CN109783164B - 用于计算设备及操作、重构实验的方法和装置 - Google Patents

Abstract

本申请公开了一种用于计算设备及操作、重构实验的方法和装置。其中，该方法包括：计算设备接收来自远程的预定装置的第一指示，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；计算设备根据第一指示生成用于重构实验的第一文件；以及计算设备将第一文件分发至预定装置。本申请解决了现有的机器学习平台生成的实验的过程中需要人工调整实验模型导致工作效率低的技术问题。

Description

用于计算设备及操作、重构实验的方法和装置

技术领域

本申请涉及互联网技术领域，具体而言，涉及一种用于计算设备及操作、重构实验的方法和装置。

背景技术

随着互联网技术的发展，大数据时代的到来，从海量数据中挖掘出有价值的信息，是当今社会的一项重要研究课题。基于各种云平台的机器学习平台(例如，微软、百度、腾讯和华为的机器学习云平台、亚马逊的AWS机器学习平台等)，为用户分析海量数据提供了丰富、高效、成熟的机器学习算法和数据源。通过机器学习平台，用户可以很方便地完成从原始数据到数据处理再到建模等一系列的数据挖掘工作。

目前，利用机器学习平台获得实验模型主要经历如下四个过程：收集整理实验数据、处理实验数据、选择合适的机器学习算法组件、运行实验模块并评估建立的模型。但是，实际工作中，用户可能只需要负责实验中的一部分，这时需要将完成的实验分享给同一个团队的其他人查看，这种情况下，如果仅仅通过文档或者口述的方式给同伴描述实验会显得很费时费力而且实验的很多细节很难描述清楚。另外，针对同一个实验，用户也许会多次更改实验中的某些参数配置，然后定时调度运行实验，生成不同的实验模型或者获得不同参数情况下的实验结果，在这种情况下，用户通常希望可以根据实验生成包含实验参数和实验组件结构的文件，并且实验文件可编程，可通过程序自动修改并定时提交运行。

针对上述现有的机器学习平台生成的实验的过程中需要人工调整实验参数或结构导致工作效率低的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种用于计算设备及操作、重构实验的方法和装置，以至少解决现有的机器学习平台生成的实验的过程中需要人工调整实验参数或结构导致工作效率低的技术问题。

根据本发明实施例的一个方面，提供了一种用于计算设备的方法，包括：计算设备接收来自远程的预定装置的第一指示，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；计算设备根据第一指示生成用于重构实验的第一文件；以及计算设备将第一文件分发至预定装置。

根据本发明实施例的另一方面，还提供了一种用于计算设备的方法，包括：计算设备接收来自远程的预定装置的指示；计算设备根据指示接收来自预定装置的文件；计算设备根据文件重构实验，并将计算设备上对应的算法程序与实验相关联；以及计算设备将实验的信息发送至预定装置。

根据本发明实施例的另一方面，还提供了一种用于计算设备的方法，包括：计算设备接收来自远程的预定装置的指示，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；计算设备根据指示生成用于重构实验的文件；以及计算设备将文件发送给指定用户。

根据本发明实施例的另一方面，还提供了一种用于计算设备的方法，包括：计算设备接收来自远程的预定装置的指示以及指定用户的信息，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；以及计算设备根据指示，将实验分享给指定用户。

根据本发明实施例的另一方面，还提供了一种用于计算设备的方法，包括：计算设备接收来自远程的预定装置的指示，其中预定装置能够在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；以及计算设备根据指示，每隔预定时间对实验执行以下操作：对实验进行修改；以及运行修改后的实验并记录修改后的实验的运算结果。

根据本发明实施例的另一方面，还提供了一种用于操作实验的方法，包括：显示交互界面，其中交互界面上显示有用于表示实验的实验图形；接收第一指示；以及根据第一指示，从远程的计算设备接收用于重构该实验的文件，其中计算设备设置有与实验对应的算法程序，并且实验的运算由计算设备实现。

根据本发明实施例的另一方面，还提供了一种用于重构实验的方法，包括：接收第二指示；根据第二指示向远程的计算设备上传用于重构实验的文件，其中计算设备设置有与实验对应的算法程序，并且实验的运算由计算设备实现；以及根据计算设备重构的结果在交互界面上显示用于表示实验的实验图形。

根据本发明实施例的另一方面，还提供了一种用于操作实验的方法，包括：显示交互界面，交互界面上显示有用于表示实验的实验图形，其中实验的运算由远程的计算设备实现并且计算设备设置有与实验对应的算法程序；接收第三指示；以及根据第三指示向计算设备发送生成用于重构实验的文件且将文件发送该指定用户的指示。

根据本发明实施例的另一方面，还提供了一种用于操作实验的方法，包括：显示交互界面，交互界面上显示有用于表示实验的实验图形，其中实验的运算由远程的计算设备实现并且计算设备设置有与实验对应的算法程序；接收第四指示以及指定用户的信息；以及根据第四指示以及确定指定用户的信息，向计算设备发送将实验分享给指定用户的指示。

根据本发明实施例的另一方面，还提供了一种用于操作实验的方法，包括：显示交互界面，交互界面能够显示有用于表示实验的实验图形，其中实验的运算由远程的计算设备实现并且计算设备设置有与实验对应的算法程序；接收第五指示；以及根据第五指示向计算设备发送每隔预定时间修改指定实验并运行修改后的指定实验的指示。

根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述任意一项的方法。

根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述任意一项的方法。

根据本发明实施例的另一方面，还提供了一种用于计算设备的系统，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：通过计算设备接收来自远程的预定装置的第一指示，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；通过计算设备根据第一指示生成用于重构实验的第一文件；以及通过计算设备将第一文件分发至预定装置。

根据本发明实施例的另一方面，还提供了一种用于计算设备的系统，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：通过计算设备接收来自远程的预定装置的指示；通过计算设备根据指示接收来自预定装置的文件；通过计算设备根据文件重构实验，并将计算设备上对应的算法程序与实验相关联；以及通过计算设备将实验的信息发送至预定装置。

根据本发明实施例的另一方面，还提供了一种用于计算设备的系统，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：通过计算设备接收来自远程的预定装置的指示，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；通过计算设备根据指示生成用于重构实验的文件；以及将文件发送给指定用户。

根据本发明实施例的另一方面，还提供了一种用于计算设备的系统，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：通过计算设备接收来自远程的预定装置的指示以及指定用户的信息，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；以及通过计算设备根据指示，将实验分享给指定用户。

根据本发明实施例的另一方面，还提供了一种用于计算设备的系统，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：通过计算设备接收来自远程的预定装置的指示，其中预定装置能够在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；以及通过计算设备根据指示，每隔预定时间对实验执行以下操作：对实验进行修改；以及运行修改后的实验并记录修改后的实验的运算结果。

根据本发明实施例的另一方面，还提供了一种用于计算设备的装置，包括：第一单元，用于通过计算设备接收来自远程的预定装置的第一指示，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；第二单元，用于通过计算设备根据第一指示生成用于重构实验的第一文件；以及第三单元，用于通过计算设备将第一文件分发至预定装置。

根据本发明实施例的另一方面，还提供了一种用于计算设备的装置，包括：第一单元，用于通过计算设备接收来自远程的预定装置的指示；第二单元，用于通过计算设备根据指示接收来自预定装置的文件；第三单元，用于通过计算设备根据文件重构实验，并将计算设备上对应的算法程序与实验相关联；以及第四单元，用于通过计算设备将实验的信息发送至预定装置。

根据本发明实施例的另一方面，还提供了一种用于计算设备的装置，包括：第一单元，用于通过计算设备接收来自远程的预定装置的指示，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；第二单元，用于通过计算设备根据指示生成用于重构实验的文件；以及第三单元，用于通过计算设备将文件发送给指定用户。

根据本发明实施例的另一方面，还提供了一种用于计算设备的装置，包括：第一单元，用于通过计算设备接收来自远程的预定装置的指示以及指定用户的信息，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；以及第二单元，用于通过计算设备根据指示，将实验分享给指定用户。

根据本发明实施例的另一方面，还提供了一种用于计算设备的装置，包括：第一单元，用于通过计算设备接收来自远程的预定装置的指示，其中预定装置能够在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；以及第二单元，用于通过计算设备根据指示，每隔预定时间对实验执行以下操作：对实验进行修改；以及运行修改后的实验并记录修改后的实验的运算结果。

根据本发明实施例的另一方面，还提供了一种学习模型的分享方法，包括：机器学习平台确定与第一用户对应的待分享学习模型；机器学习平台接收针对待分享学习模型的分享指令，并依据分享指令将待分享学习模型分享至第二用户；机器学习平台接收第二用户对应的终端设备发送的查看指令，并在查看指令的触发下，向终端设备发送并展示待分享学习模型。

根据本发明实施例的另一方面，还提供了一种计算设备，用于提供人机交互界面，人机交互界面包括：第一控件，用于展示与第一用户对应的待分享学习模型；第二控件，用于接收针对待分享学习模型的分享指令，其中，分享指令用于将学习模型分享至第二用户；第三控件，用于接收查看指令；第四控件，用于向第二用户对应的终端设备展示待分享学习模型。

在本发明实施例中，通过计算设备接收来自远程的预定装置的第一指示，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；计算设备根据第一指示生成用于重构实验的第一文件；以及计算设备将第一文件分发至预定装置，达到了将机器学习平台上创建的实验以文件的形式保存，以便根据该文件重构实验的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本申请实施例的一种基于机器学习平台生成实验文件的系统示意图；

图2是根据本申请实施例的一种基于机器学习平台生成实验文件的系统中机器学习平台和本地机的结构示意图；

图3是根据本申请实施例的一种基于机器学习平台创建实验的操作界面示意图；

图4是根据本申请实施例的一种可选的实验面板示意图；

图5是根据本申请实施例的一种可选的机器学习平台生成实验文件的方法流程图；

图6是根据本申请实施例的一种可选的机器学习平台接收上传实验文件，并根据上传的实验文件重建实验的方法流程图；

图7是根据本申请实施例的一种基于机器学习平台分享实验的操作界面示意图；

图8是根据本申请实施例的一种基于机器学习平台分享实验的操作流程示意图；

图9是根据本申请实施例的一种定时调度系统的操作流程示意图；

图10是根据本申请实施例的一种用于计算设备的方法流程图；

图11是根据本申请实施例的一种可选的用于计算设备的方法流程图；

图12是根据本申请实施例的一种可选的用于计算设备的方法流程图；

图13是根据本申请实施例的一种可选的用于计算设备的方法流程图；

图14是根据本申请实施例的一种可选的用于计算设备的方法流程图；

图15是根据本申请实施例的一种可选的用于计算设备的方法流程图；

图16是根据本申请实施例的一种可选的用于计算设备的方法流程图；

图17是根据本申请实施例的一种可选的用于计算设备的方法流程图；

图18是根据本申请实施例的一种可选的用于计算设备的方法流程图；

图19是根据本申请实施例的一种可选的用于计算设备的方法流程图；

图20是根据本申请实施例的又一种用于计算设备的方法流程图；

图21是根据本申请实施例的又一种可选的用于计算设备的方法流程图；

图22是根据本申请实施例的又一种用于计算设备的方法流程图；

图23是根据本申请实施例的又一种用于计算设备的方法流程图；

图24是根据本申请实施例的又一种可选的用于计算设备的方法流程图；

图25是根据本申请实施例的又一种可选的用于计算设备的方法流程图；

图26是根据本申请实施例的又一种用于计算设备的方法流程图；

图27是根据本申请实施例的又一种可选的用于计算设备的方法流程图；

图28是根据本申请实施例的又一种可选的用于计算设备的方法流程图；

图29是根据本申请实施例的一种用于操作实验的方法流程图；

图30是根据本申请实施例的一种用于重构实验的方法流程图；

图31是根据本申请实施例的又一种用于操作实验的方法流程图；

图32是根据本申请实施例的又一种用于操作实验的方法流程图；

图33是根据本申请实施例的又一种用于操作实验的方法流程图；

图34是根据本申请实施例的一种用于计算设备的装置示意图；

图35是根据本申请实施例的又一种用于计算设备的装置示意图；

图36是根据本申请实施例的又一种用于计算设备的装置示意图；

图37是根据本申请实施例的又一种用于计算设备的装置示意图；

图38是根据本申请实施例的又一种用于计算设备的装置示意图；

图39是根据本申请实施例的一种计算机终端的硬件结构框图；

图40是根据本申请实施例的一种学习模型的分享方法流程图；

图41是根据本申请实施例的一种计算设备的界面示意图；以及

图42是根据本申请实施例的一种算法模型的分享方法流程图。

具体实施方式

首先，在对本申请实施例进行描述的过程中出现的部分名词或术语适用于如下解释：

机器学习平台，包含各类常用的算法组件，例如数据预处理、特征工程、网络分析、文本分析以及深度学习等各类算法；利用机器学习平台，开发者可以通过拖拽的方式完成对海量数据的分析挖掘，以及对用户行为、行业走势等的预测。

算法组件、组件节点以及组件图形，组件节点是指用户构建的实验所包括的各个节点，各个组件节点分别用于执行特定算法，并且各个组件节点彼此连线从而构成一个实验。组件图形，则是指机器学习平台页面上显示的与实验的各个组件节点对应的图形，其中机器学习平台页面上的各个组件图形可以拉取到实验面板上或从实验面板上删除。组件图形本身具有参数设置栏用于设置各个组件节点在运行时的参数，且组件图形上有输入、输出按钮用于各个算法之间的链接和算法运行结果的输出、查看等。算法组件则在机器学习平台上设置的用于与机器学习平台页面上的组件图形对应的算法程序，从而当用户在机器学习平台页面上构建实验并且运行时，机器学习平台调用与机器学习平台页面上的组件图形对应的算法组件，从而在机器学习平台上实现实验的运行。

租户管理系统(即租户系统)，是管理机器学习平台项目空间及其每个项目空间中包含的成员以及成员权限的一种管理系统，一般一个环境一个租户管理系统，环境分类有：公有云环境、公司集团内环境以及各类专有云环境等。

定时调度系统，可以定时执行用户设定的机器学习平台任务，如按照用户设定的定时参数和需要修改的参数修改实验后提交实验给机器学习平台后台程序运行。

实施例1

根据本申请实施例，提供了一种基于机器学习平台生成实验文件的系统实施例，需要说明的是，本实施例可以应用于任意一种基于云平台的机器学习平台，包括但不限于亚马逊的AWS机器学习平台，以及华为、微软、腾讯、百度的机器学习平台。

目前，为了从海量的电子数据中获取到有价值的信息，微软、亚马孙、百度、华为等机器学习平台为用户分析海量数据提供了实验算法组件和数据源存储环境，通过这些机器学习平台，用户可以根据自己需要的算法组件和数据建立实验。但是，现有机器学习平台建立的实验无法以文件的方式保存并分享，存在如下不足：

(1)不同的项目空间中如果想建立一个完全相似的实验需要重新手动建立，较费时费力；

(2)在实际工作中，团队中每个成员只负责实验的一部分，如果某一成员要将完成的实验分享给同一个团队的其他人查看，如果仅仅通过文档或口述的方式给同伴描述实验，会显得费时费力，且实验的很多细节很难描述清楚；

(3)针对同一个实验，通常会多次更改实验中的某些参数配置，然后定时调度运行实验，以生成不同的实验模型或者获得不同参数情况下的实验结果，而现有的机器学习平台创建的实验只能进行发布，无法生成可编程的实验文件，也不能实现定时提交运行。

发明人经研究发现，如果将机器学习平台上创建的实验可以以文件的形式下载或分享，用户只需要将分享获得的文件重新导入到机器学习平台上的任何一个项目中即可以获得一个完全相同的实验，无需重新拉取组件编辑各个组件的参数配置和收集数据源。同时分享的实验文件可通过编程修改参数、配置然后通过机器学习平台程序定时提交运行，可以达到定时调度的目的，通过配置不同的参数，还可以对不同配置的实验效果进行比对。

作为一种可选的实施实例，图1是根据本申请实施例的一种基于机器学习平台生成实验文件的系统示意图，如图1所示，该系统包括：机器学习平台200以及可以通过网络(例如，互联网)访问机器学习平台200的多个本地机100(或者称为客户端机器)，图1示出了3个，分别是100A、100B以及100C)。

其中，上述机器学习平台200可以用于接收来自远程的本地机100的第一指示，根据第一指示生成用于重构实验的第一文件，并将第一文件分发至本地机100，其中，本地机100显示交互界面，并在交互界面上显示用于表示实验的构成的实验图形，并且机器学习平台200设置有与实验图形对应的算法程序。可选地，本地机100所显示的交互界面可以是由机器学习平台200提供的页面。

在上述实施例中，各个本地机100A、100B和100C的用户可以通过借助本地机访问机器学习平台200，从而利用机器学习平台200上的各种算法组件建立实验，并在机器学习平台200上进行各种数据分析、数据处理以及特征模型训练实验等。

此处需要说明的是，本地机100显示的交互界面上显示的实验图形包括多个组件图形，分别表示构成实验的各个组件节点，并且机器学习平台200设置有与组件图形对应的多个算法组件。

由上可知，在本申请上述实施例中，机器学习平台(即上述计算设备)在接收到用户通过终端设备发送的用于生成实验文件的第一指示后，根据该第一指示，生成对应的实验文件，并将实验文件发送给预定装置(即用户的终端设备)，达到了将机器学习平台上创建的实验以文件的形式保存，以便根据该文件重构实验的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有的机器学习平台生成的实验的过程中需要人工调整实验参数和结构导致工作效率低的技术问题。

基于上述实施例，一种可选的实施方式中，上述机器学习平台200和本地机100的具体结构如图2所示，其中，机器学习平台200包括：网络接口201、算法组件202、实验表203、组件节点表204、参数配置表205和租户管理系统206，本地机100包括：网络接口101、输入装置102、显示装置103和存储部104。

其中，机器学习平台200的网络接口201，可以用于上述机器学习平台200通过网络与本地机100进行通信。

算法组件202可以包括多个算法组件202A、202B等。算法组件202可以为机器学习平台200上存储的各类常用的算法，例如数据预处理、特征工程、网络分析、text analysis以及深度学习等各类算法的程序。其中，每一个算法组件202可以用在本地机100上显示的唯一的组件图形来表示。

实验表203，用于针对在机器学习平台200上构建的每一个实验，记录相应的信息，例如(但不限于)：实验的名称、实验ID、实验创建时间、实验拥有者、实验项目等信息。关于实验表203的操作，将在下文中进行详细说明。

组件节点表204，包括在机器学习平台200上构建的实验所包含的每个组件节点的信息。组件节点表204中的每一个记录对应于实验中包括的各个组件节点及其连接关系的信息，该信息包括：关联的实验ID、节点名称、节点ID、关联的源节点(可以为多个)以及关联的目标节点(可以为多个)以及组件图形的位置(即与该组件节点对应的组件图形在本地机100上显示的实验面板302上的位置)等。关于组件节点表204的操作，也将在下文中进行详细说明。

参数配置表205，包括在机器学习平台200上构建的每一个实验所包含的每个组件节点的参数配置的信息，该信息包括：关联的实验ID、节点ID、参数名(可以为多个)以及与参数名对应的参数配置(可以为多个)。关于参数配置表205的操作，也将在下文中进行详细说明。

租户管理系统206，又称为租户系统，是用于管理机器学习平台200中同一环境下各类项目空间、用户以及用户权限的一种管理系统(同一环境下例如公有云环境、公司集团内环境、各类专有云环境等)。定时调度系统207，用于定时修改用户提交的实验文件，并在机器学习平台200中运行，自动保存实验模型和实验结果。关于租户管理系统206和定时调度系统207，将在下文中详细说明。

其中，本地机100的网络接口101，可以用于本地机100通过网络与机器学习平台200通信；

输入装置102，包括但不限于鼠标、键盘等装置，用于接收用户的输入操作；

显示装置103，包括显示屏幕，用于将机器学习平台200的网页显示给用户，尤其是当用户通过本地机100访问机器学习平台时，在本地机100通过显示装置103向用户显示机器学习平台200的页面以及操作界面。

存储器104，用于存储从机器学习平台200下载到本地机100，用于重构实验的实验文件。

以图2所示的机器学习平台200和本地机100为例，当用户通过本地机100访问机器学习平台200时，本地机100可以通过显示装置103可以向用户显示机器学习平台200的页面以及操作界面。图3是根据本申请实施例的一种可选的操作界面示意图，如图3所示，操作界面300主要由界面左侧的算法组件工具栏301和右侧的实验面板302构成。界面左侧算法组件工具栏301示出了与机器学习平台200上的各个算法组件202唯一对应的各个组件图形。

以图1中的用户1通过本地机100A在机器学习平台200上创建实验为例，当用户1创建实验的过程中，可以将组件图形303从左侧的算法组件工具栏301中拉取(或拖拽)到右侧的实验面板302上，通过将实验面板302上的组件图形303利用连线304相互连接，并且配置各个组件图形303的参数，即可构建用户1期望的实验。可选的，在构建完实验后，用户1还可以在机器学习平台200上运行构建的实验、查看实验的运行日志，并且在实验运行成功后可以查看实验结果以及实验结果的图表、实验生成的模型等。

图3是根据本申请实施例的一种基于机器学习平台创建实验的操作界面示意图，如图3所示，图3示出了使用特征分析和机器学习中的相应组件组成“用户流失数据分析”的实验；通过机器学习平台上运行的实验，用户可以将收集到的相关数据作为数据源输入，经过数据预处理中的“缺失值填充”和“拆分”等算法处理后作为机器学习中的“随机森林”和“逻辑回归二分类”等组件的输入，进行建模、预测和评估。

为了根据用户在本地机100的第一指示生成实验文件，作为一种可选的实施方式，上述机器学习平台200上可以设置至少如下三种数据表：第一数据表、第二数据表和第三数据表，并基于第一数据表、第二数据表和第三数据表记载的信息生成第一文件，其中，第一数据表用于至少记录识别实验的识别信息；第二数据表用于至少记录以下信息：用于识别组件节点的第二识别信息、用于指示组件节点对应的算法组件的信息、用于指示与组件节点对应的组件图形在交互界面上的位置的信息以及用于指示组件节点之间的连接关系的信息；第三数据表用于至少记录第二识别信息以及用于算法组件的参数信息。

仍以图2所示的机器学习平台200和本地机100为例，上述第一数据表、第二数据表和第三数据表可以分别为图2所示的实验表203、组件节点表204和参数配置表205，一种可选的实施例中，实验表203的格式以及记录的内容如表1所示。

表1实验表的格式及记录的内容

当用户1在本地机100显示的界面上创建一个实验时，假设该实验的名称为“text_analysis”、实验ID为“9900”、创建实验的时间为2017年01月01日、实验拥有者为用户1、该用户1所参与的项目名称为“汉语语料统计”，则机器学习平台200将在实验表203中插入关于该实验的记录，如表2所示。

表2插入实验记录的实验表的格式及记录的内容

实验ID	实验名称	实验创建时间	实验拥有者	实验项目
					0001	实验1名称	实验1创建时间	实验1拥有者	实验1拥有者参与项目
0002	实验2名称	实验2创建时间	实验2拥有者	实验2拥有者参与项目
					……	……	……	……	……
9990	text_analysis	2017年01月01日	用户1	汉语语料统计

如上所示，实验表，指的是一个表格一样的表，如mysql表，rds表等，本实施例中的机器学习平台200只设置有一张实验表，里面记录着每一个实验的信息。但是，本申请的保护范围不应受此限制，也就是说实验表可以不仅仅是一张表，而是根据实际需要确定，其中实验表中的字段表示或字段个数，内容等也可以根据实际情况进行修改。

此外，当用户1创建该实验“我的实验”时，如果向实验面板300中拉入组件图形时，机器学习平台200会向组件节点表204中插入相应的组件节点的记录，记录组件节点的名称、节点ID、关联实验ID、对应的组件图形在实验面板中的位置等信息.。一种可选的实施方式，图4是根据本申请实施例的一种可选的实验面板示意图，如图4所示，用户在实验面板300上拉取了5个组件图形，分别是第一组件图形303a、第二组件图形303b、第三组件图形303c、第四组件图形303d以及第五组件图形303e，分别表示该实验的第一组件节点至第五组件节点。

图4可以看出，第一组件节点(由第一组件图形303a表示)和第二组件节点(由第二组件图形303b表示)没有源节点，其目标节点均为第三组件节点(由第三组件图形303c表示)。第三组件节点(由第三组件图形303c表示)的源节点为第一组件节点(由第一组件图形303a表示)和第二组件节点(由第二组件图形303b表示)，其目标节点为第四组件节点(由第四组件图形303d表示)。第四组件节点(由第四组件图形303d表示)的源节点为第三组件节点(由第三组件图形303c表示)，其目标节点为第五组件节点(由第五组件图形303e表示)。第五组件节点(由第五组件图形303e表示)的源节点为第四组件节点(由第四组件图形303d表示)，其没有目标节点。

因此，图4中所示的实验“text_analysis”所对应的组件节点表204如表3所示：

表3组件节点表的格式及记录的内容

当用户1在实验面板302上拉取新的组件图形，并对组件图形303之间的连线进行调整时，或对组件进行删除时，机器学习平台200会对组件节点表204进行相应的更新。

如上面表3所示，组件节点表中的实验ID用于指示该组件节点属于哪一个实验。节点ID则是由机器学习平台生成的在每个实验中唯一地标识组件节点的ID。例如，在本实施例中，可以在同一个实验中，采用累加计数的方式唯一地指定每个组件节点的节点ID。这样，通过组件节点表204的实验ID以及节点ID，就可以唯一地标识每一个算法组件。如上表所示，尽管实验ID为0001的实验1与实验ID为9990的“text_analysis”均包括各自的第一组件节点并且分别用节点ID“001”标识，但是由于两个实验的实验ID不同，因此仍然可以区分这两个不同的组件节点。从而，机器学习平台200中只需要设置一个组件节点表204即可记录不同实验的组件节点的信息。

节点名称用于指示该组件节点所具体实现的算法或者处理的名称，其与机器学习平台200中所设置的算法组件202对应。当用户在本地机100的界面300上从工具栏301向实验面板302拉取组件图形303时，机器学习平台200会根据所拉取的组件图形303所对应的算法组件202，为该组件图形303所对应的组件节点设置节点名称与该算法组件202对应，从而当机器学习平台200可以根据该组件节点的节点名称确认其对应的算法组件以及组件图形303，以便重构实验。并且，由于不同的组件节点有可能是从工具栏301中拉取相同的组件图形303来表示，即这些不同的组件节点对应于相同的算法组件202，因此不同组件节点的节点名可以是相同的，都与同一个算法组件对应。为了加以区分，可以在不同组件节点的节点名称后面添加不同的数字加以区分。当然，由于同一实验中的不同组件节点可以通过节点ID区分，因此对于使用相同组件图形303表示的不同的组件节点的节点名称也可以不进行区分。

并且通过该组件的源节点和目标节点，就可以确定本实验中每一个组件节点与其他组件节点的连接关系。通过位置坐标可以确定与组件节点对应的组件图形在实验面板302中的位置。需要注意的是，以上只是示例性的描述了组件节点表204的构成。其中，组件节点表204所描述的字段，可以根据实际的实验而修改。例如，组件节点表204中可以包括端口号字段表示组件节点通过各自的哪些端口进行连线，等等。

此外，本地机100的用户可以在实验面板上设置或者修改各个组件节点的参数。并且机器学习平台200中相应地设置参数配置表205记录了实验“text_analysis”的各个组件节点的参数。尽管在本实施例中，机器学习平台上只设置有一个组件节点表，可选地，根据实际的需要，也可以针对各个实验分别创建各自组件节点表。

参数配置表205的格式以及记录如下所示：

表4参数配置表的格式及记录的内容

如参数配置表205所示，通过实验ID和节点ID以及参数序号和参数名，可以唯一地标识实验中的每个组件节点的每个参数，从而记录实验中每个组件节点的每个参数。参考组件节点表204的描述，节点名称用于指示各个组件节点对应的算法组件，节点id用于唯一的确定实验中各个组件。这样，机器学习平台200就可以只设置一个参数配置表，即可记录所有的实验的各个组件节点的参数配置的信息。尽管在本实施例中，机器学习平台上只设置有一个参数配置表，可选地，也可以根据不同实验分别创建参数配置表。

可选的，在机器学习平台200基于第一数据表、第二数据表和第三数据表记载的信息生成第一文件之后，作为一种可选的实施方式，上述机器学习平台200还支持实验文件的下载，以图4所示的实验面板为例，当用户在图4所示的实验面板上创建实验后，可以点击图4所示的面板中的“下载”按钮时，机器学习平台200响应于该操作，查找实验表203、组件节点表204以及参数配置表205中与实验“text_analysis”关联的信息，生成用于重构该实验“text_analysis”的实验文件。实验文件中包括各个组件节点的节点ID、各个组件节点所对应的算法组件、组件节点的参数配置信息、对应的组件图形303在实验面板302中的位置、组件节点之间的连线信息以及实验用到的数据源内容信息等。机器学习平台200可以根据上述数据表中的记录信息生成与实验相对应的json文件的形式，但不限于json格式，例如还可以是xml、html形式等。

从而，用户可以通过点击“下载”按钮，由机器学习平台200生成实验的json文件，方便用户以后使用此文件重构实验或分享实验或修改此文件建立新的实验。

具体地，以图2所示的机器学习平台200和本地机100为例，作为一种可选的实施方案，图5是根据本申请实施例的一种可选的机器学习平台生成实验文件的方法流程图，如图5所示，从用户建立实验直到生成实验文件，可以包括如下步骤：

步骤S502，用户建立实验，在建立实验时，机器学习平台200的后台程序会向实验表203中插入一条记录记载此实验的名称、实验ID、实验创建时间、实验拥有者、实验项目等信息；

步骤S504，在用户向实验面板中拉取表示某一个组件节点的组件图形并连线时，机器学习平台200的后台程序向组件节点表204中插入一条记录，其记载组件节点所在的实验ID、节点ID、节点名称、对应的组件图形在实验面板302中的位置、组件的源节点(父节点)、组件的目标节点(子节点)等信息；

步骤S506，在组件连线完毕后，用户配置各个节点参数时，机器学习平台200的后台程序会向参数配置表205中插入多条记录记载此节点关联的实验ID、节点ID、参数名称、参数配置等信息。

反复执行步骤S504和S506，直到设置完所有的组件节点，完成实验的构建。

步骤S508，实验参数配置完成或实验运行成功后，用户通过点击“下载”按钮来生成和下载实验文件。后台程序根据建立实验形成时的组件节点的结构和参数配置和此实验ID，从实验表203、组件节点表204、参数配置表205中导出表记录，并形成实验文件下载到本地机100。

作为另一种可选的实施例，上述机器学习平台200还可以根据用户指令通过本地机100上传的实验文件，生成相应的实验。具体地，上述机器学习平台200接收来自本地机100的第二指示，根据第二指示接收来自本地机100的第二文件，根据第二文件重构第二实验，并将机器学习平台200上对应的算法程序与第二实验相关联。最后，将重构的第二实验的信息发送至本地机100。

此处需要说明的是，上述第二实验包括多个组件节点，并且机器学习平台200设置有与多个组件节点对应的算法组件。

基于上述实施例，当机器学习平台200根据用户通过本地机100上传的实验文件，生成相应的实验时，作为一种可选的实施方式，上述机器学习平台200根据第二文件至少将用于识别第二实验的识别信息插入到设置于机器学习平台200的第一数据表中；至少将用于识别第二实验的识别信息、用于识别组件节点的第二识别信息、用于指示与组件节点对应的算法组件的信息、与组件节点对应的组件图形在交互界面上的位置信息以及记录组件节点之间的连接关系的关联信息插入到设置于机器学习平台200的第二数据表中；以及至少将用于识别第二实验的识别信息、用于识别组件节点的第二识别信息以及用于组件节点的参数的参数信息插入到设置于机器学习平台200的第三数据表中。

具体地，以图4所示的实验面板为例，作为一种可选的实施方案，当用户在本地机100的界面的空白实验面板上点击“上传”按钮，并在弹出框中选择了相应的实验文件之后，机器学习平台200实现的操作可以包括图6所示的步骤，图6是根据本申请实施例的一种可选的机器学习平台接收上传实验文件，并根据上传的实验文件重建实验的方法流程图，如图6所示，包括如下步骤：

步骤S602，机器学习平台200响应于用户的“上传指令”，接收实验文件，并对实验文件进行解析，从而获得实验中所包含的组件节点、每个组件节点对应的算法组件、每个组件节点对应的组件图形303在实验面板302上的位置、组件节点之间的连线关系以及每一个组件节点的参数配置等信息。

步骤S604，机器学习平台200根据解析得到的组件节点、组件节点对应的算法组件、组件节点之间的连线关系、组件节点对应的组件图形303在实验面板302上的位置以及每一个组件节点的参数配置等信息，分别在机器学习平台200的实验表203、组件节点表204以及参数配置表205中插入上述信息(与图5中的步骤S502、S504和S506类似)。

步骤S606，机器学习平台200根据实验表203、组件节点表204以及参数配置表205重构该实验，并且在本地机100的实验面板302上显示相应的组件图形以及连线关系，完成组件节点的参数配置，并将机器学习平台200设置的算法组件与实验面板302上的重构的各个组件图形相关联。

一种可选的实施例中，上述机器学习平台200还用于接收来自本地机100的第三指示，根据第三指示生成用于重构实验的第三文件，并将第三文件发送给指定用户。

具体地，在上述实施例中，一方面，机器学习平台200可以根据用户在本地机100上发出的指令，根据图5的流程生成实验文件，作为一种可选的实施方式，在生成实验文件后可以将实验文件通过邮箱的方式分享给其他人员。此外，机器学习平台200也可以通过其他方式将实验文件分享给其他人员，而不仅限于电子邮箱。

另一方面，用户可以在本地机100的界面300上，通过分享的操作，直接将实验分享给机器学习平台200的其他用户(而不是通过生成实验文件)。

作为一种可选的方式，在机器学习平台200的界面300直接分享实验的界面操作如图7所示。首先用户在界面300上用鼠标右键选中的实验，并且点击“分享”按钮。然后界面300弹出选择框，填入需要分享的成员的信息如云账号、用户名等和分享到的目标项目空间，并点击确定按钮。从而被分享用户便可以在，“分享给我的实验”一栏中查看到相应的实验。

如图7所示，当本地机100的用户1将实验“Text_analysis”分享给同一环境(例如，同一个网络环境下、同一个专有云环境下、同一个公有云环境下等)的另一个用户2时，用户2可以在自己本地机的界面中的“分享给我的实验”一栏中找到实验“Text_analysis”。在这里，“同一环境”是指用户1和用户2同时存在于机器学习平台200上的同一个租户管理系统206中。根据实际情况设置，例如可以是同一个网络环境下、同一公司集团内环境、同一个专有云环境下也或者可以是同一个公有云的环境下。在租户管理系统206(即，租户系统)的管理下，通常不同项目空间内的存储和计算都是相互隔离的。因此，按照现有技术，不同项目空间下的用户是不能直接分享实验的。但是本实例通过租户管理系统206跨越项目空间实现项目的分享，从而即使用户1和用户2并不是相同项目空间中的成员，也可以通过租户管理系统206使得实验在不同项目空间的用户1和用户2之间分享。

以图2所示的机器学习平台200和本地机100为例，机器学习平台200上运行有租户管理系统206(即，租户系统)，用于管理机器学习平台的项目空间以及每个项目空间中包含的成员及成员的权限。当机器学习平台200收到来自用户1的将实验“Text_analysis”分享给另一个用户2的指示时，执行图8所示的操作流程。

在步骤S802，机器学习平台200通过租户管理系统206(租户系统)确定用户2与用户1是否为同一环境中的用户。

如果租户管理系统206确定用户2与用户1不属于同一环境(即不属于同一个网络环境、或不属于同一个专有云环境或不属于同一个公有云环境)，则在步骤S804，机器学习平台200停止分享操作，并向用户1报错。

如果租户管理系统206确定用户2与用户1属于同一环境，则在步骤S806，机器学习平台200读取与用户1的实验“Text_analysis”相关联的实验表203、组件节点表204以及参数配置表205，从而获取用户1的实验“Text_analysis”的相关信息。

然后，在步骤S808，机器学习平台200在实验表、组件节点表、参数配置表中插入获取到的新的信息，此时实验ID随机生成并与用户2关联。

例如，机器学习平台200在实验表203中插入实验ID为9901的信息后的实验表如表5所示。

表5插入实验ID为9901的信息后的实验表

然后，参考上面表3和表4所记载的格式，分别在组件节点表204和参数配置表205中插入与实验ID“9901”相关联的组件节点信息。

最后，在步骤S810，当用户2在自己账号下的界面上点击查看该实验时，机器学习平台200根据实验表、组件节点表以及参数配置表中的相关记录在用户2的界面(实验面板)上重构该实验，呈现分享后的实验。

通过这样的方式，机器学习平台200的用户可以将自己的实验分享给其他用户，从而实现实验的分享。

通过上述实施例，可以实现分享实验文件的目的，尤其是分享给不同项目空间的用户。

基于上述实施例，一种可选的实施方式中，上述机器学习平台200还用于接收来自本地机100的第四指示以及指定用户的信息，并根据第四指示，将实验分享给指定用户。

通过上述实施例，可以实现将用户生成的实验文件分享给指定用户的目的。

可选的，在机器学习平台200至少将关于指定用户的信息与用于识别分享给指定用户的实验的识别信息插入到设置在机器学习平台200的第一数据表中；机器学习平台200至少将以下信息插入到设置在机器学习平台200的第二数据表中：用于识别组件节点的第二识别信息；用于指示组件节点对应的算法组件的信息；用于指示与组件节点对应的组件图形在交互界面上的位置的信息；以及用于指示组件节点之间的连接关系的信息；以及机器学习平台200至少将第二识别信息以及用于算法组件的参数信息插入到设置在机器学习平台200的第三数据表中。

进一步地，在机器学习平台200将实验(即实验或实验文件)分享给指定用户时，上述机器学习平台200还用于确定指定用户与对实验执行分享操作的用户是否为同一环境中的用户，并在确定指定用户与对实验执行分享操作的用户为同一环境中的用户的情况下，将实验分享给指定用户。

通过上述实施例，将实验文件分享给不同项目的用户，可以确保实验在不同项目的用户间得到分享。

为了实现不同实验文件之间进行拼接、组合、编程以生成新的实验，可以通过定时调度的方式将用户修改后的实验文件导入到机器学习平台200来生成不同的实验，作为一种可选的实施例，机器学习平台200还用于从本地机100接收用于重构第二实验的第二文件；并每隔预定时间对第二文件进行修改，利用修改后的第二文件重构修改第二实验生成新的实验，并记录所修改后的第二实验的运算结果或实验模型，将运算结果或模型发送至本地机100呈现出来。

具体地，在上述机器学习平台200重构第二实验的过程中，至少将用于识别所修改的第二实验的识别信息插入到设置于机器学习平台200的第一数据表中；至少将以下信息插入到设置于计算设备的第二数据表中：用于识别所修改的第二实验的多个组件节点的第二识别信息、用于指示组件节点对应的算法组件的信息、用于指示与组件节点对应的组件图形在交互界面上的位置的信息以及用于指示组件节点之间的连接关系的信息；以及至少将第二识别信息以及用于算法组件的参数信息插入到设置于计算设备的第三数据表中；以及机器学习平台200根据第一数据表、第二数据表和第三数据表重构实验。

具体地，如图2所示，机器学习平台20包括定时调度系统207，基于实验文件实现实验的定时调度任务。

通常用户希望定期更新实验数据或者定时修改实验中某一个组件的某些参数或者定时运行某一个实验，这种情况下如果纯手动来修改实验然后提交运行实验查看实验结果是不切实际的。

本申请的机器学习平台200为用户提供一个简单可行的定时调度系统207，该定时调度系统207通过用户提交的实验文件(即上文中的json实验文件)和用户设置的定时运行参数(包括定时对实验文件进行修改的时间间隔，以及修改的各个算法组件的参数)定时修改实验文件，并根据修改后的实验文件生成新的实验并运行，最后自动保存实验结果或实验模型。

可选的，作为一种可选的实施方式，定时调度系统207的操作流程如下图9所示，机器学习平台200的定时调度系统207在收到实验文件以及定时运行参数后。

在步骤S902，定时调度系统207根据本地机100的用户1提供的定时运行参数，在预定时间后根据用户1提供的定时运行参数对实验文件进行修改。

在步骤S904，定时调度系统207解析修改后的实验文件，并获得与修改后的实验相关的信息。

在步骤S906，定时调度系统207根据所获得的与修改后的实验相关的信息，向实验表203、组件节点表204以及参数配置表205中插入新的记录，例如在实验表203中插入实验ID为随机数，插入的实验名为根据实验文件生成(实验文件名+时间戳)的记录。然后在组件节点表204和参数配置表205中插入与修改后的实验相关的新的信息。

在步骤S908，定时调度系统207请求机器学习平台的后台程序根据新生成的组件节点表和参数配置表运行修改后的实验。

在步骤S910，机器学习平台的后台程序在接收到请求后运行该实验，并且记录实验结果，或者将实验结果发送给用户。

然后在步骤S912，机器学习平台200的后台程序根据用户在步骤S902输入的定时运行参数，每隔预定时间就对实验进行修改，并重构和运行修改后的实验，记录实验结果或将实验结果发送给用户。

其中在步骤S912中，机器学习平台200可以通过以下方式修改实验：根据用户在步骤S902输入的定时运行参数，对步骤S906中在组件节点表204和参数配置表205中插入的记录进行修改，但不再在实验表203中增加新的记录，从而在修改该实验同时又不占用过多的记录空间。然后机器学习平台200可以根据组件节点表204以及参数配置表205中修改的记录，重构修改后的实验，并记录实验结果或将实验结果发送给用户。

以上只是示例性的说明了定时调度系统207的一种工作方式，但实际上定时调度系统207的工作方式可不限于此，例如定时调度系统207还可包括以下工作方式：

方式一

定时调度系统207在接收到实验文件后，可以先不修改实验文件(即，不执行步骤S902)，而是直接执行步骤S904以及后面的步骤。即，定时调度系统207首先根据接收的实验文件在实验表203、组件节点表204以及参数配置表205中插入相关的记录。然后参考上述步骤S912中的操作，根据接收到的定时运行参数，每隔预定时间对组件节点表204以及参数配置表205中的相关记录进行修改或插入新的记录，从而修改该实验。然后机器学习平台200可以根据组件节点表204以及参数配置表205中修改的记录，重构修改后的实验，并记录实验结果或将实验结果发送给用户。

这样做的优点是节省了定时调度系统207对实验文件进行修改的操作，从而将所有的修改操作都统一为对组件节点表204和参数配置表205进行修改。从而减化操作的复杂度。

方式二：

定时调度系统207不仅仅可以根据接收的实验文件进行上述定时调度操作。也可以根据用户的操作，对实验表203中已经记录的实验进行定时调度操作。具体的，用户可以在操作界面300中从自己拥有的实验中选择需要定时调度的实验并提交给定时调度系统207。定时调度系统207在接收到用户提交的实验后，在实验表203、组件节点表204以及参数配置表205中查找与用户提交的实验相关的记录。然后参考上述步骤S912中的操作，定时调度系统207每隔预定时间就对组件节点表204以及参数配置表205中的相关记录进行修改或插入新的记录，从而修改该实验。然后机器学习平台200可以根据组件节点表204以及参数配置表205中修改的记录，重构修改后的实验，并记录实验结果或将实验结果发送给用户。

并且其中，定时调度系统207对组件节点表204和参数配置表205进行修改的形式不作限定，可以包括改变组件节点的参数、改变组件节点之间的连线关系、甚至于增加新的组件节点或移除组件节点，等等。

通过上述实施例，可以实现修改实验文件，并将修改后的实验文件解析提交到后台程序生成新的实验并运行，使得用户可以根据需求自行设置定时任务。

进一步地，基于上述实施例，作为另一种可选的实施方式，上述机器学习平台200还用于从本地机100接收用于修改第二文件的参数文件，根据参数文件确定预定时间，可选的，机器学习平台200还可以根据参数文件对第二文件进行修改。

通过上述实施例，可以实现通过修改参数文件的方式来对实验文件进行修改的目的。

但是应注意，上述实施例仅用于对本发明进行实例性说明，而不构成对本发明保护范围的限定。例如，尽管上述实施例中描述了实验表、组件节点表以及参数配置表，但是机器学习平台中数据表的设置不限于以上形式，例如，组件节点表以及参数配置表可以合成一个表，或者是与实验表共同组成一个表；也或者可以拆分成更多表。均适用于以上所描述的方案。此外，尽管以上示出了对组件节点表和参数配置表都进行修改，但是也可以只对其中的一个表进行修改。

实施例2

根据本申请实施例，还提供了一种用于计算设备的方法实施例，本实施例提供的用于计算设备的方法可以应用于本申请实施例1提供的基于机器学习平台生成实验文件的系统中，包括但不限于本申请实施例1描述的应用场景。需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请提供了图10所示的一种用于计算设备的方法，图10是根据本申请实施例的一种用于计算设备的方法流程图，如图10所示，包括如下步骤：

步骤S1002，计算设备接收来自远程的预定装置的第一指示，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序。

作为一种可选的实施例，上述计算设备可以是提供机器学习平台的云服务器，可以是用于提供机器学习的平台，该机器学习平台包含多类常用的机器学习算法，如通用的数据预处理、统计分析、文本分析、网络分析以及机器学习算法等；上述预定装置可以是能够访问互联网的终端设备，包括但不限于计算机、笔记本电脑、平板电脑、手机等；其中，计算设备与预定装置可以通过互联网通信。上述交互界面可以是机器学习平台上提供的用于用户创建实验的操作界面，也可以是机器学习平台提供给预定装置的页面，也可以是预定装置上的APP自己的交互界面，本申请对此不作特别限定。该交互界面上提供表示实验的至少一个组件节点的组件图形。其中，每个组件图形对应于相应的算法组件，用户可以通过拉取所需的组件图形进行相互连线并配置各个组件节点的参数来创建实验。上述第一指示可以是用于指示生成实验文件的指令。

可选的，上述交互界面还可以用于运行创建的实验、查看实验的运行日志，实验运行成功后可以查看实验结果以及实验结果的图表等。

此处需要说明的是，上述实验包括但不限于如下任意一种算法：数据预处理、特征工程、网络分析、文本分析以及深度学习等。

步骤S1004，计算设备根据第一指示生成用于重构实验的第一文件。

作为一种可选的实施例，上述第一文件是指可以用于重构实验的实验文件，其文件格式包括但不限于如下任意一种：json、xml、html等。在计算设备接收到来自远程的预定装置的用于生成实验文件的第一指示后，根据第一指示生成用于重构实验的实验文件。

步骤S1006，计算设备将第一文件分发至预定装置。

具体地，在上述步骤中，当计算设备根据远程的预定装置的用于生成实验文件的第一指示生成用于重构实验的实验文件后，将生成的实验文件发送给用户的终端设备，以便用户利用该实验文件重构对应的实验。

由上可知，在本申请上述实施例中，机器学习平台(即上述计算设备)在接收到用户通过终端设备发送的用于生成实验文件的第一指示后，根据该第一指示，生成对应的实验文件，并将实验文件发送给用户的终端设备，达到了将机器学习平台上创建的实验以文件的形式保存，以便根据该文件重构实验的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有的机器学习平台生成的实验的过程中需要人工调整实验组件参数和组件结构导致工作效率低的技术问题。

在一种可选的实施例中，交互界面上显示的实验图形包括多个组件图形，用于分别表示构成实验的多个组件节点，并且计算设备设置有与组件图形和组件节点对应的多个算法组件。

在一种可选的实施例中，计算设备上设置有至少一个数据表，用于记录关于实验和组件节点的信息，以及其中，生成第一文件包括基于至少一个数据表生成第一文件。可选地，至少一个数据表包括第一数据表、第二数据表和第三数据表，其中第一数据表用于至少记录识别实验的识别信息；第二数据表用于至少记录以下信息：用于识别组件节点的第二识别信息、用于指示组件节点对应的算法组件的信息、用于指示与组件节点对应的组件图形在交互界面上的位置的信息以及用于指示组件节点之间的连接关系的信息；以及第三数据表用于至少记录第二识别信息以及用于算法组件的参数信息。

具体地，作为一种可选的实施方式，上述第一数据表、第二数据表和第三数据表的格式可以分别如实施例1中表1至表4所示。

在一种可选的实施例中，如图11所示，上述方法还可以包括如下步骤：

步骤S1102，计算设备接收来自预定装置的第二指示；

步骤S1104，计算设备根据第二指示接收来自预定装置的第二文件；

步骤S1106，计算设备根据第二文件重构第二实验，并将计算设备上对应的算法程序与第二实验相关联；以及

步骤S1108，计算设备将第二实验的信息发送至预定装置。

具体地，在上述实施例中，上述第二指示可以是用于指示计算设备根据上传的实验文件重构实验的指令，当计算设备接收到用户通过终端设备发送的用于将上传的实验文件重构实验的指令后，接收用户通过终端设备上传的实验文件，根据上传的实验文件重构实验，并将对应的算法程序与重构的实验进行关联，最后将关联算法程序的实验的信息发送至用户的终端设备。

通过上述实施例，实现了根据上传的实验文件重构实验的目的。

可选的，上述第二实验包括多个组件节点，并且计算设备设置有与多个组件节点对应的多个算法组件。

在一种可选的实施例中，计算设备根据第二文件将关于第二实验和组件节点的信息插入到设置于计算设备上的至少一个数据表中，以及其中，重构第二实验包括根据至少一个数据表重构第二实验。

在一种可选的实施例中，至少一个数据表包括第一数据表、第二数据表和第三数据表，并且如图12所示，上述方法还可以包括如下步骤：

步骤S1202，计算设备根据第二文件至少将用于识别第二实验的识别信息插入到第一数据表中；

步骤S1204，计算设备根据第二文件至少将以下信息插入到第二数据表中：用于识别组件节点的第二识别信息、用于指示组件节点对应的算法组件的信息、用于指示与组件节点对应的组件图形在交互界面上的位置的信息以及用于指示组件节点之间的连接关系的信息；以及

步骤S1206，计算设备根据第二文件至少将第二识别信息以及用于算法组件的参数信息插入到第三数据表中。

具体地，在上述实施例中，上述第二文件为用户通过终端设备上传至计算设备的实验文件，计算设备在接收到来自远程的终端设备上传的实验文件后，根据该实验文件识别与实验文件对应的实验的识别信息(即实验的ID)，插入到计算设备上设置的第一数据表(即实验表)中，并根据实验文件识别得到构成对应的实验的至少一个组件节点，将组件节点的识别信息等信息以及表示各个组件节点的连接关系的关联信息记录到第二数据表(即组件节点表)中，并将各个组件节点包含的参数信息记录到第三数据表(即参数配置表)中，在根据实验文件得到对应的三个数据表后，基于这三个数据表重构实验。

通过上述实施例，实现了重构实验的目的。

在一种可选的实施例中，如图13所示，上述方法还可以包括如下步骤：

步骤S1302，计算设备接收来自预定装置的第三指示；

步骤S1304，计算设备根据第三指示生成用于重构实验的第三文件；以及

步骤S1306，计算设备将第三文件发送给指定用户。

具体地，在上述实施例中，上述第三指示可以是用于指示计算设备生成实验文件，并将生成的实验文件以邮件的形式进行分享的指令，当计算设备接收到用户通过终端设备发送的第三指示后，根据第三指示生成用于重构实验的实验文件，并将生成的实验文件发送给指定用户，一种可选的实施例中，可以通过电子邮件、QQ、微信等方式将生成的实验文件发送给指定用户。

通过上述实施例，实现将机器学习平台中创建的实验以实验文件的形式进行分享的目的。

此处需要说明的是，在机器学习平台中建立的实验，可以通过实验文件的上传或者下载的方式分享，也可以通过根据不同组织成员的账号和成员所在的项目空间进行分享。分享的实验文件的格式包括但不限于json格式、xml格式，html格式等。

由此，作为一种可选的实施例，如图14所示，上述方法还可以包括如下步骤：

步骤S1402，计算设备接收来自预定装置的第四指示以及指定用户的信息；

步骤S1404，根据第四指示，将实验分享给指定用户。

具体地，在上述实施例中，计算设备在接收到上述第四指示以及指定用户的信息后，可以将实验分享给指定用户，而不必生成实验文件。通过上述实施例，实现将机器学习平台中创建的实验分享给指定用户的目的。

基于上述实施例，作为一种可选的实施方式，分享给指定用户的实验包括多个组件节点，并且计算设备设置有与多个组件节点对应的多个算法组件，如图15所示，将实验分享给指定用户的操作可以包括如下步骤：

步骤S1502，计算设备至少将关于指定用户的信息与用于识别分享给指定用户的实验的识别信息插入到设置在计算设备的第一数据表中；

步骤S1504，计算设备至少将以下信息插入到设置在计算设备的第二数据表中：用于识别组件节点的第二识别信息；用于指示组件节点对应的算法组件的信息；用于指示与组件节点对应的组件图形在交互界面上的位置的信息；以及用于指示组件节点之间的连接关系的信息；以及

步骤S1506，计算设备至少将第二识别信息以及用于算法组件的参数信息插入到设置在计算设备的第三数据表中。

具体地，在上述实施例中，为了实现将实验文件分享给指定的用户，将指定用户的用户信息插入记录实验ID的实验表中，并将与组件节点相关的信息插入的组件节点表和参数配置表。

通过上述实施例，实现了根据用户信息分享实验文件的效果。

作为一种可选的实施例，指定用户的信息包括指定用户所在的项目以及用户的标识信息，并且将实验分享给指定用户包括：根据标识信息，将实验分享给项目中的指定用户，从而增强了实验的易用性和通用性。

基于上述实施例，作为另一种可选的实施方式，如图16所示，将实验分享给指定用户的操作可以包括如下步骤：

步骤S1602，计算设备确定指定用户与对实验执行分享操作的用户是否为同一租户管理系统中的用户；以及

步骤S1604，计算设备在确定指定用户与对实验执行分享操作的用户为同一租户管理系统中的用户的情况下，将实验分享给指定用户。

具体地，在上述实施例中，上述租户管理系统用于管理同一环境下各类项目空间、用户以及用户权限的一种管理系统，同一环境下是指具有相同的网络环境，包括但不限于专有云环境、公有云环境以及集团内环境等，由于在租户系统中，相同的环境下可以包括不同的项目，因此将实验分享给相同环境下的用户而不是相同项目下的用户，可以实现实验在不同项目的用户之间分享。

此处需要说明的是，基于上述任意一种可选的分享实验文件的实施例，分享实验文件的方式不局限于电子邮件的形式，还可以是其他的分享方式，例如，微信、QQ、微博等，可选的，还可以以生成链接的方式进行分享。

此外还需要说明的是，从实验中下载的实验文件当实验的数据较大的情况下，可能会导致实验文件较大。这种情况下，可以通过后台程序设定只截取一部分的数据，如1000行表数据，10％的数据等，剩余的数据可以通过大数据计算系统进行数据下载(该大数据计算系统是实时计算、处理海量数据和存储的系统)，或者其他方式共享数据。

容易注意的是，下载或分享的实验文件可以用于实验的定时调度系统或者导入到机器学习平台生成新的实验，但不限于此类用法。如不同实验文件间进行拼接、组合、编程形成新的实验等。

可选的，上述下载或分享后的实验文件可以编程，即可以通过修改实验文件中的组件或者组件的参数配置形成多样化的实验文件。另外，修改后的实验文件可以通过调度系统定时提交到机器学习平台机器学习的后台程序生成不同的实验进行运行，并查看实验运行效果。其中定时调度系统可以多样化，本专利中的定时调度系统主要是修改实验文件，将修改后的实验文件解析提交到后台程序生成新的实验并运行，用户根据需求自行设置定时任务。

具体地，作为一种可选的实施例，如图17所示，上述方法还可以包括如下步骤：

步骤S1702，计算设备从预定装置接收第五指示，并根据第五指示每隔预定时间对第三实验执行以下操作：

步骤S1704，对第三实验进行修改；

步骤S1706，运行修改后的第三实验并记录修改后的第三实验的运算结果。

具体地，在上述实施例中，上述第三实验可以是计算设备上已经包括的实验，也可以是根据从预定装置接收的第二文件而重构获得的实验；上述第五指示可以是用于对实验进行定时修改的指令，由于在实际工作中，用户通常希望定期更新实验数据或者定时修改实验中某一个组件的某些参数或者定时运行某一个实验，这种情况下如果纯手动来修改实验然后提交运行实验查看实验结果似乎不切实际。通过上述步骤S172至S178公开的方案，机器学习平台(即上述计算设备)可以给用户提供一个简单可行的定时调度系统，系统在接收到用户通过预定装置输入的第五指示后，对实验进行修改，运行修改后的实验，并记录修改后的实验的运算结果。

可选的，上述计算设备还用于将运算结果发送至预定装置。

一种可选的实施例中，如图18所示，第三实验包括多个组件节点，并且计算设备设置有与多个组件节点对应的多个算法组件，其中对第三实验进行修改的操作包括：

步骤S1802，计算设备在设置于计算设备中的至少一个数据表中查找关于第三实验和组件节点的信息，以及

步骤S1804，计算设备修改至少一个数据表中的关于第三实验和组件节点的信息。

具体地，在上述实施例中，在上述第三实验包括多个组件节点的情况下，为了实现对第三实验的修改，上述计算设备会在预先设置在该计算设备中的多个数据表中查找关于第三实验以及构成第三实验的多个组件节点的信息，然后修改这些数据表中关于第三实验以及构成第三实验的多个组件节点的信息则可以实现对第三实验的修改。

通过上述实施例，实现了通过修改计算设备中设置的数据表中与实验以及构成实验的组件节点的信息，则可实现对实验的修改。

可选的，上述至少一个数据表包括第一数据表、第二数据表和第三数据表，其中修改至少一个数据表中的关于第三实验和组件节点的信息的操作包括：

步骤S1902，计算设备在第一数据表中查找用于识别第三实验的识别信息；以及

步骤S1904，计算设备执行以下操作中的至少一个：

根据识别第三实验的识别信息，在第二数据表中查找用于指示组件节点对应的算法组件的信息以及用于指示组件节点之间的连接关系的信息，并对第二数据表中的上述信息中的至少一个进行修改；以及

根据识别第三实验的识别信息，在第三数据表中查找用于算法组件的参数信息，并对参数信息进行修改。

具体地，在上述实施例中，计算设备中设置的数据表至少包括第一数据表、第二数据表、第三数据表，其中，第一数据表用于存放实验的识别信息，第二数据表用于存放构成实验的组件节点对应的算法组件信息以及组件节点之间的连接关系信息，第三数据表用于存放各个算法组件的参数信息，因而，通过修改数据表中关于第三实验以及构成第三实验的多个组件节点的信息来修改第三实验时，可以首先在第一数据表中查找与用于识别第三实验的识别信息，然后根据识别第三实验的得到该识别信息。并且根据该识别信息执行以下操作中的至少一个：在第二数据表查找用于指示组件节点对应的算法组件的信息以及用于指示组件节点之间的连接关系的信息；以及在第三数据表中查找用于算法组件的参数信息，对这些参数信息进行修改。

一种可选的实施例中，基于上述任意一项可选的实施例，上述第三实验可以为计算设备上已经包括的实验。

另一种可选的实施例中，基于上述任意一项可选的实施例，上述第三实验可以为计算设备根据从预定装置接收的第二文件而重构获得的实验。

可选地，当上述第三实验为计算设备根据从预定装置接收的第二文件而重构获得的实验的情况下，上述第三实验可以为计算设备对第二文件进行修改之后再重构从而获得的实验。

实施例3

根据本申请实施例，还提供了一种用于计算设备的方法实施例，用于计算设备根据上传的实验文件重构实验，本实施例提供的用于计算设备的方法可以应用于本申请实施例1提供的基于机器学习平台生成实验文件的系统中，包括但不限于本申请实施例1描述的应用场景。需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图20是根据本申请实施例的又一种用于计算设备的方法流程图，如图20所示，包括如下步骤：

步骤S2002，计算设备接收来自远程的预定装置的指示；

步骤S2004，计算设备根据指示接收来自预定装置的文件；

步骤S2006，计算设备根据文件重构实验，并将计算设备上对应的算法程序与实验相关联；以及

步骤S2008，计算设备将实验的信息发送至预定装置。

由上可知，在本申请上述实施例中，计算设备(例如，机器学习平台)在接收到来自远程的预定装置(例如，用户的终端设备)发送的用于根据上传的实验文件重构实验的指示后，接收预定装置上传的实验文件，根据该实验文件重构实验，并将计算设备上对应的算法程序与该实验相关联，最后将重构的实验发送给预定装置，达到了将机器学习平台上创建的实验以文件的形式保存，以便根据该文件重构实验的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有的机器学习平台生成的实验的过程中需要人工调整实验模型导致工作效率低的技术问题。

在一种可选的实施例中，上述实验包括多个组件节点，并且计算设备设置有与多个组件节点对应的多个算法组件。

在一种可选的是实例中，计算设备根据文件将关于实验和组件节点的信息插入到设置于计算设备上的至少一个数据表中，以及其中，重构实验包括根据至少一个数据表重构实验。

在一种可选的实施例中，上述至少一个数据表包括第一数据表、第二数据表和第三数据表，如图21所示，将关于实验和组件节点的信息插入到至少一个数据表中的操作包括：

步骤S2102，计算设备根据文件至少将用于识别实验的识别信息插入到第一数据表中；

步骤S2104，计算设备根据文件至少将以下信息插入到第二数据表中：用于识别组件节点的第二识别信息、用于指示组件节点对应的算法组件的信息、用于指示与组件节点对应的组件图形在交互界面上的位置的信息以及用于指示组件节点之间的连接关系的信息；以及

步骤S2106，计算设备根据文件至少将第二识别信息以及用于算法组件的参数信息插入到第三数据表中。

通过上述实施例，实现了根据上传的实验文件重构实验的目的。

实施例4

根据本申请实施例，还提供了一种用于计算设备的方法实施例，可以用于计算设备将生成的实验文件进行分享，本实施例提供的用于计算设备的方法可以应用于本申请实施例1提供的基于机器学习平台生成实验文件的系统中，包括但不限于本申请实施例1描述的应用场景。需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图22是根据本申请实施例的又一种用于计算设备的方法流程图，如图22所示，包括如下步骤：

步骤S2202，计算设备接收来自远程的预定装置的指示，其中，预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；

步骤S2204，计算设备根据指示生成用于重构实验的文件；以及

步骤S2206，计算设备将文件发送给指定用户。

由上可知，在本申请上述实施例中，计算设备(例如，机器学习平台)在接收到来自远程的预定装置(例如，用户的终端设备)的指示后，根据该指示生成用于重构实验模型(实验)的实验文件，并将生成的实验文件通过邮件进行分享，达到了将机器学习平台上创建的实验以文件的形式进行分享，以便用户可以根据该实验文件重构实验的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有技术中分享机器学习平台生成的实验只能依赖口述或技术文档导致实验的很多细节很难描述清楚的技术问题。

实施例5

根据本申请实施例，还提供了一种用于计算设备的方法实施例，可以用于计算设备将生成的实验分享给指定用户，本实施例提供的用于计算设备的方法可以应用于本申请实施例1提供的基于机器学习平台生成实验文件的系统中，包括但不限于本申请实施例1描述的应用场景。需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图23是根据本申请实施例的又一种用于计算设备的方法流程图，如图23所示，包括如下步骤：

步骤S2302，计算设备接收来自远程的预定装置的指示以及指定用户的信息，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；以及

步骤S2304，计算设备根据指示，将实验分享给指定用户。

由上可知，在本申请上述实施例中，计算设备(例如，机器学习平台)在接收到来自远程的预定装置(例如，用户的终端设备)的用于将实验分享给指定用户的指示后，根据该指示将生成的实验分享给指定用户，达到了根据用户信息将机器学习平台生成的实验进行分享的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有技术中分享机器学习平台生成的实验只能依赖口述或技术文档导致实验的很多细节很难描述清楚的技术问题。

在一种可选的实施例中，分享给指定用户的实验包括多个组件节点，计算设备设置有与多个组件节点对应的多个算法组件，并且计算设备上设置有至少一个数据表，用于记录关于实验和组件节点的信息，其中

将实验分享给指定用户的操作包括：在至少一个数据表中将关于指定用户的信息与用于识别分享给指定用户的实验的识别信息相关联。

一种可选的实施例中，上述至少一个数据表包括第一数据表、第二数据表和第三数据表，其中，在至少一个数据表中将关于指定用户的信息与用于识别分享给指定用户的实验的识别信息相关联的操作包括如下步骤：

步骤S2402，计算设备至少将关于指定用户的信息与用于识别分享给指定用户的实验的识别信息插入到第一数据表中；

步骤S2404，计算设备至少将以下信息插入到第二数据表中：用于识别组件节点的第二识别信息；用于指示组件节点对应的算法组件的信息；用于指示与组件节点对应的组件图形在交互界面上的位置的信息；以及用于指示组件节点之间的连接关系的信息；

步骤S2406，计算设备至少将第二识别信息以及用于算法组件的参数信息插入到第三数据表中。

在一种可选的实施例中，指定用户的信息包括指定用户所在的项目以及用户的标识信息，并且将实验分享给指定用户包括：根据标识信息，将实验分享给项目中的指定用户。

在一种可选的实施例中，如图25所示，将实验共享给指定用户的操作，可以包括如下步骤：

步骤S2502，计算设备确定指定用户与对实验执行分享操作的用户是否为同一租户管理系统中的用户；以及

步骤S2504，计算设备在确定指定用户与对实验执行分享操作的用户为同一租户管理系统中的用户的情况下，将实验分享给指定用户。

实施例6

根据本申请实施例，还提供了一种用于计算设备的方法实施例，可以用于计算设备用户指示定时调度运行实验，本实施例提供的用于计算设备的方法可以应用于本申请实施例1提供的基于机器学习平台生成实验文件的系统中，包括但不限于本申请实施例1描述的应用场景。需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图26是根据本申请实施例的又一种用于计算设备的方法流程图，如图26所示，包括如下步骤：

步骤S2602，计算设备接收来自远程的预定装置的指示，其中预定装置能够在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；以及

计算设备根据指示，每隔预定时间对实验执行以下操作：

步骤S2604，对实验进行修改；

步骤S2606，运行修改后的实验并记录修改后的实验的运算结果。

由上可知，在本申请上述实施例中，计算设备(例如，机器学习平台)在接收到来自远程的预定装置(例如，用户的终端设备)上传的实验文件后，计算设备可以给用户提供一个简单可行的定时调度系统，根据用户上传的实验文件和用户设置的定时运行参数进行定时修改实验文件，提交修改后的实验文件到调度系统中生成实验并运行，最后自动保存实验结果和实验模型，达到了根据用户上传的实验文件和设置的定时参数，定时生成实验并运行的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

在一种可选的实施例中，上述实验包括多个组件节点，并且计算设备设置有与多个组件节点对应的多个算法组件，如图27所示，其中对实验进行修改的操作包括：

步骤S2702，计算设备在设置于计算设备中的至少一个数据表中查找关于实验和组件节点的信息，以及

步骤S2704，计算设备修改至少一个数据表中的关于实验和组件节点的信息。

在一种可选的实施例中，如图28所示，至少一个数据表包括第一数据表、第二数据表和第三数据表，其中修改至少一个数据表中的关于实验和组件节点的信息的操作包括：

步骤S2802，计算设备在第一数据表中查找用于识别实验的识别信息；以及

步骤S2804，计算设备执行以下操作中的至少一个：

根据识别实验的识别信息，在第二数据表中查找用于指示组件节点对应的算

法组件的信息以及用于指示组件节点之间的连接关系的信息，并对第二数据表中

的上述信息中的至少一个进行修改；以及

根据识别实验的识别信息，在第三数据表中查找用于算法组件的参数信息，

并对参数信息进行修改。

一种可选的实施例中，基于上述任意一项可选的实施例，上述实验为计算设备上已经包括的实验。

另一种可选的实施例中，基于上述任意一项可选的实施例，上述实验为计算设备根据从预定装置接收的第二文件而重构获得的实验。

可选地，当上述实验为计算设备根据从预定装置接收的第二文件而重构获得的实验的情况下，上述实验为计算设备对第二文件进行修改之后再重构从而获得的实验。

需要说明的是，作为一种可选的实施方式，在上述任意一种可选的实施例中，上述计算设备在生成实验的运算结果后，还用于将运算结果发送至预定装置。

实施例7

根据本申请实施例，还提供了一种用于操作实验的方法实施例，本实施例提供的用于操作实验的方法可以应用于本申请实施例1提供的基于机器学习平台生成实验文件的系统中的本地机100，包括但不限于本申请实施例1描述的应用场景。需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图29是根据本申请实施例的一种用于操作实验的方法流程图，如图29所示，包括如下步骤：

步骤S2902，显示交互界面，其中交互界面上显示有用于表示实验的实验图形；

步骤S2904，接收第一指示；以及

步骤S2906，根据第一指示，从远程的计算设备接收用于重构该实验的文件，其中计算设备设置有与实验对应的算法程序，并且实验的运算由计算设备实现。

由上可知，在本申请上述实施例中，用户的终端设备提供用于进行数据处理的交互界面后，接收用户输入的用于数据处理的指示，并根据用户输入的指示，从远程的计算设备获取于重构该实验的实验文件，容易注意的是，由于计算设备上设置有与该实验文件对应的算法程序，计算设备可以执行与该实验文件对应的实验进行运算。通过本实施例，达到了在机器学习平台上根据实验以文件重构实验的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有的机器学习平台生成的实验的过程中需要人工调整实验参数或实验组件架构导致工作效率低的技术问题。

实施例8

根据本申请实施例，还提供了一种用于重构实验的方法实施例，本实施例提供的用于重构实验的方法可以应用于本申请实施例1提供的基于机器学习平台生成实验文件的系统中的本地机100，用于本地机100上传实验文件，包括但不限于本申请实施例1描述的应用场景。需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图30是根据本申请实施例的一种用于重构实验的方法流程图，如图30所示，包括如下步骤：

步骤S3002，接收第二指示；

步骤S3004，根据第二指示向远程的计算设备上传用于重构实验的文件，其中计算设备设置有与实验对应的算法程序，并且实验的运算由计算设备实现；以及

步骤S3006，根据计算设备重构的结果在交互界面上显示用于表示实验的实验图形。

由上可知，在本申请上述实施例中，用户的终端设备在接收到用户输入的上传用于重构实验的实验文件的指示后，根据该指示将用于重构实验的实验文件上传至远程的计算设备上，并将计算设备返回的重构结果在交互界面上显示，容易注意的是，由于计算设备上设置有与该实验文件对应的算法程序，计算设备可以执行该实验文件对应的实验进行运算。通过本实施例，达到了在机器学习平台上根据实验以文件重构实验的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有的机器学习平台生成的实验的过程中需要人工调整实验模型导致工作效率低的技术问题。

实施例9

根据本申请实施例，还提供了一种用于操作实验的方法实施例，本实施例提供的用于操作实验的方法可以应用于本申请实施例1提供的基于机器学习平台生成实验文件的系统中的本地机100，包括但不限于本申请实施例1描述的应用场景。需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图31是根据本申请实施例的又一种用于操作实验的方法流程图，如图31所示，包括如下步骤：

步骤S3102，显示交互界面，交互界面上显示有用于表示实验的实验图形，其中实验的运算由远程的计算设备实现并且计算设备设置有与实验对应的算法程序；

步骤S3104，接收第三指示；以及

步骤S3106，根据第三指示向计算设备发送生成用于重构实验的文件且将文件发送给指定用户的指示。

由上可知，在本申请上述实施例中，用户的终端设备在接收到用户输入的用于分享用于重构实验模型的实验文件的指示后，根据该指示向计算设备发送生成用于重构实验的文件且将文件作为附件通过邮箱发送的指示，容易注意的是，由于计算设备上设置有与该实验文件对应的算法程序，计算设备可以执行该实验文件对应的实验进行运算。通过本实施例，达到了在机器学习平台上生成的实验以实验文件的形式进行分享的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有技术中分享机器学习平台生成的实验只能依赖口述或技术文档导致实验的很多细节很难描述清楚的技术问题。

实施例10

根据本申请实施例，还提供了一种用于操作实验的方法实施例，本实施例提供的用于操作实验的方法可以应用于本申请实施例1提供的基于机器学习平台生成实验文件的系统中的本地机100，包括但不限于本申请实施例1描述的应用场景。需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图32是根据本申请实施例的又一种用于操作实验的方法流程图，如图32所示，包括如下步骤：

步骤S3202，显示交互界面，交互界面上显示有用于表示实验的实验图形，其中实验的运算由远程的计算设备实现并且计算设备设置有与实验对应的算法程序；

步骤S3204，接收第四指示以及指定用户的信息；以及

步骤S3206，根据第四指示以及指定用户的信息，向计算设备发送将实验分享给指定用户的指示。

由上可知，在本申请上述实施例中，用户的终端设备在接收到用户输入的用于将用于重构实验的实验文件分享指定用户的指示后，根据该指示向计算设备发送将实验分享给计算设备的指定用户的指示，需要注意的是，由于计算设备上设置有与该实验文件对应的算法程序，计算设备可以执行该实验文件对应的实验进行运算。通过本实施例，达到了将机器学习平台上生成的实验以实验文件的形式分享给指定用户的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

作为一种可选的实施例：上述指定用户的信息包括指定用户所在的项目以及用户的标识信息。从而使得实验可以在不同项目的用户之间分享。

由此，本申请提供的上述实施例的方案解决了现有技术中分享机器学习平台生成的实验只能依赖口述或技术文档导致实验的很多细节很难描述清楚的技术问题。

实施例11

根据本申请实施例，还提供了一种用于操作实验的方法实施例，本实施例提供的用于操作实验的方法可以应用于本申请实施例1提供的基于机器学习平台生成实验文件的系统中的本地机100，包括但不限于本申请实施例1描述的应用场景。需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图33是根据本申请实施例的又一种用于操作实验的方法流程图，如图33所示，包括如下步骤：

步骤S3302，显示交互界面，交互界面能够显示用于表示实验的实验图形，其中实验的运算由远程的计算设备实现并且计算设备设置有与实验对应的算法程序；

步骤S3304，接收第五指示；以及

步骤S3306，根据第五指示向计算设备发送每隔预定时间修改指定实验并运行修改后的指定实验的指示。

由上可知，在本申请上述实施例中，用户可以通过终端设备向远程的计算设备发送定时修改实验，并运行修改后的实验的指示。通过本实施例，达到了机器学习平台根据用户上传的修改指令修改实验文件并定时运行修改后的实验文件的的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有的机器学习平台生成的实验的过程中需要人工调整实验模型导致工作效率低的技术问题。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的用于计算设备的方法和用于操作和重构实验的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例的方法。

在一种可选的实施例中，上述方法还包括：根据第五指示，向计算设备发送用于重构指定实验的实验文件。

实施例12

根据本申请实施例，还提供了一种用于实现实施例2中用于计算设备的方法的装置实施例，图34是根据本申请实施例的一种用于计算设备的装置示意图，如图34所示，该装置包括：第一单元3401、第二单元3403和第三单元3405。

其中，第一单元3401，用于通过计算设备接收来自远程的预定装置的第一指示，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；

第二单元3403，用于通过计算设备根据第一指示生成用于重构实验的第一文件；以及

第三单元3405，用于通过计算设备将第一文件分发至预定装置。

此处需要说明的是，上述第一单元3401、第二单元3403和第三单元3405对应于实施例2中的步骤S1002至S1006，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例2所公开的内容。需要说明的是，上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。

由上可知，在本申请上述实施例中，机器学习平台(即上述计算设备)在接收到用户通过终端设备发送的用于生成实验文件的第一指示后，根据该第一指示，生成对应的实验文件，并将实验文件发送给用户的终端设备，达到了将机器学习平台上创建的实验以文件的形式保存，以便根据该文件重构实验的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有的机器学习平台生成的实验的过程中需要人工调整实验模型导致工作效率低的技术问题。

实施例13

根据本申请实施例，还提供了一种用于实现实施例3中用于计算设备的方法的装置实施例，图35是根据本申请实施例的又一种用于计算设备的装置示意图，如图35所示，该装置包括：第一单元3501、第二单元3503、第三单元3505和第四单元3507。

其中，第一单元3501，用于通过计算设备接收来自远程的预定装置的指示；

第二单元3503，用于通过计算设备根据指示接收来自预定装置的文件；

第三单元3505，用于通过计算设备根据文件重构实验，并将计算设备上对应的算法程序与实验相关联；以及

第四单元3507，用于通过计算设备将实验的信息发送至预定装置。

此处需要说明的是，上述第一单元3501、第二单元3503、第三单元3505和第四单元3507对应于实施例3中的步骤S2002至S2008，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例3所公开的内容。需要说明的是，上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。

由上可知，在本申请上述实施例中，计算设备(例如，机器学习平台)在接收到来自远程的预定装置(例如，用户的终端设备)发送的用于根据上传的实验文件重构实验的指示后，接收预定装置上传的实验文件，根据该实验文件重构实验，并将计算设备上对应的算法程序与该实验相关联，最后将重构的实验发送给预定装置，达到了将机器学习平台上创建的实验以文件的形式保存，以便根据该文件重构实验的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有的机器学习平台生成的实验的过程中需要人工调整实验模型导致工作效率低的技术问题。

实施例14

根据本申请实施例，还提供了一种用于实现实施例4中用于计算设备的方法的装置实施例，图36是根据本申请实施例的又一种用于计算设备的装置示意图，如图36所示，该装置包括：第一单元3601、第二单元3603和第三单元3605。

其中，第一单元3601，用于通过计算设备接收来自远程的预定装置的指示，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；

第二单元3603，用于通过计算设备根据指示生成用于重构实验的文件；以及

第三单元3605，用于通过计算设备将文件发送给指定用户。

此处需要说明的是，上述第一单元3601、第二单元3603和第三单元3605对应于实施例4中的步骤S2202至S2206，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例4所公开的内容。需要说明的是，上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。

由上可知，在本申请上述实施例中，计算设备(例如，机器学习平台)在接收到来自远程的预定装置(例如，用户的终端设备)的指示后，根据该指示生成用于重构实验模型(实验)的实验文件，并将生成的实验文件通过邮件进行分享，达到了将机器学习平台上创建的实验以文件的形式进行分享，以便用户可以根据该实验文件重构实验的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有技术中分享机器学习平台生成的实验只能依赖口述或技术文档导致实验的很多细节很难描述清楚的技术问题。

实施例14

根据本申请实施例，还提供了一种用于实现实施例5中用于计算设备的方法的装置实施例，图37是根据本申请实施例的又一种用于计算设备的装置示意图，如图37所示，该装置包括：第一单元3701和第二单元3703。

其中，第一单元3701，用于通过计算设备接收来自远程的预定装置的指示以及指定用户的信息，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；以及

第二单元3703，用于通过计算设备根据指示，将实验分享给指定用户。

此处需要说明的是，上述第一单元3701和第二单元3703对应于实施例5中的步骤S2302至S2304，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例5所公开的内容。需要说明的是，上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。

由上可知，在本申请上述实施例中，计算设备(例如，机器学习平台)在接收到来自远程的预定装置(例如，用户的终端设备)的用于将实验模型分享给指定用户的指示后，根据该指示将生成的实验分享给指定用户，达到了根据用户信息将机器学习平台生成的实验模型进行分享的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有技术中分享机器学习平台生成的实验只能依赖口述或技术文档导致实验的很多细节很难描述清楚的技术问题。

实施例15

根据本申请实施例，还提供了一种用于实现实施例6中用于计算设备的方法的装置实施例，图38是根据本申请实施例的又一种用于计算设备的装置示意图，如图38所示，该装置包括：第一单元3801和第二单元3803。

其中，第一单元3801，用于通过计算设备接收来自远程的预定装置的指示，其中预定装置能够在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；以及

第二单元3803，用于通过计算设备根据指示，每隔指定时间对实验执行以下操作：对实验进行修改；以及运行修改后的实验并记录修改后的实验的运算结果。

此处需要说明的是，上述第一单元3801对应于实施例6中的步骤S2602，上述第二单元3803对应于实施例6中的步骤S2604至S2608，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例6所公开的内容。需要说明的是，上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。

由上可知，在本申请上述实施例中，计算设备(例如，机器学习平台)在接收到来自远程的预定装置(例如，用户的终端设备)上传的实验文件后，计算设备可以给用户提供一个简单可行的定时调度系统，根据用户上传的实验文件和用户设置的定时运行参数进行定时修改实验文件，提交修改后的实验文件到调度系统中生成实验并运行，最后自动保存实验结果和实验模型，达到了根据用户上传的实验文件和设置的定时参数，定时生成实验并运行的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有技术中分享机器学习平台生成的实验只能依赖口述或技术文档导致实验的很多细节很难描述清楚的技术问题。

实施例16

本申请的实施例可以提供一种计算机终端，该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选的，在本实施例中，上述计算机终端也可以替换为移动终端等终端设备。

可选的，在本实施例中，上述计算机终端可以位于计算机网络的多个网络设备中的至少一个访问设备。

图39示出了一种计算机终端的硬件结构框图。如图39所示，计算机终端39可以包括一个或多个(图中采用3902a、3902b，……，3902n来示出)处理器3902(处理器3902可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器3904、以及用于通信功能的传输装置3906。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图39所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端39还可包括比图39中所示更多或者更少的组件，或者具有与图39所示不同的配置。

应当注意到的是上述一个或多个处理器3902和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端39中的其他元件中的任意一个内。如本申请实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。

处理器3902可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：获取地图中的选中的路径；根据选中的路径的路况信息，生成路径的动态图像，其中，路径的动态图像为沿路径的起始位置到终点位置动态移动的图像；在地图中显示路径的动态图像。

存储器3904可用于存储应用软件的软件程序以及模块，如本申请实施例2至6中的任意一项的用于计算设备的方法或实施例7、9至11中任意一项的用于操作实验的方法以及实施例8中的用于重构实验的方法对应的程序指令/数据存储装置，处理器3902通过运行存储在存储器3904内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的用于计算设备的方法或用于操作或重构实验的方法。存储器3904可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器3904可进一步包括相对于处理器3902远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置3906用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中，传输装置3906包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置3906可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算机终端的用户界面进行交互。

此处需要说明的是，在一些可选实施例中，上述图39所示的计算机终端可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是，图39仅为特定具体实例的一个实例，并且旨在示出可存在于上述计算机终端中的部件的类型。

作为一种可选的实施方案，在本实施例中，上述计算机终端可以执行应用程序的用于计算设备的方法中以下步骤的程序代码：通过计算设备接收来自远程的预定装置的第一指示，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；通过计算设备根据第一指示生成用于重构实验的第一文件；以及通过计算设备将第一文件分发至预定装置。

处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：通过计算设备接收来自远程的预定装置的第一指示，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；通过计算设备根据第一指示生成用于重构实验的第一文件；以及通过计算设备将第一文件分发至预定装置。

可选的，上述交互界面上显示的实验图形包括多个组件图形，用于分别表示构成实验的多个组件节点，并且计算设备设置有与组件图形和组件节点对应的多个算法组件。

可选的，上述计算设备上设置有至少一个数据表，用于记录关于实验和组件节点的信息，以及其中，生成第一文件包括基于至少一个数据表生成第一文件。

可选的，至少一个数据表包括第一数据表、第二数据表和第三数据表。第一数据表用于至少记录识别实验的识别信息；第二数据表用于至少记录以下信息：用于识别组件节点的第二识别信息、用于指示组件节点对应的算法组件的信息、用于指示与组件节点对应的组件图形在交互界面上的位置的信息以及用于指示组件节点之间的连接关系的信息；以及第三数据表用于至少记录第二识别信息以及用于算法组件的参数信息。

可选的，上述处理器还可以执行如下步骤的程序代码：通过计算设备接收来自预定装置的第二指示；通过计算设备根据第二指示接收来自预定装置的第二文件；通过计算设备根据第二文件重构第二实验，并将计算设备上对应的算法程序与第二实验相关联；以及通过计算设备将第二实验的信息发送至预定装置。

可选的，上述第二实验包括多个组件节点，并且计算设备设置有与多个组件节点对应的多个算法组件。

可选的，上述处理器还可以执行如下步骤的程序代码：通过计算设备根据第二文件将关于第二实验和组件节点的信息插入到设置于计算设备上的至少一个数据表中。以及其中，重构第二实验包括根据至少一个数据表重构第二实验。

可选的，至少一个数据表包括第一数据表、第二数据表和第三数据表。上述处理器还可以执行如下步骤的程序代码：通过计算设备根据第二文件至少将用于识别第二实验的识别信息插入到第一数据表中；通过计算设备根据第二文件至少将以下信息插入到第二数据表中：用于识别组件节点的第二识别信息、用于指示组件节点对应的算法组件的信息、用于指示与组件节点对应的组件图形在交互界面上的位置的信息以及用于指示组件节点之间的连接关系的信息；以及通过计算设备根据第二文件至少将第二识别信息以及用于算法组件的参数信息插入到第三数据表中。

可选的，上述处理器还可以执行如下步骤的程序代码：通过计算设备接收来自预定装置的第三指示；通过计算设备根据第三指示生成用于重构实验的第三文件；以及通过计算设备将第三文件发送给指定用户。

可选的，上述处理器还可以执行如下步骤的程序代码：通过计算设备接收来自预定装置的第四指示以及指定用户的信息；通过计算设备根据第四指示，将实验分享给指定用户。

可选的，分享给指定用户的实验包括多个组件节点，并且计算设备设置有与多个组件节点对应的多个算法组件。上述处理器还可以执行如下步骤的程序代码：通过计算设备至少将关于指定用户的信息与用于识别分享给指定用户的实验的识别信息插入到设置在计算设备的第一数据表中；通过计算设备至少将以下信息插入到设置在计算设备的第二数据表中：用于识别组件节点的第二识别信息；用于指示组件节点对应的算法组件的信息；用于指示与组件节点对应的组件图形在交互界面上的位置的信息；以及用于指示组件节点之间的连接关系的信息；以及通过计算设备至少将第二识别信息以及用于算法组件的参数信息插入到设置在计算设备的第三数据表中。

可选的，指定用户的信息包括指定用户所在的项目以及用户的标识信息，并且将实验分享给指定用户包括：根据标识信息，将实验分享给项目中的指定用户。

可选的，上述处理器还可以执行如下步骤的程序代码：计算设备确定指定用户与对实验执行分享操作的用户是否为同一租户管理系统中的用户；以及计算设备在确定指定用户与对实验执行分享操作的用户为同一租户管理系统中的用户的情况下，将实验分享给指定用户。

可选的，上述处理器还可以执行如下步骤的程序代码：通过计算设备从预定装置接收第五指示，并根据第五指示每隔指定时间对第三实验执行以下操作：对第三实验进行修改；运行修改后的第三实验并记录修改后的第三实验的运算结果。

可选的，第三实验包括多个组件节点，并且计算设备设置有与多个组件节点对应的多个算法组件，上述处理器还可以执行如下步骤的程序代码：通过计算设备在设置于计算设备中的至少一个数据表中查找关于第三实验和组件节点的信息，以及通过计算设备修改至少一个数据表中的关于第三实验和组件节点的信息。

可选的，至少一个数据表包括第一数据表、第二数据表和第三数据表。上述处理器还可以执行如下步骤的程序代码：通过计算设备在第一数据表中查找用于识别第三实验的识别信息；通过计算设备执行以下操作中的至少一个：根据识别第三实验的识别信息，在第二数据表中查找用于指示组件节点对应的算法组件的信息以及用于指示组件节点之间的连接关系的信息，并对第二数据表中的上述信息中的至少一个进行修改；以及根据识别第三实验的识别信息，在第三数据表中查找用于算法组件的参数信息，并对参数信息进行修改。

可选的，上述第三实验为计算设备上已经包括的实验。

可选的，上述第三实验为计算设备根据从预定装置接收的第二文件而重构获得的实验。

可选的，上述第三实验为计算设备对第二文件进行修改之后再重构从而获得的实验。

可选的，上述处理器还可以执行如下步骤的程序代码：通过计算设备将运算结果发送至预定装置。

可选的，上述处理器还可以执行如下步骤的程序代码：通过计算设备接收来自远程的预定装置的指示；通过计算设备根据指示接收来自预定装置的文件；通过计算设备根据文件重构实验，并将计算设备上对应的算法程序与实验相关联；以及通过计算设备将实验的信息发送至预定装置。

可选的，实验包括多个组件节点，并且上述处理器还可以执行如下步骤的程序代码：通过计算设备设置有与多个组件节点对应的多个算法组件。

可选的，上述处理器还可以执行如下步骤的程序代码：通过计算设备根据文件将关于实验和组件节点的信息插入到设置于计算设备上的至少一个数据表中。其中，重构实验包括根据至少一个数据表重构实验

可选的，至少一个数据表包括第一数据表、第二数据表和第三数据表。上述处理器还可以执行如下步骤的程序代码：通过计算设备根据文件至少将用于识别实验的识别信息插入到第一数据表中；通过计算设备根据文件至少将以下信息插入到第二数据表中：用于识别组件节点的第二识别信息、用于指示组件节点对应的算法组件的信息、用于指示与组件节点对应的组件图形在交互界面上的位置的信息以及用于指示组件节点之间的连接关系的信息；以及通过计算设备根据文件至少将第二识别信息以及用于算法组件的参数信息插入到第三数据表中。

可选的，上述处理器还可以执行如下步骤的程序代码：通过计算设备接收来自远程的预定装置的指示，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；通过计算设备根据指示生成用于重构实验的文件；以及通过计算设备将文件发送给指定用户。

可选的，上述处理器还可以执行如下步骤的程序代码：通过计算设备接收来自远程的预定装置的指示以及指定用户的信息，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；以及通过计算设备根据指示，将实验分享给指定用户。

可选的，分享给指定用户的实验包括多个组件节点，计算设备设置有与多个组件节点对应的多个算法组件，并且计算设备上设置有至少一个数据表，用于记录关于实验和组件节点的信息。上述处理器还可以执行如下步骤的程序代码：将实验分享给指定用户的操作包括：在至少一个数据表中将关于指定用户的信息与用于识别分享给指定用户的实验的识别信息相关联。

可选的，至少一个数据表包括第一数据表、第二数据表和第三数据表。上述处理器还可以执行如下步骤的程序代码：通过计算设备至少将关于指定用户的信息与用于识别分享给指定用户的实验的识别信息插入到第一数据表中；通过计算设备至少将以下信息插入到第二数据表中：用于识别组件节点的第二识别信息；用于指示组件节点对应的算法组件的信息；用于指示与组件节点对应的组件图形在交互界面上的位置的信息；以及用于指示组件节点之间的连接关系的信息；以及通过计算设备至少将第二识别信息以及用于算法组件的参数信息插入到第三数据表中。

可选的，指定用户的信息包括指定用户所在的项目以及用户的标识信息。并且上述处理器还可以执行如下步骤的程序代码：根据标识信息，将实验分享给项目中的指定用户。

可选的，上述处理器还可以执行如下步骤的程序代码：通过计算设备确定指定用户与对实验执行分享操作的用户是否为同一租户管理系统中的用户；以及通过计算设备在确定指定用户与对实验执行分享操作的用户为同一租户管理系统中的用户的情况下，将实验分享给指定用户。

可选的，上述处理器还可以执行如下步骤的程序代码：通过计算设备接收来自远程的预定装置的指示，其中预定装置能够在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；以及计算设备根据指示，每隔指定时间对实验执行以下操作：对实验进行修改；以及运行修改后的实验并记录修改后的实验的运算结果。

可选的，上述实验包括多个组件节点，并且计算设备设置有与多个组件节点对应的多个算法组件，上述处理器还可以执行如下步骤的程序代码：通过计算设备在设置于计算设备中的至少一个数据表中查找关于实验和组件节点的信息，以及通过计算设备修改至少一个数据表中的关于实验和组件节点的信息。

可选的，上述至少一个数据表包括第一数据表、第二数据表和第三数据表，上述处理器还可以执行如下步骤的程序代码：通过计算设备在第一数据表中查找用于识别实验的识别信息；以及计算设备执行以下操作中的至少一个：根据识别实验的识别信息，在第二数据表中查找用于指示组件节点对应的算法组件的信息以及用于指示组件节点之间的连接关系的信息，并对第二数据表中的上述信息中的至少一个进行修改；以及根据识别实验的识别信息，在第三数据表中查找用于算法组件的参数信息，并对参数信息进行修改。

可选的，上述实验为计算设备上已经包括的实验。

可选的，上述实验为计算设备根据从预定装置接收的第二文件而重构获得的实验。

可选的，上述实验为计算设备对第二文件进行修改之后再重构从而获得的实验。

可选的，上述处理器还可以执行如下步骤的程序代码：通过计算设备将运算结果发送至预定装置。

可选的，上述处理器还可以执行如下步骤的程序代码：显示交互界面，其中交互界面上显示有用于表示实验的实验图形；接收第一指示；以及根据第一指示，从远程的计算设备接收用于重构该实验的文件，其中计算设备设置有与实验对应的算法程序，并且实验的运算由计算设备实现。

可选的，上述处理器还可以执行如下步骤的程序代码：接收第二指示；根据第二指示向远程的计算设备上传用于重构实验的文件，其中计算设备设置有与实验对应的算法程序，并且实验的运算由计算设备实现；以及根据计算设备重构的结果在交互界面上显示用于表示实验的实验图形。

可选的，上述处理器还可以执行如下步骤的程序代码：显示交互界面，交互界面上显示有用于表示实验的实验图形，其中实验的运算由远程的计算设备实现并且计算设备设置有与实验对应的算法程序；接收第三指示；以及根据第三指示向计算设备发送生成用于重构实验的文件且将文件发送给指定用户的指示。

可选的，上述处理器还可以执行如下步骤的程序代码：显示交互界面，交互界面上显示有用于表示实验的实验图形，其中实验的运算由远程的计算设备实现并且计算设备设置有与实验对应的算法程序；接收第四指示以及指定用户的信息；以及根据第四指示以及指定用户的信息，向计算设备发送将实验分享给指定用户的指示。

可选的，指定用户的信息包括指定用户所在的项目以及该用户的标识信息。

可选的，上述处理器还可以执行如下步骤的程序代码：显示交互界面，交互界面能够显示用于表示实验的实验图形，其中实验的运算由远程的计算设备实现并且计算设备设置有与组件对应的算法程序；接收第五指示；以及根据第五指示向计算设备发送每隔指定时间修改指定实验并运行修改后的指定实验的指示。

可选的，上述处理器还可以执行如下步骤的程序代码：根据第五指示，向计算设备发送用于重构指定实验的实验文件。

实施例17

本申请的实施例还提供了一种存储介质。可选的，在本实施例中，上述存储介质可以用于保存上述实施例2至6中的任意一项的用于计算设备的方法或实施例7、9至11中任意一项的用于操作实验的方法以及实施例8中的用于重构实验的方法所执行的程序代码。

可选的，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。

可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备接收来自远程的预定装置的第一指示，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；通过计算设备根据第一指示生成用于重构实验的第一文件；以及通过计算设备将第一文件分发至预定装置。。

可选的，上述交互界面上显示的实验图形包括多个组件图形，用于分别表示构成实验的多个组件节点，并且计算设备设置有与组件图形和组件节点对应的多个算法组件。

可选的，计算设备上设置有至少一个数据表，用于记录关于实验和组件节点的信息，存储介质被设置为存储用于执行以下步骤的程序代码：基于至少一个数据表生成第一文件。

可选的，在本实施例中，至少一个数据表包括第一数据表、第二数据表和第三数据表，其中第一数据表用于至少记录识别实验的识别信息；第二数据表用于至少记录以下信息：用于识别组件节点的第二识别信息、用于指示组件节点对应的算法组件的信息、用于指示与组件节点对应的组件图形在交互界面上的位置的信息以及用于指示组件节点之间的连接关系的信息；以及第三数据表用于至少记录第二识别信息以及用于算法组件的参数信息。

可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备接收来自预定装置的第二指示；通过计算设备根据第二指示接收来自预定装置的第二文件；通过计算设备根据第二文件重构第二实验，并将计算设备上对应的算法程序与第二实验相关联；以及通过计算设备将第二实验的信息发送至预定装置。

可选的，第二实验包括多个组件节点，并且计算设备设置有与多个组件节点对应的多个算法组件。

可选的，存储介质被设置为存储用于执行以下步骤的程序代码：计算设备根据第二文件将关于第二实验和组件节点的信息插入到设置于计算设备上的至少一个数据表中。其中，重构第二实验包括根据至少一个数据表重构第二实验。

可选的，在本实施例中，至少一个数据表包括第一数据表、第二数据表和第三数据表。存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备根据第二文件至少将用于识别第二实验的识别信息插入到第一数据表中；通过计算设备根据第二文件至少将以下信息插入到第二数据表中：用于识别组件节点的第二识别信息、用于指示组件节点对应的算法组件的信息、用于指示与组件节点对应的组件图形在交互界面上的位置的信息以及用于指示组件节点之间的连接关系的信息；以及通过计算设备根据第二文件至少将第二识别信息以及用于算法组件的参数信息插入到第三数据表中。

可选的，上述处理器还可以执行如下步骤的程序代码：通过计算设备接收来自预定装置的第三指示；通过计算设备根据第三指示生成用于重构实验的第三文件；以及通过计算设备将第三文件送给指定用户。

可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备接收来自预定装置的第四指示以及指定用户的信息；根据第四指示，将实验分享给指定用户。

可选的，在本实施例中，分享给指定用户的实验包括多个组件节点，并且计算设备设置有与多个组件节点对应的多个算法组件。存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备至少将关于指定用户的信息与用于识别分享给指定用户的实验的识别信息插入到设置在计算设备的第一数据表中；通过计算设备至少将以下信息插入到设置在计算设备的第二数据表中：用于识别组件节点的第二识别信息；用于指示组件节点对应的算法组件的信息；用于指示与组件节点对应的组件图形在交互界面上的位置的信息；以及用于指示组件节点之间的连接关系的信息；以及通过计算设备至少将第二识别信息以及用于算法组件的参数信息插入到设置在计算设备的第三数据表中。

可选的，在本实施例中，指定用户的信息包括指定用户所在的项目以及用户的标识信息。存储介质被设置为存储用于执行以下步骤的程序代码：根据标识信息，将实验分享给项目中的指定用户。

可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备确定指定用户与对实验执行分享操作的用户是否为同一租户管理系统中的用户；以及通过计算设备在确定指定用户与对实验执行分享操作的用户为同一租户管理系统中的用户的情况下，将实验分享给指定用户。

可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备从预定装置接收第五指示，并根据第五指示每隔指定时间对第三实验执行以下操作：对第三实验进行修改；运行修改后的第三实验并记录修改后的第三实验的运算结果。

可选的，第三实验包括多个组件节点，并且计算设备设置有与多个组件节点对应的多个算法组件，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备在设置于计算设备中的至少一个数据表中查找关于第三实验和组件节点的信息，以及通过计算设备修改至少一个数据表中的关于第三实验和组件节点的信息。

可选的，至少一个数据表包括第一数据表、第二数据表和第三数据表。在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备在第一数据表中查找用于识别第三实验的识别信息；以及计算设备执行以下操作中的至少一个：根据识别第三实验的识别信息，在第二数据表中查找用于指示组件节点对应的算法组件的信息以及用于指示组件节点之间的连接关系的信息，并对第二数据表中的上述信息中的至少一个进行修改；以及根据识别第三实验的识别信息，在第三数据表中查找用于算法组件的参数信息，并对参数信息进行修改。

可选的，上述第三实验为计算设备上已经包括的实验。

可选的，上述第三实验为计算设备根据从预定装置接收的第二文件而重构获得的实验。

可选的，上述第三实验为计算设备对第二文件进行修改之后再重构从而获得的实验。

可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备将运算结果发送至预定装置。

可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备接收来自远程的预定装置的指示；通过计算设备根据指示接收来自预定装置的文件；通过计算设备根据文件重构实验，并将计算设备上对应的算法程序与实验相关联；以及通过计算设备将实验的信息发送至预定装置。

可选的，上述实验包括多个组件节点，并且计算设备设置有与多个组件节点对应的多个算法组件。

可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备根据文件将关于实验和组件节点的信息插入到设置于计算设备上的至少一个数据表中。其中，重构实验包括根据至少一个数据表重构实验。

可选的，在本实施例中，至少一个数据表包括第一数据表、第二数据表和第三数据表。存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备根据文件至少将用于识别实验的识别信息插入到第一数据表中；通过计算设备根据文件至少将以下信息插入到第二数据表中：用于识别组件节点的第二识别信息、用于指示组件节点对应的算法组件的信息、用于指示与组件节点对应的组件图形在交互界面上的位置的信息以及用于指示组件节点之间的连接关系的信息；以及通过计算设备根据文件至少将第二识别信息以及用于算法组件的参数信息插入到第三数据表中。

可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备接收来自远程的预定装置的指示，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；通过计算设备根据指示生成用于重构实验的文件；以及通过计算设备将文件发送给指定用户。

可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备接收来自远程的预定装置的指示以及指定用户的信息，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；以及通过计算设备根据指示，将实验分享给指定用户。

可选的，分享给指定用户的实验包括多个组件节点，计算设备设置有与多个组件节点对应的多个算法组件，并且计算设备上设置有至少一个数据表，用于记录关于实验和组件节点的信息。在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：将实验分享给指定用户的操作包括：在至少一个数据表中将关于指定用户的信息与用于识别分享给指定用户的实验的识别信息相关联。

可选的，至少一个数据表包括第一数据表、第二数据表和第三数据表。在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备至少将关于指定用户的信息与用于识别分享给指定用户的实验的识别信息插入到第一数据表中；通过计算设备至少将以下信息插入到第二数据表中：用于识别组件节点的第二识别信息；用于指示组件节点对应的算法组件的信息；用于指示与组件节点对应的组件图形在交互界面上的位置的信息；以及用于指示组件节点之间的连接关系的信息；以及通过计算设备至少将第二识别信息以及用于算法组件的参数信息插入到第三数据表中。

可选的，在本实施例中，指定用户的信息包括指定用户所在的项目以及用户的标识信息。并且存储介质被设置为存储用于执行以下步骤的程序代码：根据标识信息，将实验分享给项目中的指定用户。

可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备确定指定用户与对实验执行分享操作的用户是否为同一租户管理系统中的用户；以及通过计算设备在确定指定用户与对实验执行分享操作的用户为同一租户管理系统中的用户的情况下，将实验分享给指定用户。

可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备接收来自远程的预定装置的指示，其中预定装置能够在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验中的组件对应的算法程序；以及计算设备根据指示，每隔指定时间对实验执行以下操作：对实验进行修改；以及运行修改后的实验并记录修改后的实验的运算结果。

可选的，在本实施例中，上述实验包括多个组件节点，并且计算设备设置有与多个组件节点对应的多个算法组件，存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备在设置于计算设备中的至少一个数据表中查找关于实验和组件节点的信息，以及通过计算设备修改至少一个数据表中的关于实验和组件节点的信息。

可选的，在本实施例中，上述至少一个数据表包括第一数据表、第二数据表和第三数据表。存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备在第一数据表中查找用于识别实验的识别信息；以及计算设备执行以下操作中的至少一个：根据识别实验的识别信息，在第二数据表中查找用于指示组件节点对应的算法组件的信息以及用于指示组件节点之间的连接关系的信息，并对第二数据表中的上述信息中的至少一个进行修改；以及根据识别实验的识别信息，在第三数据表中查找用于算法组件的参数信息，并对参数信息进行修改。

可选的，上述实验为计算设备上已经包括的实验。

可选的，上述实验为计算设备根据从预定装置接收的第二文件而重构获得的实验。

可选的，上述实验为计算设备对第二文件进行修改之后再重构从而获得的实验。

可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：通过计算设备将运算结果发送至预定装置。

可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：显示交互界面，其中交互界面上显示有用于表示实验的实验图形；接收第一指示；以及根据第一指示，从远程的计算设备接收用于重构该实验的文件，其中计算设备设置有与实验对应的算法程序，并且实验的运算由计算设备实现。

可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：接收第二指示；根据第二指示向远程的计算设备上传用于重构实验的文件，其中计算设备设置有与实验对应的算法程序，并且实验的运算由计算设备实现；以及根据计算设备重构的结果在交互界面上显示用于表示实验的实验图形。

可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：显示交互界面，交互界面上显示有用于表示实验的实验图形，其中实验的运算由远程的计算设备实现并且计算设备设置有与实验对应的算法程序；接收第三指示；以及根据第三指示向计算设备发送生成用于重构实验的文件且将文件发送给指定用户的指示。

可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：显示交互界面，交互界面上显示有用于表示实验的实验图形，其中实验的运算由远程的计算设备实现并且计算设备设置有与实验对应的算法程序；接收第四指示以及确定指定用户的操作；以及根据第四指示以及指定用户的信息；以及根据第四指示以及指定用户的信息，向计算设备发送将实验分享给指定用户的指示。

可选的，在本实施例中，指定用户的信息包括指定用户所在的项目以及指定用户的标识信息。

可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：显示交互界面，交互界面能够显示用于表示实验的实验图形，其中实验的运算由远程的计算设备实现并且计算设备设置有与实验中的组件对应的算法程序；接收第五指示；以及根据第五指示向计算设备发送每隔指定时间修改指定实验并运行修改后的指定实验的指示。

可选的，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：根据第五指示，向计算设备发送用于重构指定实验的实验文件。

实施例18

根据本申请实施例，还提供了一种用于计算设备的系统实施例，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：

通过计算设备接收来自远程的预定装置的第一指示，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；

通过计算设备根据第一指示生成用于重构实验的第一文件；以及

通过计算设备将第一文件分发至预定装置。

由上可知，在本申请上述实施例中，机器学习平台(即上述计算设备)在接收到用户通过终端设备发送的用于生成实验文件的第一指示后，根据该第一指示，生成对应的实验文件，并将实验文件发送给用户的终端设备，达到了将机器学习平台上创建的实验以文件的形式保存，以便根据该文件重构实验的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有的机器学习平台生成的实验的过程中需要人工调整实验模型导致工作效率低的技术问题。

实施例19

根据本申请实施例，还提供了一种用于计算设备的系统实施例，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：

通过计算设备接收来自远程的预定装置的指示；

通过计算设备根据指示接收来自预定装置的文件；

通过计算设备根据文件重构实验，并将计算设备上对应的算法程序与实验相关联；以及

通过计算设备将实验的信息发送至预定装置。

由上可知，在本申请上述实施例中，计算设备(例如，机器学习平台)在接收到来自远程的预定装置(例如，用户的终端设备)发送的用于根据上传的实验文件重构实验的指示后，接收预定装置上传的实验文件，根据该实验文件重构实验，并将计算设备上对应的算法程序与该实验相关联，最后将重构的实验发送给预定装置，达到了将机器学习平台上创建的实验以文件的形式保存，以便根据该文件重构实验的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有的机器学习平台生成的实验的过程中需要人工调整实验模型导致工作效率低的技术问题。

实施例20

根据本申请实施例，还提供了一种用于计算设备的系统实施例，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：

通过计算设备接收来自远程的预定装置的指示，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；

通过计算设备根据指示生成用于重构实验的文件；以及

通过计算设备将文件发送给指定用户。

由上可知，在本申请上述实施例中，计算设备(例如，机器学习平台)在接收到来自远程的预定装置(例如，用户的终端设备)的指示后，根据该指示生成用于重构实验模型(实验)的实验文件，并将生成的实验文件通过邮件进行分享，达到了将机器学习平台上创建的实验以文件的形式进行分享，以便用户可以根据该实验文件重构实验的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有技术中分享机器学习平台生成的实验只能依赖口述或技术文档导致实验的很多细节很难描述清楚的技术问题。

实施例21

根据本申请实施例，还提供了一种用于计算设备的系统实施例，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：

通过计算设备接收来自远程的预定装置的指示以及指定用户的信息，其中预定装置在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验对应的算法程序；以及

通过计算设备根据指示，将实验分享给指定用户。

由上可知，在本申请上述实施例中，计算设备(例如，机器学习平台)在接收到来自远程的预定装置(例如，用户的终端设备)的用于将实验模型分享给指定用户的指示后，根据该指示将生成的实验模型(实验)分享给指定用户，达到了根据用户信息将机器学习平台生成的实验进行分享的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有技术中分享机器学习平台生成的实验只能依赖口述或技术文档导致实验的很多细节很难描述清楚的技术问题。

实施例22

根据本申请实施例，还提供了一种用于计算设备的系统实施例，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：

通过计算设备接收来自远程的预定装置的指示，其中预定装置能够在交互界面上显示用于表示实验的实验图形，并且计算设备设置有与实验中的组件对应的算法程序；以及

通过计算设备根据指示，每隔指定时间对实验执行以下操作：对实验进行修改；以及运行修改后的实验并记录修改后的实验的运算结果。

由上可知，在本申请上述实施例中，计算设备(例如，机器学习平台)在接收到来自远程的预定装置(例如，用户的终端设备)上传的实验文件后，计算设备可以给用户提供一个简单可行的定时调度系统，根据用户上传的实验文件和用户设置的定时运行参数进行定时修改实验文件，提交修改后的实验文件到调度系统中生成实验并运行，最后自动保存实验结果和实验模型，达到了根据用户上传的实验文件和设置的定时参数，定时生成实验并运行的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有技术中分享机器学习平台生成的实验只能依赖口述或技术文档导致实验的很多细节很难描述清楚的技术问题。

实施例23

根据本申请实施例，还提供了一种学习模型的分享方法实施例，本实施例提供的用于学习模型的分享方法可以应用于本申请实施例1提供的基于机器学习平台生成实验文件的系统中，包括但不限于本申请实施例1描述的应用场景。需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请提供了图40所示的一种用于计算设备的方法，图40是根据本申请实施例的一种学习模型的分享方法流程图，如图40所示，包括如下步骤：

步骤S4002，机器学习平台确定与第一用户对应的待分享学习模型；

步骤S4004，机器学习平台接收针对待分享学习模型的分享指令，并依据分享指令将待分享学习模型分享至第二用户；

步骤S4006，机器学习平台接收第二用户对应的终端设备发送的查看指令，并在查看指令的触发下，向终端设备发送并展示待分享学习模型。

作为一种可选的实施例，上述机器学习平台可以是用于提供学习模型的云服务器；上述待分享学习模型可以是各种各样常用的机器学习算法，包括但不限于通用的数据预处理、统计分析、文本分析、网络分析以及机器学习算法等；也可以是用户上传的根据这些机器算法创建的实验文件；通过该机器学习平台，第一用户可以分享一个或多个学习模型给第二用户，其中，第二用户可以通过输入向对应的终端设备输入查看指令触发该终端设备展示第一用户分享的学习模型。

由上可知，在本申请上述实施例中，机器学习平台在确定第一用户待分享的学习模型，并接收到第一用户通过终端设备发送的分享指令后，依据该分享指令将待分享的学习模型分享给第二用户，以便第二用户可以通过输入查看指令来触发对应的终端设备向其展示待分享的学习模型，达到了通过机器学习平台分享学习模型给其他用户的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有技术中不同用户在机器学习平台生成的学习模型相互独立导致工作效率低的技术问题。

在一种可选的实施例中，机器学习平台确定与第一用户对应的待分享学习模型，包括：

机器学习平台接收来自与第一用户对应的第一终端设备的指令，其中，第一终端设备在交互界面上显示用于表示算法组件的组件图形，并根据组件图形构建待分享学习模型。

具体地，在上述实施例中，上述第一终端设备的指令可以是用于第一用户将第一终端交互界面显示的用于表示算法组件的组件图形构建为学习模型的指令，机器学习平台接收到第一用户通过第一终端设备发送的用于将算法组件模型构建学习模型的指令后，根据该指令确定第一用户构建的学习模型，该学习模型可以用于通过该机器学习平台分享给其他用户。

需要说明的是，上述组件图形，用于表示构成待分析学习模型的组件节点，组件节点与算法组件是对应的；作为一种可选的实施方式，在机器学习平台确定与第一用户对应的待分享学习模型之前，上述方法还可以包括：

步骤S4001a，基于机器学习平台上设置的至少一个数据表生成第一文件，其中，至少一个数据表，用于记录关于待分析学习模型和组件节点的信息；以及

步骤S4001b，机器学习平台将第一文件发送至第二用户对应的终端设备。

作为一种可选的实施例，上述第一文件是指可以用于重构实验的实验文件，其文件格式包括但不限于如下任意一种：json、xml、html等。计算设备上设置有至少一个数据表，用于记录关于实验和组件节点的信息，以及其中，生成第一文件包括基于至少一个数据表生成第一文件。可选地，至少一个数据表包括第一数据表、第二数据表和第三数据表，其中第一数据表用于至少记录识别实验的识别信息；第二数据表用于至少记录以下信息：用于识别组件节点的第二识别信息、用于指示组件节点对应的算法组件的信息、用于指示与组件节点对应的组件图形在交互界面上的位置的信息以及用于指示组件节点之间的连接关系的信息；以及第三数据表用于至少记录第二识别信息以及用于算法组件的参数信息。当机器学习平台根据至少一个数据表生成实验文件(即第一文件)后，将生成的实验文件(即第一文件)发送给第二用户的终端设备，以便第二用户利用该实验文件重构对应的实验。

在一种可选的实施例中，依据分享指令将待分享学习模型分享至第二用户，可以包括如下步骤：

步骤S4004a，机器学习平台接收选择指令，并依据选择指令确定机器学习平台上接收待分享学习模型的第二用户，学习模型中包括多个算法组件

步骤S4004b，机器学习平台建立第二用户与待分享学习模型的对应关系；

步骤S4004c，机器学习平台按照对应关系将待分享学习模型分享给第二用户。

具体地，在上述实施例中，当机器学习平台依据接收到的分享指令将待分享学习模型分享给第二用户之前，机器学习平台可以接收第一用户用于选择第二用户的选择指令，并根据第一用户的选择指令，建立第二用户与待分享的学习模型之间的对应关系，以便机器学习平台按照该对应关系将待分享的学习模型分享给对应的第二用户。

实施例24

根据本申请实施例，还提供了一种用于实现实施例23中学习模型的分享方法的计算设备实施例，图41是根据本申请实施例的一种计算设备的界面示意图，如图41所示，该人机交互界面包括：第一控件4101、第二控件4103、第三控件4105和第四控件4107。

第一控件4101，用于展示与第一用户对应的待分享学习模型；

第二控件4103，用于接收针对待分享学习模型的分享指令，其中，分享指令用于将学习模型分享至第二用户；

第三控件4105，用于接收查看指令；

第四控件4107，用于向第二用户对应的终端设备展示待分享学习模型。

由上可知，在本申请上述实施例中，通过第一控件4101展示与第一用户对应的一个或多个学习模型，这些学习模型可以用于分享给其他用户；通过第二控件4103接收用于将学习模型分享至第二用户的分享指令，并通过该分享指令将学习模型分享至第二用户，第二用户可以通过第三控件4105输入用于查看第一用户分享的学习模型的查看指令，在通过第三控件4105接收到查看指令的情况下，通过第四控件4107向第二用户对应的终端设备展示待分享学习模型，达到了通过机器学习平台分享学习模型给其他用户的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有技术中不同用户在机器学习平台生成的学习模型相互独立导致工作效率低的技术问题。

实施例25

根据本申请实施例，还提供了一种算法模型的分享方法实施例，本实施例提供的算法模型的分享方法可以应用于本申请实施例1提供的基于机器学习平台生成实验文件的系统中，包括但不限于本申请实施例1描述的应用场景。需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请提供了图42所示的一种算法模型的分享方法，图42是根据本申请实施例的一种算法模型的分享方法流程图，如图42所示，包括如下步骤：

步骤S4202，机器学习平台中的计算设备接收选择指令，并依据选择指令确定机器学习平台在学习模型的目标分享用户，学习模型中包括多个算法组件；

步骤S4204，计算设备建立目标分享用户与学习模型的对应关系；

步骤S4206，计算设备按照对应关系将学习模型分享给目标分享用户。

作为一种可选的实施例，上述机器学习平台可以是用于提供学习模型的云服务器；用户可以通过该机器学习平台选择至少一个接收该学习模型目标分享用户，当用户向机器学习平台中的计算设备输入用于选择目标分享用户的选择指令后，该计算设备在接收到选择指令的情况下，依据该选择指令确定机器学习平台在学习模型的目标分享用户，建立目标分享用户与学习模型的对应关系，并在接收到用户针对该学习模型的分享指令后，按照建立的对应关系将该学习模型分享该目标分享用户。

由上可知，在本申请上述实施例中，机器学习平台可以通过计算设备接收用户向输入的用于分享学习模型的至少一个目标分享用户的选择指令，在接收到选择指令的情况下，机器学习平台建立目标分享用户与待分享的学习模型之间的对应关系，以便机器学习平台按照该对应关系将待分享的学习模型分享给对应的目标分享用户，达到了通过机器学习平台分享学习模型给其他用户的目的，从而实现了提高在机器学习平台创建实验的工作效率的技术效果。

由此，本申请提供的上述实施例的方案解决了现有技术中不同用户在机器学习平台生成的学习模型相互独立导致工作效率低的技术问题。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (50)

1.一种用于计算设备的方法，其特征在于，包括：

计算设备接收来自远程的预定装置的第一指示，其中所述预定装置在交互界面上显示用于表示实验的实验图形，并且所述计算设备设置有与所述实验对应的算法程序；

所述计算设备根据所述第一指示生成用于重构所述实验的第一文件；以及

所述计算设备将所述第一文件分发至所述预定装置，所述计算设备上设置有至少一个数据表，用于记录关于所述实验和组件节点的信息，所述至少一个数据表包括第一数据表，所述第一数据表用于至少记录识别所述实验的识别信息。

2.根据权利要求1所述的方法，其特征在于，所述交互界面上显示的所述实验图形包括多个组件图形，用于分别表示构成所述实验的多个组件节点，并且所述计算设备设置有与所述组件图形和所述组件节点对应的多个算法组件。

3.根据权利要求2所述的方法，其特征在于，还包括：

生成所述第一文件包括基于所述至少一个数据表生成所述第一文件。

4.根据权利要求3所述的方法，其特征在于，所述至少一个数据表还包括第二数据表和第三数据表，其中

所述第二数据表用于至少记录以下信息：用于识别所述组件节点的第二识别信息、用于指示所述组件节点对应的所述算法组件的信息、用于指示与所述组件节点对应的组件图形在所述交互界面上的位置的信息以及用于指示所述组件节点之间的连接关系的信息；以及

所述第三数据表用于至少记录所述第二识别信息以及用于所述算法组件的参数信息。

5.根据权利要求1所述的方法，其特征在于，还包括：

所述计算设备接收来自所述预定装置的第二指示；

所述计算设备根据所述第二指示接收来自所述预定装置的第二文件；

所述计算设备根据所述第二文件重构第二实验，并将所述计算设备上对应的算法程序与所述第二实验相关联；以及

所述计算设备将所述第二实验的信息发送至所述预定装置。

6.根据权利要求5所述的方法，其特征在于，所述第二实验包括多个组件节点，并且所述计算设备设置有与所述多个组件节点对应的多个算法组件。

7.根据权利要求6所述的方法，其特征在于，还包括：

所述计算设备根据所述第二文件将关于所述第二实验和所述组件节点的信息插入到设置于所述计算设备上的至少一个数据表中，以及

其中，重构所述第二实验包括根据所述至少一个数据表重构所述第二实验。

8.根据权利要求7所述的方法，其特征在于，所述至少一个数据表包括第一数据表、第二数据表和第三数据表，其中将关于所述第二实验和所述组件节点的信息插入到至少一个数据表中的操作包括：

所述计算设备根据所述第二文件至少将用于识别所述第二实验的识别信息插入到所述第一数据表中；

所述计算设备根据所述第二文件至少将以下信息插入到所述第二数据表中：用于识别所述组件节点的第二识别信息、用于指示所述组件节点对应的所述算法组件的信息、用于指示与所述组件节点对应的组件图形在所述交互界面上的位置的信息以及用于指示所述组件节点之间的连接关系的信息；以及

所述计算设备根据所述第二文件至少将所述第二识别信息以及用于所述算法组件的参数信息插入到所述第三数据表中。

9.根据权利要求1所述的方法，其特征在于，还包括：

所述计算设备接收来自所述预定装置的第三指示；

所述计算设备根据所述第三指示生成用于重构所述实验的第三文件；以及

所述计算设备将所述第三文件发送给指定用户。

10.根据权利要求1所述的方法，其特征在于，还包括：

所述计算设备接收来自所述预定装置的第四指示以及指定用户的信息；

所述计算设备根据所述第四指示，将所述实验分享给所述指定用户。

11.根据权利要求10所述的方法，其特征在于，分享给所述指定用户的实验包括多个组件节点，并且所述计算设备设置有与所述多个组件节点对应的多个算法组件，其中将所述实验分享给所述指定用户的操作包括：

所述计算设备至少将关于所述指定用户的信息与用于识别分享给所述指定用户的所述实验的识别信息插入到设置在所述计算设备的第一数据表中；

所述计算设备至少将以下信息插入到设置在所述计算设备的第二数据表中：用于识别所述组件节点的第二识别信息；用于指示所述组件节点对应的所述算法组件的信息；用于指示与所述组件节点对应的组件图形在所述交互界面上的位置的信息；以及用于指示所述组件节点之间的连接关系的信息；以及

所述计算设备至少将所述第二识别信息以及用于所述算法组件的参数信息插入到设置在所述计算设备的第三数据表中。

12.根据权利要求10所述的方法，其特征在于，所述指定用户的信息包括所述指定用户所在的项目以及所述指定用户的标识信息，并且将所述实验分享给所述指定用户包括：根据所述标识信息，将所述实验分享给所述项目中的所述指定用户。

13.根据权利要求10所述的方法，其特征在于，将所述实验分享给所述指定用户的操作包括：

所述计算设备确定所述指定用户与对所述实验执行分享操作的用户是否为同一租户管理系统中的用户；以及

所述计算设备在确定所述指定用户与对所述实验执行分享操作的用户为同一租户管理系统中的用户的情况下，将所述实验分享给所述指定用户。

14.根据权利要求1所述的方法，其特征在于，还包括：

所述计算设备从所述预定装置接收第五指示，并根据所述第五指示每隔预定时间对第三实验执行以下操作：

对所述第三实验进行修改；

运行修改后的第三实验并记录修改后的第三实验的运算结果。

15.根据权利要求14所述的方法，其特征在于，所述第三实验包括多个组件节点，并且所述计算设备设置有与所述多个组件节点对应的多个算法组件，其中对所述第三实验进行修改的操作包括：

所述计算设备在设置于所述计算设备中的至少一个数据表中查找关于所述第三实验和所述组件节点的信息，以及

所述计算设备修改所述至少一个数据表中的关于所述第三实验和所述组件节点的信息。

16.根据权利要求15所述的方法，其特征在于，所述至少一个数据表包括第一数据表、第二数据表和第三数据表，其中修改所述至少一个数据表中的关于所述第三实验和所述组件节点的信息的操作包括：

所述计算设备在第一数据表中查找用于识别所述第三实验的识别信息；以及所述计算设备执行以下操作中的至少一个：

根据识别所述第三实验的所述识别信息，在所述第二数据表中查找用于指示所述组件节点对应的所述算法组件的信息以及用于指示所述组件节点之间的连接关系的信息，并对所述第二数据表中的上述信息中的至少一个进行修改；以及

根据识别所述第三实验的所述识别信息，在所述第三数据表中查找用于所述算法组件的参数信息，并对所述参数信息进行修改。

17.根据权利要求14-16中任一项所述的方法，其特征在于，所述第三实验为所述计算设备根据从所述预定装置接收的第二文件而重构获得的实验。

18.根据权利要求17所述的方法，其特征在于，所述第三实验为所述计算设备对所述第二文件进行修改之后再重构从而获得的实验。

19.根据权利要求15所述的方法，其特征在于，还包括所述计算设备将所述运算结果发送至所述预定装置。

20.一种用于计算设备的方法，其特征在于，包括：

所述计算设备接收来自远程的预定装置的指示；

所述计算设备根据所述指示接收来自所述预定装置的文件；

所述计算设备根据所述文件重构实验，并将所述计算设备上对应的算法程序与所述实验相关联；以及

所述计算设备将所述实验的信息发送至所述预定装置，所述计算设备上设置有至少一个数据表，用于记录关于所述实验和组件节点的信息，所述至少一个数据表包括第一数据表，所述第一数据表用于至少记录识别所述实验的识别信息。

21.根据权利要求20所述的方法，其特征在于，所述实验包括多个组件节点，并且所述计算设备设置有与所述多个组件节点对应的多个算法组件。

22.根据权利要求21所述的方法，其特征在于，还包括：

所述计算设备根据所述文件将关于所述实验和所述组件节点的信息插入到设置于所述计算设备上的至少一个数据表中，以及

其中，重构所述实验包括根据所述至少一个数据表重构所述实验。

23.根据权利要求22所述的方法，其特征在于，所述至少一个数据表还包括第二数据表和第三数据表，其中将关于所述实验和所述组件节点的信息插入到至少一个数据表中的操作包括：

所述计算设备根据所述文件至少将用于识别所述实验的识别信息插入到所述第一数据表中；

所述计算设备根据所述文件至少将以下信息插入到所述第二数据表中：用于识别所述组件节点的第二识别信息、用于指示所述组件节点对应的所述算法组件的信息、用于指示与所述组件节点对应的组件图形在交互界面上的位置的信息以及用于指示所述组件节点之间的连接关系的信息；以及

所述计算设备根据所述文件至少将所述第二识别信息以及用于所述算法组件的参数信息插入到所述第三数据表中。

24.一种用于计算设备的方法，其特征在于，包括：

计算设备接收来自远程的预定装置的指示，其中所述预定装置在交互界面上显示用于表示实验的实验图形，并且所述计算设备设置有与所述实验对应的算法程序；

所述计算设备根据所述指示生成用于重构所述实验的文件；以及

所述计算设备将所述文件发送给指定用户，所述计算设备上设置有至少一个数据表，用于记录关于所述实验和组件节点的信息，所述至少一个数据表包括第一数据表，所述第一数据表用于至少记录识别所述实验的识别信息。

25.一种用于计算设备的方法，其特征在于，包括：

计算设备接收来自远程的预定装置的指示以及指定用户的信息，其中所述预定装置在交互界面上显示用于表示实验的实验图形，并且所述计算设备设置有与所述实验对应的算法程序；以及

所述计算设备根据所述指示，将所述实验分享给所述指定用户，所述计算设备上设置有至少一个数据表，用于记录关于所述实验和组件节点的信息，所述至少一个数据表包括第一数据表，所述第一数据表用于至少记录识别所述实验的识别信息。

26.根据权利要求25所述的方法，其特征在于，所述实验包括多个组件节点，所述计算设备设置有与所述多个组件节点对应的多个算法组件，其中

将所述实验分享给所述指定用户的操作包括：在所述至少一个数据表中将关于所述指定用户的信息与用于识别分享给所述指定用户的所述实验的识别信息相关联。

27.根据权利要求26所述的方法，其特征在于，所述至少一个数据表包括第一数据表、第二数据表和第三数据表，其中，在所述至少一个数据表中将关于所述指定用户的信息与用于识别分享给所述指定用户的所述实验的识别信息相关联的操作包括：

所述计算设备至少将关于所述指定用户的信息与用于识别分享给所述指定用户的所述实验的识别信息插入到所述第一数据表中；

所述计算设备至少将以下信息插入到所述第二数据表中：用于识别所述组件节点的第二识别信息；用于指示所述组件节点对应的所述算法组件的信息；用于指示与所述组件节点对应的组件图形在所述交互界面上的位置的信息；以及用于指示所述组件节点之间的连接关系的信息；以及

所述计算设备至少将所述第二识别信息以及用于所述算法组件的参数信息插入到所述第三数据表中。

28.根据权利要求25所述的方法，其特征在于，所述指定用户的信息包括所述指定用户所在的项目以及所述用户的标识信息，并且将所述实验分享给所述指定用户包括：根据所述标识信息，将实验分享给所述项目中的所述指定用户。

29.根据权利要求25所述的方法，其特征在于，将所述实验共享给所述指定用户的操作包括：

所述计算设备确定所述指定用户与对所述实验执行分享操作的用户是否为同一租户管理系统中的用户；以及

所述计算设备在确定所述指定用户与对所述实验执行分享操作的用户为同一租户管理系统中的用户的情况下，将所述实验分享给所述指定用户。

30.一种用于计算设备的方法，其特征在于，包括：

计算设备接收来自远程的预定装置的指示，其中所述预定装置能够在交互界面上显示用于表示实验的实验图形，并且所述计算设备设置有与所述实验对应的算法程序，所述计算设备上设置有至少一个数据表，用于记录关于所述实验和组件节点的信息，所述至少一个数据表包括第一数据表，所述第一数据表用于至少记录识别所述实验的识别信息；以及

所述计算设备根据所述指示，每隔预定时间对所述实验执行以下操作：

对所述实验进行修改；以及

运行修改后的所述实验并记录修改后的所述实验的运算结果。

31.根据权利要求30所述的方法，其特征在于，所述实验包括多个组件节点，并且所述计算设备设置有与所述多个组件节点对应的多个算法组件，其中对所述实验进行修改的操作包括：

所述计算设备在设置于所述计算设备中的至少一个数据表中查找关于所述实验和所述组件节点的信息，以及

所述计算设备修改所述至少一个数据表中的关于所述实验和所述组件节点的信息。

32.根据权利要求31所述的方法，其特征在于，所述至少一个数据表还包括第二数据表和第三数据表，其中修改所述至少一个数据表中的关于所述实验和所述组件节点的信息的操作包括：

所述计算设备在第一数据表中查找用于识别所述实验的识别信息；以及所述计算设备执行以下操作中的至少一个：

根据识别所述实验的所述识别信息，在所述第二数据表中查找用于指示所述组件节点对应的所述算法组件的信息以及用于指示所述组件节点之间的连接关系的信息，并对所述第二数据表中的上述信息中的至少一个进行修改；以及

根据识别所述实验的所述识别信息，在所述第三数据表中查找用于所述算法组件的参数信息，并对所述参数信息进行修改。

33.根据权利要求30-32中任一项所述的方法，其特征在于，所述实验为所述计算设备根据从所述预定装置接收的第二文件而重构获得的实验。

34.根据权利要求33所述的方法，其特征在于，所述实验为所述计算设备对所述第二文件进行修改之后再重构从而获得的实验。

35.一种用于操作实验的方法，其特征在于，包括：

显示交互界面，其中所述交互界面上显示有用于表示实验的实验图形；

接收第一指示；以及

根据所述第一指示，从远程的计算设备接收用于重构该实验的文件，其中所述计算设备设置有与所述实验对应的算法程序，并且所述实验的运算由所述计算设备实现，所述计算设备上设置有至少一个数据表，用于记录关于所述实验和组件节点的信息，所述至少一个数据表包括第一数据表，所述第一数据表用于至少记录识别所述实验的识别信息。

36.一种用于操作实验的方法，其特征在于，包括：

显示交互界面，所述交互界面上显示有用于表示实验的实验图形，其中所述实验的运算由远程的计算设备实现并且所述计算设备设置有与所述实验对应的算法程序，所述计算设备上设置有至少一个数据表，用于记录关于所述实验和组件节点的信息，所述至少一个数据表包括第一数据表，所述第一数据表用于至少记录识别所述实验的识别信息；

接收第三指示；以及

根据所述第三指示向所述计算设备发送生成用于重构所述实验的文件且将所述文件发送给指定用户的指示。

37.一种用于操作实验的方法，其特征在于，包括：

显示交互界面，所述交互界面上显示有用于表示实验的实验图形，其中所述实验的运算由远程的计算设备实现并且所述计算设备设置有与所述实验对应的算法程序，所述计算设备上设置有至少一个数据表，用于记录关于所述实验和组件节点的信息，所述至少一个数据表包括第一数据表，所述第一数据表用于至少记录识别所述实验的识别信息；

接收第四指示以及指定用户的信息；以及

根据所述第四指示以及所述指定用户的信息，向所述计算设备发送将所述实验分享给所述指定用户的指示。

38.根据权利要求37所述的方法，其特征在于，所述指定用户的信息包括所述指定用户所在的项目以及所述用户的标识信息。

39.一种用于操作实验的方法，其特征在于，包括：

显示交互界面，所述交互界面能够显示用于表示实验的实验图形，其中所述实验的运算由远程的计算设备实现并且所述计算设备设置有与所述实验对应的算法程序，所述计算设备上设置有至少一个数据表，用于记录关于所述实验和组件节点的信息，所述至少一个数据表包括第一数据表，所述第一数据表用于至少记录识别所述实验的识别信息；

接收第五指示；以及

根据所述第五指示向所述计算设备发送每隔预定时间修改指定实验并运行修改后的指定实验的指示。

40.根据权利要求39所述的方法，其特征在于，还包括：

根据所述第五指示，向所述计算设备发送用于重构所述指定实验的实验文件。

41.一种用于计算设备的系统，其特征在于，包括：

处理器；以及

存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：

通过计算设备接收来自远程的预定装置的第一指示，其中所述预定装置在交互界面上显示用于表示实验的实验图形，并且所述计算设备设置有与所述实验对应的算法程序；

通过所述计算设备根据所述第一指示生成用于重构所述实验的第一文件；以及

通过所述计算设备将所述第一文件分发至所述预定装置，所述计算设备上设置有至少一个数据表，用于记录关于所述实验和组件节点的信息，所述至少一个数据表包括第一数据表，所述第一数据表用于至少记录识别所述实验的识别信息。

42.一种用于计算设备的系统，其特征在于，包括：

处理器；以及

存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：

通过所述计算设备接收来自远程的预定装置的指示；

通过所述计算设备根据所述指示接收来自所述预定装置的文件；

通过所述计算设备根据所述文件重构实验，并将所述计算设备上对应的算法程序与所述实验相关联；以及

通过所述计算设备将所述实验的信息发送至所述预定装置，所述计算设备上设置有至少一个数据表，用于记录关于所述实验和组件节点的信息，所述至少一个数据表包括第一数据表，所述第一数据表用于至少记录识别所述实验的识别信息。

43.一种用于计算设备的系统，其特征在于，包括：

处理器；以及

存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：

通过计算设备接收来自远程的预定装置的指示，其中所述预定装置在交互界面上显示用于表示实验的实验图形，并且所述计算设备设置有与所述实验对应的算法程序；

通过所述计算设备根据所述指示生成用于重构所述实验的文件；以及

通过所述计算设备将所述文件发送给指定用户，所述计算设备上设置有至少一个数据表，用于记录关于所述实验和组件节点的信息，所述至少一个数据表包括第一数据表，所述第一数据表用于至少记录识别所述实验的识别信息。

44.一种用于计算设备的系统，其特征在于，包括：

处理器；以及

存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：

通过计算设备接收来自远程的预定装置的指示以及指定用户的信息，其中所述预定装置在交互界面上显示用于表示实验的实验图形，并且所述计算设备设置有与所述实验对应的算法程序；以及

通过所述计算设备根据所述指示，将所述实验分享给所述指定用户，所述计算设备上设置有至少一个数据表，用于记录关于所述实验和组件节点的信息，所述至少一个数据表包括第一数据表，所述第一数据表用于至少记录识别所述实验的识别信息。

45.一种用于计算设备的系统，其特征在于，包括：

处理器；以及

存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：

通过计算设备接收来自远程的预定装置的指示，其中所述预定装置能够在交互界面上显示用于表示实验的实验图形，并且所述计算设备设置有与所述实验对应的算法程序，所述计算设备上设置有至少一个数据表，用于记录关于所述实验和组件节点的信息，所述至少一个数据表包括第一数据表，所述第一数据表用于至少记录识别所述实验的识别信息；以及

通过所述计算设备根据所述指示，每隔预定时间对所述实验执行以下操作：

对所述实验进行修改；以及

运行修改后的所述实验并记录修改后的所述实验的运算结果。

46.一种学习模型的分享方法，其特征在于，包括：

机器学习平台确定与第一用户对应的待分享学习模型，所述机器学习平台上设置有至少一个数据表，用于记录关于实验和组件节点的信息，所述至少一个数据表包括第一数据表，所述第一数据表用于至少记录识别所述实验的识别信息；

所述机器学习平台接收针对所述待分享学习模型的分享指令，并依据所述分享指令将所述待分享学习模型分享至第二用户；

所述机器学习平台接收所述第二用户对应的终端设备发送的查看指令，并在所述查看指令的触发下，向所述终端设备发送并展示所述待分享学习模型。

47.根据权利要求46所述的方法，其特征在于，机器学习平台确定与第一用户对应的待分享学习模型，包括：

所述机器学习平台接收来自与所述第一用户对应的第一终端设备的指令，其中，所述第一终端设备在交互界面上显示用于表示算法组件的组件图形，并根据所述组件图形构建所述待分享学习模型。

48.根据权利要求47所述的方法，其特征在于，所述组件图形，用于表示构成待分析学习模型的组件节点，所述组件节点与所述算法组件是对应的；所述机器学习平台确定与第一用户对应的待分享学习模型之前，包括：

基于所述机器学习平台上设置的至少一个数据表生成第一文件，其中，所述至少一个数据表，用于记录关于所述待分析学习模型和所述组件节点的信息；以及

所述机器学习平台将所述第一文件发送至所述第二用户对应的终端设备。

49.根据权利要求48所述的方法，其特征在于，依据所述分享指令将所述待分享学习模型分享至第二用户，包括：

所述机器学习平台接收选择指令，并依据所述选择指令确定所述机器学习平台上接收所述待分享学习模型的第二用户，所述学习模型中包括多个算法组件；

所述机器学习平台建立所述第二用户与所述待分享学习模型的对应关系；

所述机器学习平台按照所述对应关系将所述待分享学习模型分享给所述第二用户。

50.一种计算设备，用于提供人机交互界面，其特征在于，所述计算设备上设置有至少一个数据表，用于记录关于实验和组件节点的信息，所述至少一个数据表包括第一数据表，所述第一数据表用于至少记录识别所述实验的识别信息，所述人机交互界面包括：

第一控件，用于展示与第一用户对应的待分享学习模型；

第二控件，用于接收针对所述待分享学习模型的分享指令，其中，所述分享指令用于将所述学习模型分享至第二用户；

第三控件，用于接收查看指令；

第四控件，用于向所述第二用户对应的终端设备展示所述待分享学习模型。

Images