CN110795141B - 一种训练任务提交方法、装置、设备及介质 - Google Patents

一种训练任务提交方法、装置、设备及介质 Download PDF

Info

Publication number
CN110795141B
CN110795141B CN201910968197.0A CN201910968197A CN110795141B CN 110795141 B CN110795141 B CN 110795141B CN 201910968197 A CN201910968197 A CN 201910968197A CN 110795141 B CN110795141 B CN 110795141B
Authority
CN
China
Prior art keywords
training
command
execution command
task
line script
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.)
Active
Application number
CN201910968197.0A
Other languages
English (en)
Other versions
CN110795141A (zh
Inventor
房体盈
陈培
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Inspur Smart Computing Technology Co Ltd
Original Assignee
Guangdong Inspur Big Data Research Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Inspur Big Data Research Co Ltd filed Critical Guangdong Inspur Big Data Research Co Ltd
Priority to CN201910968197.0A priority Critical patent/CN110795141B/zh
Publication of CN110795141A publication Critical patent/CN110795141A/zh
Application granted granted Critical
Publication of CN110795141B publication Critical patent/CN110795141B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/70—Software maintenance or management
    • G06F8/71—Version control; Configuration management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/008—Artificial life, i.e. computing arrangements simulating life based on physical entities controlled by simulated intelligence so as to replicate intelligent life forms, e.g. based on robots replicating pets or humans in their appearance or behaviour
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Robotics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Stored Programmes (AREA)

Abstract

本申请公开了一种训练任务提交方法、装置、设备及介质，包括：获取用户终端注入的命令行脚本；获取所述用户终端提交的执行命令；判断所述执行命令与所述命令行脚本中对应的命令是否相一致；若所述执行命令与所述命令行脚本中对应的命令相一致，则向AI训练平台发送与所述执行命令对应的任务训练请求，以便所述AI训练平台进行对应的任务训练。这样，通过预先注入容器内的命令行脚本，能够在容器内快速提交训练任务，从而提升算法工程师的模型开发效率。

Description

一种训练任务提交方法、装置、设备及介质
技术领域
本申请涉及AI任务训练技术领域，特别涉及一种训练任务提交方法、装置、设备及介质
背景技术
在AI(即Artificial Intelligence，人工智能)时代，算法工程师需要进行大量的模型开发和调试工作，而训练任务提交的快慢影响着模型的开发效率，算法工程师希望快速提交训练任务以提高效率，因此如何将训练任务快速的提交到训练平台中是目前需要解决的问题。
发明内容
有鉴于此，本申请的目的在于提供一种训练任务提交方法、装置、设备及介质，能够在容器内快速提交训练任务，从而提升算法工程师的模型开发效率。其具体方案如下：
第一方面，本申请公开了一种训练任务提交方法，应用于容器，包括：
获取用户终端注入的命令行脚本；
获取所述用户终端提交的执行命令；
判断所述执行命令与所述命令行脚本中对应的命令是否相一致；
若所述执行命令与所述命令行脚本中对应的命令相一致，则向AI训练平台发送与所述执行命令对应的任务训练请求，以便所述AI训练平台进行对应的任务训练。
可选的，还包括：
若所述执行命令与所述命令行脚本中对应的命令不一致，则确定出相应的不一致原因，并根据所述不一致原因进行相应处理。
可选的，所述根据所述不一致原因进行相应处理，包括：
若所述不一致原因为默认参数缺失，则补齐所述默认参数，否则，向所述用户终端发送帮助信息。
可选的，还包括：
获取所述AI训练平台发送的与所述执行命令对应的训练结果。
可选的，还包括：
获取用户终端注入的所述AI训练平台的API网关IP。
可选的，所述向训练平台发送与所述执行命令对应的任务处理请求，包括：
获取所述容器的podname；
利用所述容器的podname、所述执行命令以及所述API网关IP生成restfull接口，然后发起https请求，以便所述AI训练平台利用所述podname查找对应的目标资源，然后利用所述目标资源进行任务训练。
第二方面，本申请公开了一种训练任务提交装置，应用于容器，包括：
命令行脚本获取模块，用于获取用户终端注入的命令行脚本；
执行命令获取模块，用于获取所述用户终端提交的执行命令；
执行命令判断模块，用于判断所述执行命令与所述命令行脚本中对应的命令是否相一致；
执行命令提交模块，用于若所述执行命令与所述命令行脚本中对应的命令相一致，则向AI训练平台发送与所述执行命令对应的任务训练请求，以便所述AI训练平台进行对应的任务训练。
可选的，还包括：
命令错误帮助模块，用于若所述执行命令与所述命令行脚本中对应的命令不一致，则确定出相应的不一致原因，并根据所述不一致原因进行相应处理。
第三方面，本申请公开了一种训练任务提交设备，包括处理器和存储器；其中，
所述存储器，用于保存计算机程序；
所述处理器，用于执行所述计算机程序，以实现前述的训练任务提交方法。
第四方面，本申请公开了一种计算机可读存储介质，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现前述的训练任务提交方法。
可见，本申请先获取用户终端注入的命令行脚本，以及获取所述用户终端提交的执行命令，然后判断所述执行命令与所述命令行脚本中对应的命令是否相一致，若所述执行命令与所述命令行脚本中对应的命令相一致，则向AI训练平台发送与所述执行命令对应的任务训练请求，以便所述AI训练平台进行对应的任务训练。这样，通过预先注入容器内的命令行脚本，能够在容器内快速提交训练任务，从而提升算法工程师的模型开发效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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，还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种训练任务提交方法流程图；
图2为本申请公开的一种具体的训练任务提交方法流程图；
图3为本申请公开的一种具体的训练任务提交方法流程图；
图4为本申请公开的一种训练任务提交装置结构示意图；
图5为本申请公开的一种训练任务提交设备结构图；
图6为本申请公开的一种服务器结构图。
具体实施方式
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。
参见图1所示，本申请实施例公开了一种训练任务提交方法，应用于容器，包括：
步骤S11：获取用户终端注入的命令行脚本。
在具体的实施方式中，本实施例先获取用户终端封装好的命令行脚本，其中，该命令行脚本包括全部训练任务对应的命令，然后配置好环境变量，便于直接访问该命令行脚本。其中，所述容器为在kubernetes平台上创建的jupyter Notebook容器。
步骤S12：获取所述用户终端提交的执行命令。
步骤S13：判断所述执行命令与所述命令行脚本中对应的命令是否相一致。
步骤S14：若所述执行命令与所述命令行脚本中对应的命令相一致，则向AI训练平台发送与所述执行命令对应的任务训练请求，以便所述AI训练平台进行对应的任务训练。
在具体的实施方式中，当用户提交一个执行命令，则判断所述执行命令与所述命令行脚本中对应的命令是否相一致，若所述执行命令与所述命令行脚本中对应的命令相一致，则获取所述容器的podname，然后利用所述容器的podname、所述执行命令以及用户终端预先注入的AI训练平台的API网关IP生成restfull接口，然后发起https请求，API网关接收到该请求后，不做过滤处理，即用户登录进容器便确定其为合法用户，然后AI训练平台利用所述podname查找对应的目标资源，然后利用所述目标资源进行任务训练，并将所述执行命令对应的训练结果发送至容器。例如，用户提交通过提交命令行【aistation submit(action)job(object)xxx】来提交训练任务时，命令行脚本先判断该命令行与所述命令行脚本中对应的命令是否相一致，若一致，则获取容器的podname，利用容器的podname、该命令行以及API网关IP生成相应的restfull接口https://www.xxxx:7979/ibase/v1/command/{action}/{object}/{podName}，然后发起https请求，API网关接收到该请求后，直接路由转发到AI训练平台，然后AI训练平台通过podname获取容器拥有者信息，使用容器拥有者的资源进行任务训练，任务训练完成后将训练结果返回至容器，然后进行格式化处理，在shell终端进行训练结果显示。
可见，本申请实施例先获取用户终端注入的命令行脚本，以及获取所述用户终端提交的执行命令，然后判断所述执行命令与所述命令行脚本中对应的命令是否相一致，若所述执行命令与所述命令行脚本中对应的命令相一致，则向AI训练平台发送与所述执行命令对应的任务训练请求，以便所述AI训练平台进行对应的任务训练。这样，通过预先注入容器内的命令行脚本，能够在容器内快速提交训练任务，从而提升算法工程师的模型开发效率。
参见图2所示，图2为本申请实施例公开的一种具体的训练任务提交方法流程图。用户提交执行命令#aistation get resource,然后命令行脚本aistation.py对该命令进行解析，若该命令与命令行脚本aistation.py中对应的命令相一致，则获取podname以及预先注入的API网关地址，并拼接成restfull接口命令，然后发起https请求，API网关接收到请求后，直接路由转发到AI训练平台，然后AI训练平台通过podname获取容器拥有者信息，使用容器拥有者的资源进行任务训练。
参见图3所示，本申请实施例公开了一种具体的训练任务提交方法，包括：
步骤S21：获取用户终端注入的命令行脚本。
步骤S22：获取所述用户终端提交的执行命令。
步骤S23：判断所述执行命令与所述命令行脚本中对应的命令是否相一致。
步骤S24：若所述执行命令与所述命令行脚本中对应的命令相一致，则向AI训练平台发送与所述执行命令对应的任务训练请求，以便所述AI训练平台进行对应的任务训练。
其中，关于上述步骤S21至S24的具体过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
步骤S25：若所述执行命令与所述命令行脚本中对应的命令不一致，则确定出相应的不一致原因，并根据所述不一致原因进行相应处理。
在具体的实施方式中，若所述执行命令与所述命令行脚本中对应的命令不一致，则先确定出相应的不一致原因，若所述不一致原因为默认参数缺失，则补齐所述默认参数，否则，向所述用户终端发送帮助信息。比如，某个非默认的参数缺失或者不正确，则向用户终端发送帮助信息。
参见图4所示，本申请实施例公开了一种训练任务提交装置，其特征在于，应用于容器，包括：
命令行脚本获取模块11，用于获取用户终端注入的命令行脚本；
执行命令获取模块12，用于获取所述用户终端提交的执行命令；
执行命令判断模块13，用于判断所述执行命令与所述命令行脚本中对应的命令是否相一致；
执行命令提交模块14，用于若所述执行命令与所述命令行脚本中对应的命令相一致，则向AI训练平台发送与所述执行命令对应的任务训练请求，以便所述AI训练平台进行对应的任务训练。
可见，本申请实施例先获取用户终端注入的命令行脚本，以及获取所述用户终端提交的执行命令，然后判断所述执行命令与所述命令行脚本中对应的命令是否相一致，若所述执行命令与所述命令行脚本中对应的命令相一致，则向AI训练平台发送与所述执行命令对应的任务训练请求，以便所述AI训练平台进行对应的任务训练。这样，通过预先注入容器内的命令行脚本，能够在容器内快速提交训练任务，从而提升算法工程师的模型开发效率。
并且，所述训练任务提交装置，还包括：
API网关IP获取模块，用于获取用户终端注入的所述AI训练平台的API网关IP。
其中，所述执行命令提交模块14，具体用于获取所述容器的podname；利用所述容器的podname、所述执行命令以及所述API网关IP生成restfull接口，然后发起https请求，以便所述AI训练平台利用所述podname查找对应的目标资源，然后利用所述目标资源进行任务训练。
进一步的，所述训练任务提交装置，还包括：
命令错误帮助模块，用于若所述执行命令与所述命令行脚本中对应的命令不一致，则确定出相应的不一致原因，并根据所述不一致原因进行相应处理。
在具体的实施方式中，所述命令错误帮助模块，可以用于在所述不一致原因为默认参数缺失的情况下，补齐所述默认参数，否则，向所述用户终端发送帮助信息。
另外，所述训练任务提交装置，还包括：
训练结果获取模块，用于获取所述AI训练平台发送的与所述执行命令对应的训练结果。
参见图5所示，本申请实施例公开了一种训练任务提交设备，包括处理器21和存储器22；其中，所述存储器22，用于保存计算机程序；所述处理器21，用于执行所述计算机程序，以实现以下步骤：
获取用户终端注入的命令行脚本；获取所述用户终端提交的执行命令；判断所述执行命令与所述命令行脚本中对应的命令是否相一致；若所述执行命令与所述命令行脚本中对应的命令相一致，则向AI训练平台发送与所述执行命令对应的任务训练请求，以便所述AI训练平台进行对应的任务训练。
可见，本申请实施例先获取用户终端注入的命令行脚本，以及获取所述用户终端提交的执行命令，然后判断所述执行命令与所述命令行脚本中对应的命令是否相一致，若所述执行命令与所述命令行脚本中对应的命令相一致，则向AI训练平台发送与所述执行命令对应的任务训练请求，以便所述AI训练平台进行对应的任务训练。这样，通过预先注入容器内的命令行脚本，能够在容器内快速提交训练任务，从而提升算法工程师的模型开发效率。
本实施例中，所述处理器21执行所述存储器22中保存的计算机子程序时，可以具体实现以下步骤：若所述执行命令与所述命令行脚本中对应的命令不一致，则确定出相应的不一致原因，并根据所述不一致原因进行相应处理。
本实施例中，所述处理器21执行所述存储器22中保存的计算机子程序时，可以具体实现以下步骤：若所述不一致原因为默认参数缺失，则补齐所述默认参数，否则，向所述用户终端发送帮助信息。
本实施例中，所述处理器21执行所述存储器22中保存的计算机子程序时，可以具体实现以下步骤：获取所述AI训练平台发送的与所述执行命令对应的训练结果。
本实施例中，所述处理器21执行所述存储器22中保存的计算机子程序时，可以具体实现以下步骤：获取用户终端注入的所述AI训练平台的API网关IP。
本实施例中，所述处理器21执行所述存储器22中保存的计算机子程序时，可以具体实现以下步骤：获取所述容器的podname；利用所述容器的podname、所述执行命令以及所述API网关IP生成restfull接口，然后发起https请求，以便所述AI训练平台利用所述podname查找对应的目标资源，然后利用所述目标资源进行任务训练。
并且，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，存储方式可以是短暂存储或者永久存储。
参见图6所示，本申请实施例公开了一种服务器20，包括前述实施例中公开的包括处理器21和存储器22的训练任务提交设备。关于上述处理器21具体可以执行的步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。
进一步的，本实施例中的服务器20，还可以具体包括电源23、通信接口24、输入输出接口25和通信总线26；其中，电源23用于为服务器20上的各硬件设备提供工作电压；通信接口24能够为服务器20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。
进一步的，本申请实施例还公开了一种计算机可读存储介质，用于保存计算机程序，其中，计算机程序被处理器执行时实现以下步骤：
获取用户终端注入的命令行脚本；获取所述用户终端提交的执行命令；判断所述执行命令与所述命令行脚本中对应的命令是否相一致；若所述执行命令与所述命令行脚本中对应的命令相一致，则向AI训练平台发送与所述执行命令对应的任务训练请求，以便所述AI训练平台进行对应的任务训练。
可见，本申请实施例先获取用户终端注入的命令行脚本，以及获取所述用户终端提交的执行命令，然后判断所述执行命令与所述命令行脚本中对应的命令是否相一致，若所述执行命令与所述命令行脚本中对应的命令相一致，则向AI训练平台发送与所述执行命令对应的任务训练请求，以便所述AI训练平台进行对应的任务训练。这样，通过预先注入容器内的命令行脚本，能够在容器内快速提交训练任务，从而提升算法工程师的模型开发效率。
本实施例中，计算机可读存储介质中保存的计算机子程序被处理器执行时，可以具体实现以下步骤：若所述执行命令与所述命令行脚本中对应的命令不一致，则确定出相应的不一致原因，并根据所述不一致原因进行相应处理。
本实施例中，计算机可读存储介质中保存的计算机子程序被处理器执行时，可以具体实现以下步骤：若所述不一致原因为默认参数缺失，则补齐所述默认参数，否则，向所述用户终端发送帮助信息。
本实施例中，计算机可读存储介质中保存的计算机子程序被处理器执行时，可以具体实现以下步骤：获取所述AI训练平台发送的与所述执行命令对应的训练结果。
本实施例中，计算机可读存储介质中保存的计算机子程序被处理器执行时，可以具体实现以下步骤：获取用户终端注入的所述AI训练平台的API网关IP。
本实施例中，计算机可读存储介质中保存的计算机子程序被处理器执行时，可以具体实现以下步骤：获取所述容器的podname；利用所述容器的podname、所述执行命令以及所述API网关IP生成restfull接口，然后发起https请求，以便所述AI训练平台利用所述podname查找对应的目标资源，然后利用所述目标资源进行任务训练。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的一种训练任务提交方法、装置、设备及介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (9)

1.一种训练任务提交方法，其特征在于，应用于容器，包括：
获取用户终端注入的命令行脚本；
获取所述用户终端提交的执行命令；
判断所述执行命令与所述命令行脚本中对应的命令是否相一致；
若所述执行命令与所述命令行脚本中对应的命令相一致，则向AI训练平台发送与所述执行命令对应的任务训练请求，以便所述AI训练平台进行对应的任务训练；
其中，所述向AI训练平台发送与所述执行命令对应的任务训练请求，包括：
获取所述容器的podname；利用所述容器的podname、所述执行命令以及AI训练平台的API网关IP生成restfull接口，然后发起https请求，以便所述AI训练平台利用所述podname查找对应的目标资源，然后利用所述目标资源进行任务训练。
2.根据权利要求1所述的训练任务提交方法，其特征在于，还包括：
若所述执行命令与所述命令行脚本中对应的命令不一致，则确定出相应的不一致原因，并根据所述不一致原因进行相应处理。
3.根据权利要求2所述的训练任务提交方法，其特征在于，所述根据所述不一致原因进行相应处理，包括：
若所述不一致原因为默认参数缺失，则补齐所述默认参数，否则，向所述用户终端发送帮助信息。
4.根据权利要求1所述的训练任务提交方法，其特征在于，还包括：
获取所述AI训练平台发送的与所述执行命令对应的训练结果。
5.根据权利要求1所述的训练任务提交方法，其特征在于，还包括：
获取用户终端注入的所述AI训练平台的API网关IP。
6.一种训练任务提交装置，其特征在于，应用于容器，包括：
命令行脚本获取模块，用于获取用户终端注入的命令行脚本；
执行命令获取模块，用于获取所述用户终端提交的执行命令；
执行命令判断模块，用于判断所述执行命令与所述命令行脚本中对应的命令是否相一致；
执行命令提交模块，用于若所述执行命令与所述命令行脚本中对应的命令相一致，则向AI训练平台发送与所述执行命令对应的任务训练请求，以便所述AI训练平台进行对应的任务训练；
其中，所述执行命令提交模块，具体用于获取所述容器的podname；利用所述容器的podname、所述执行命令以及AI训练平台的API网关IP生成restfull接口，然后发起https请求，以便所述AI训练平台利用所述podname查找对应的目标资源，然后利用所述目标资源进行任务训练。
7.根据权利要求6所述的训练任务提交装置，其特征在于，还包括：
命令错误帮助模块，用于若所述执行命令与所述命令行脚本中对应的命令不一致，则确定出相应的不一致原因，并根据所述不一致原因进行相应处理。
8.一种训练任务提交设备，其特征在于，包括处理器和存储器；其中，
所述存储器，用于保存计算机程序；
所述处理器，用于执行所述计算机程序，以实现如权利要求1至5任一项所述的训练任务提交方法。
9.一种计算机可读存储介质，其特征在于，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的训练任务提交方法。
CN201910968197.0A 2019-10-12 2019-10-12 一种训练任务提交方法、装置、设备及介质 Active CN110795141B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910968197.0A CN110795141B (zh) 2019-10-12 2019-10-12 一种训练任务提交方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910968197.0A CN110795141B (zh) 2019-10-12 2019-10-12 一种训练任务提交方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN110795141A CN110795141A (zh) 2020-02-14
CN110795141B true CN110795141B (zh) 2023-10-10

Family

ID=69440210

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910968197.0A Active CN110795141B (zh) 2019-10-12 2019-10-12 一种训练任务提交方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN110795141B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113467922B (zh) * 2020-03-30 2022-08-23 阿里巴巴集团控股有限公司 资源管理方法、装置、设备及存储介质
CN111949610B (zh) * 2020-09-18 2022-12-23 苏州浪潮智能科技有限公司 一种基于ai训练平台的海量文件检索方法、装置及设备
CN114358302A (zh) * 2020-10-14 2022-04-15 华为云计算技术有限公司 一种人工智能ai训练的方法、系统及设备
CN112286682A (zh) * 2020-10-27 2021-01-29 上海淇馥信息技术有限公司 基于分布式集群的机器学习任务处理方法、装置及设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101841430A (zh) * 2010-05-05 2010-09-22 北京星网锐捷网络技术有限公司 一种命令行的修正方法及装置
CN109358944A (zh) * 2018-09-17 2019-02-19 深算科技（重庆）有限公司 深度学习分布式运算方法、装置、计算机设备及存储介质
CN110008003A (zh) * 2019-04-10 2019-07-12 苏州浪潮智能科技有限公司 一种命令行有效性检测方法及相关装置
CN110058922A (zh) * 2019-03-19 2019-07-26 华为技术有限公司 一种提取机器学习任务的元数据的方法、装置
CN110166277A (zh) * 2019-04-09 2019-08-23 广州市高科通信技术股份有限公司 一种命令行命令树构建方法和命令行动态加载的方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080005286A1 (en) * 2006-06-30 2008-01-03 Short Michael E Step-wise command line interface for configuring network devices
US9798522B2 (en) * 2015-02-13 2017-10-24 Red Hat, Inc. Generating command line interface using application programming interface specification
US11120299B2 (en) * 2016-01-27 2021-09-14 Microsoft Technology Licensing, Llc Installation and operation of different processes of an AI engine adapted to different configurations of hardware located on-premises and in hybrid environments

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101841430A (zh) * 2010-05-05 2010-09-22 北京星网锐捷网络技术有限公司 一种命令行的修正方法及装置
CN109358944A (zh) * 2018-09-17 2019-02-19 深算科技（重庆）有限公司 深度学习分布式运算方法、装置、计算机设备及存储介质
CN110058922A (zh) * 2019-03-19 2019-07-26 华为技术有限公司 一种提取机器学习任务的元数据的方法、装置
CN110166277A (zh) * 2019-04-09 2019-08-23 广州市高科通信技术股份有限公司 一种命令行命令树构建方法和命令行动态加载的方法
CN110008003A (zh) * 2019-04-10 2019-07-12 苏州浪潮智能科技有限公司 一种命令行有效性检测方法及相关装置

Also Published As

Publication number Publication date
CN110795141A (zh) 2020-02-14

Similar Documents

Publication Publication Date Title
CN110795141B (zh) 一种训练任务提交方法、装置、设备及介质
CN110442524B (zh) 一种针对带有认证授权的web服务接口测试方法和装置
CN107704395B (zh) 一种基于Openstack下云平台自动化测试实施方法与系统
CN104317914A (zh) 数据获取方法和装置
WO2019019646A1 (zh) 平台登录网站方法、装置、计算机设备以及可读存储介质
CN108984202B (zh) 一种电子资源分享方法、装置和存储介质
CN108174405A (zh) 产品测试方法及设备
CN111459835B (zh) 业务调试方法、装置、电子设备及计算机可读存储介质
US10033842B2 (en) GRE message encapsulation method, decapsulation method, and corresponding devices
CN107071017B (zh) 用于安卓系统的网络请求代理工具及代理方法
CN113079198B (zh) 一种云平台接口协议转换的方法及装置
CN108134698B (zh) 一种工业多协议物联网关的图形化配置平台
CN111026439B (zh) 应用程序的兼容方法、装置、设备及计算机存储介质
CN114374632B (zh) 一种物联网数据平台多协议测试提效方法
CN109561165A (zh) 域名系统配置方法及相关装置
CN104252413A (zh) 一种自动化脚本生成方法、装置及系统
CN111526046A (zh) 一种bmc时间的设置方法、装置、设备和存储介质
CN111580821B (zh) 脚本绑定方法、装置、电子设备及计算机可读存储介质
CN104834594B (zh) web系统测试方法及装置
CN114328026B (zh) 一种虚拟磁盘备份方法、装置、设备及介质
CN115470152A (zh) 测试代码生成方法、测试代码生成装置以及存储介质
CN114338461A (zh) 一种网络连接监控方法及相关设备
CN112766486A (zh) 神经网络结构的搜索方法、终端、服务器及可读存储介质
CN108241573B (zh) 一种集成测试代码生成方法及装置
EP4350511A1 (en) Method and apparatus for co-simulation

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
GR01 Patent grant
GR01 Patent grant