数据处理方法、装置、设备以及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111666497B (zh) | 应用程序的加载方法、装置、电子设备及可读存储介质 | |
| CN110321189B (zh) | 一种在宿主程序中呈现寄宿程序的方法与设备 | |
| BR112021009629A2 (pt) | método de processamento do conteúdo da interface de usuário, sistema, e, mídia legível por computador não transitória | |
| CN111818194A (zh) | 基于域名的访问系统和方法 | |
| CN109947504B (zh) | 一种在宿主程序中执行寄宿程序的方法与设备 | |
| CN114625439A (zh) | 基于微前端架构的子应用运行方法、电子设备及存储介质 | |
| CN114168232A (zh) | 一种算法模型结果转换配置方法、装置、设备和介质 | |
| WO2020135129A1 (zh) | 加载应用的插件的方法、装置和终端 | |
| CN111506232A (zh) | 一种用于在阅读应用中控制菜单显示的方法与设备 | |
| CN116760899A (zh) | 基于Kafka的并发消费方法、装置、设备和介质 | |
| CN116072108A (zh) | 模型生成方法、语音识别方法、装置、介质及设备 | |
| CN114647549A (zh) | 异构加速芯片的管理方法、装置、设备和介质 | |
| US20230196197A1 (en) | Calibration method and apparatus, terminal device, and storage medium | |
| CN111680250B (zh) | 一种召回呈现信息的方法与设备 | |
| CN111796865B (zh) | 一种字节码文件修改方法、装置、终端设备及介质 | |
| CN114995871A (zh) | 一种软件版本适配方法、装置、电子设备和存储介质 | |
| CN111385353B (zh) | 一种提供应用呈现信息的方法与设备 | |
| CN110333914B (zh) | 一种用于执行目标操作的方法与设备 | |
| CN110784596B (zh) | 一种处理事件信息的方法与设备 | |
| US20220365762A1 (en) | Neural network model conversion method server, and storage medium | |
| US20110247007A1 (en) | Operators with request-response interfaces for data stream processing applications | |
| CN110046237B (zh) | 一种对话式交互处理方法及装置 | |
| US20220366249A1 (en) | Method and device for adjusting deep learning network, server, and storage medium | |
| CN110059302A (zh) | 数据日期格式化方法、装置、设备及可读存储介质 | |
| CN114428735A (zh) | 一种用于自动化测试的方法、设备、介质及程序产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220311 |
|
| WW01 | Invention patent application withdrawn after publication |