CN111782184A - 执行定制化人工智能生产线的装置和方法、设备和介质 - Google Patents
执行定制化人工智能生产线的装置和方法、设备和介质 Download PDFInfo
- Publication number
- CN111782184A CN111782184A CN202010621819.5A CN202010621819A CN111782184A CN 111782184 A CN111782184 A CN 111782184A CN 202010621819 A CN202010621819 A CN 202010621819A CN 111782184 A CN111782184 A CN 111782184A
- Authority
- CN
- China
- Prior art keywords
- artificial intelligence
- production line
- platform
- intelligence development
- development platform
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/362—Software debugging
- G06F11/3624—Software debugging by performing operations on the source code, e.g. via a compiler
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/362—Software debugging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/20—Software design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/34—Graphical or visual programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/35—Creation or generation of source code model driven
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/40—Transformation of program code
- G06F8/41—Compilation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/40—Transformation of program code
- G06F8/41—Compilation
- G06F8/43—Checking; Contextual analysis
- G06F8/433—Dependency analysis; Data or control flow analysis
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/86—Event-based monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/38—Creation or generation of source code for implementing user interfaces
Abstract
本公开涉及一种用于利用人工智能开发平台执行定制化生产线的装置和方法、计算设备和计算机可读存储介质,涉及人工智能和云平台技术。定制化生产线为不同于人工智能开发平台的预定义开发流程的附加开发流程,由文件集合定义。该装置包括:生产线执行器,被配置成基于文件集合生成人工智能开发平台的原生表单,用于发送给接入人工智能开发平台的客户端以供呈现人工智能开发平台的原生交互页面;以及标准化平台接口,被配置成提供生产线执行器与人工智能开发平台之间的交互通道。生产线执行器还被配置为通过执行文件集合中定义的处理逻辑生成中间结果,并且通过经由标准化平台接口与人工智能开发平台进行交互来处理中间结果,从而执行附加开发流程。
Description
技术领域
本公开涉及人工智能和云平台,具体涉及用于利用人工智能开发平台执行定制化生产线的装置和方法、计算设备以及计算机可读存储介质。
背景技术
人工智能(AI)生产线(即,人工智能开发流程)可以实现不同的人工智能开发功能,例如图像识别、图像处理、文字识别、语音识别和物体检测等。通过利用部署在人工智能开发平台(例如,EasyDL、ModelArts、AWS Sagemaker等)侧的预定义人工智能生产线,开发者可以将例如端到端的预训练模型与用户场景数据相结合,从而得到自己需要的人工智能训练模型。人工智能生产线也可以由开发者自行搭建。
发明内容
根据本公开的一个方面,一种用于利用人工智能开发平台执行定制化生产线的装置,其中所述定制化生产线为不同于所述人工智能开发平台的预定义开发流程的附加开发流程,所述附加开发流程由文件集合定义,所述装置包括:生产线执行器,被配置成基于所述文件集合生成所述人工智能开发平台的原生表单,所述原生表单用于发送给接入所述人工智能开发平台的客户端以供呈现所述人工智能开发平台的原生交互页面;以及标准化平台接口,被配置成提供所述生产线执行器与所述人工智能开发平台之间的交互通道,其中,所述生产线执行器还被配置成通过执行所述文件集合中定义的与所述原生交互页面上的操作事件对应的处理逻辑来生成中间结果,并且通过经由所述标准化平台接口与所述人工智能开发平台进行交互来处理所述中间结果,从而执行所述附加开发流程。
根据本公开的另一方面,提供了一种用于利用人工智能开发平台执行定制化生产线的方法,其中所述定制化生产线为不同于所述人工智能开发平台的预定义开发流程的附加开发流程,所述附加开发流程由文件集合定义,所述方法包括:提供生产线执行器,所述生产线执行器用于基于所述文件集合生成所述人工智能开发平台的原生表单,所述原生表单用于发送给接入所述人工智能开发平台的客户端以供呈现所述人工智能开发平台的原生交互页面;以及提供标准化平台接口,所述标准化平台接口用于提供所述生产线执行器与所述人工智能开发平台之间的交互通道,其中,所述生产线执行器还用于通过执行所述文件集合中定义的与所述原生交互页面上的操作事件对应的处理逻辑来生成中间结果,并且通过经由所述标准化平台接口与所述人工智能开发平台进行交互来处理所述中间结果,从而执行所述附加开发流程。
根据本公开的又一方面,提供了一种计算设备,用于利用人工智能开发平台执行定制化生产线,其中所述定制化生产线为不同于所述人工智能开发平台的预定义开发流程的附加开发流程,所述附加开发流程由文件集合定义,所述计算设备包括:处理器;以及存储器,其上存储有指令,所述指令可由所述处理器执行以用于:实现生产线执行器,所述生产线执行器用于基于所述文件集合生成所述人工智能开发平台的原生表单,所述原生表单用于发送给接入所述人工智能开发平台的客户端以供呈现所述人工智能开发平台的原生交互页面;以及实现标准化平台接口,所述标准化平台接口用于提供所述生产线执行器与所述人工智能开发平台之间的交互通道,其中,所述生产线执行器还用于通过执行所述文件集合中定义的与所述原生交互页面上的操作事件对应的处理逻辑来生成中间结果,并且通过经由所述标准化平台接口与所述人工智能开发平台进行交互来处理所述中间结果,从而执行所述附加开发流程。
根据本公开的又一方面,提供了一种计算机可读存储介质,用于利用人工智能开发平台执行定制化生产线,其中所述定制化生产线为不同于所述人工智能开发平台的预定义开发流程的附加开发流程,所述附加开发流程由文件集合定义,所述计算机可读存储介质上存储有指令,所述指令可由处理器执行以用于:实现生产线执行器,所述生产线执行器用于基于所述文件集合生成所述人工智能开发平台的原生表单,所述原生表单用于发送给接入所述人工智能开发平台的客户端以供呈现所述人工智能开发平台的原生交互页面;以及实现标准化平台接口,所述标准化平台接口用于提供所述生产线执行器与所述人工智能开发平台之间的交互通道,其中,所述生产线执行器还用于通过执行所述文件集合中定义的与所述原生交互页面上的操作事件对应的处理逻辑来生成中间结果,并且通过经由所述标准化平台接口与所述人工智能开发平台进行交互来处理所述中间结果,从而执行所述附加开发流程。
根据本公开的一些实施例,通过实现在现有人工智能开发平台上执行具有平台原生交互体验的定制化人工智能生产线,可以快速地扩充现有人工智能开发平台可提供的开发功能,提升现有人工智能开发平台基础设施的利用率,充分发挥现有人工智能开发平台基础设施和服务的价值。而且,与平台预定义的人工智能生产线相比,定制化人工智能生产线往往更适用于消费者的具体应用场景,因此,使得消费者能够加快实现所需要的人工智能模型的定制。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1是示出根据本公开的示例性实施例的可以在其中应用本文描述的各种装置的示例性系统的示意图;
图2是示出根据本公开的示例性实施例的用于利用人工智能开发平台执行定制化生产线的装置的结构框图;
图3是示出根据本公开的示例性实施例的执行生产线执行器的流程图;
图4是示出根据本公开的另一示例性实施例的用于利用人工智能开发平台执行定制化生产线的装置的结构框图;
图5是示出根据本公开的示例性实施例的生产线创建器的示例交互式开发界面;
图6是示出根据本公开的示例性实施例的用于利用人工智能开发平台执行定制化生产线的方法的流程图;并且
图7是示出能够应用于实现示例性实施例的示例性计算设备的示意性框图。
具体实施方式
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
现有的人工智能开发平台提供了预定义的人工智能生产线,可以为开发者提供易用的一站式的开发功能,例如智能标注、模型训练、服务部署等。然而,由于人工智能生产线由平台预定义,外部开发者,尤其是生态企业开发者,无法结合自身场景和任务的特点定制开发流程。这就制约了现有人工智能开发平台的场景结合能力。例如,对于零售业中的货架商品巡检的场景,不仅需要预训练的检测模型,还需要将场景数据与标准库存保有单位以及货架数据结合形成定制训练数据集和定制训练模型。并且,针对大规模的货架商品分类,不仅需要检测模型,还需要连同识别模型一起实现上述功能。这些功能往往是平台预定义的人工智能生产线所不能实现的。因此,受制于平台技术人员对场景了解的深入程度,预定义的人工智能生产线能覆盖的场景往往有限。
另外,由平台提供预定义人工智能生产线需要花费平台很多的研发资源。研发一套人工智能开发流程涉及前后端不同研发角色的协同,这个过程周期长,研发人力投入多。而且,一个平台制作的人工智能生产线由于缺乏一致化的标准执行环境和服务接口,往往无法复用,仍需要投入额外的研发人力进行修改适配。
开发者也可以自建人工智能生产线。开发者基于自身场景需求,可以利用开源的框架、工具等结合某种通用编程语言生成定制化的人工智能生产线。然而,这样的自建人工智能生产线无法在更大的生态范围内流转。除了满足开发者自身的需求外,无法在同类场景中发挥更大价值。而且,难以结合生态社区的智力资源实现升级完善。
针对以上技术问题,本公开的实施例提供了一种用于利用人工智能开发平台执行定制化生产线的装置和方法、计算设备以及计算机可读存储介质。在下面的描述中,将涉及两个术语:
(1)生产者:创建并发布AI生产线(即,AI开发流程)的角色。
(2)消费者:使用生产者所创建并发布的AI生产线进行模型定制的开发者,通常为现有AI开发平台的使用者。
本公开的实施例提供的装置包括生产线执行器,其可以基于生产者所创建的人工智能生产线生成对应于人工智能开发平台的原生表单以供向消费者呈现原生交互页面,并提供执行该原生表单的环境。该装置还包括标准化平台接口,可以经由其实现生产线执行器与人工智能开发平台的交互,从而使得消费者享有原生表单的交互式体验。将理解的是,术语“原生表单”或“原生交互页面”是指它们与定制化生产线所依附的人工智能开发平台所生成的表单或交互页面具有相同或相似的外观,使得对于消费者而言,它们看起来就像是由人工智能开发平台原始生成的一样。
根据本公开的一些实施例,通过实现在现有人工智能开发平台上执行具有平台原生交互体验的定制化人工智能生产线,可以快速地扩充现有人工智能开发平台可提供的开发功能,提升现有人工智能开发平台基础设施的利用率,充分发挥现有人工智能开发平台基础设施和服务的价值。而且,与平台预定义的人工智能生产线相比,定制化人工智能生产线往往更适用于消费者的具体应用场景,因此,使得消费者能够加快实现所需要的人工智能模型的定制。另外,由于平台原生交互体验的原因,消费者在通过现有人工智能开发平台使用定制化人工智能生产线时,就像这些定制化人工智能生产线是平台原生的一样。这使得定制化人工智能生产线可以借助于现有人工智能开发平台,在更大的生态范围内流转,提升了自身的利用率。借助于现有人工智能开发平台的生态社区的智力资源,这些定制化人工智能生产线也可以实现升级完善。在一些实施例中,还提供了生产线创建器,它能够让生态开发者参与到为现有人工智能开发平台创建新的人工智能生产线的过程中。这些新的人工智能生产线能够更好地适应具体应用场景的需求,也扩充了现有人工智能开发平台可提供的开发功能,大幅提升了定制化人工智能开发流程的研发效率。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的示例性实施例的可以在其中应用本文描述的装置的示例系统100的示意图。
参考图1,该示例系统包括:与生产者102相关联的第一客户端设备110、第一服务器120、第二服务器130、与消费者104相关联的第二客户端设备140以及将第一客户端设备110、第一服务器120、第二服务器130和第二客户端设备140通信地耦合的网络150。
第一客户端设备110包括第一显示屏112和可经由第一显示屏112显示的客户端界面114。如后面将描述的,生产者102通过客户端界面114可以与第一服务器120交互,例如,可以在客户端界面114中结合领域特定语言(DSL)116和生产线创建器118等(其余未示出)进行操作,以向第一服务器120发送创建完成的人工智能生产线和/或从第一服务器120接收数据。第一客户端设备110可以是任何类型的移动计算设备,包括移动计算机或移动计算设备(例如,设备、个人数字助理(PDA)、膝上型计算机、笔记本计算机、诸如Apple iPadTM的平板计算机、上网本等)、移动电话(例如,蜂窝电话、诸如Microsoft电话的智能手机、Apple iPhone、实现了AndroidTM操作系统的电话、设备,设备等)、可穿戴式计算设备(例如智能手表、头戴式设备,包括智能眼镜,如GlassTM,等)或其他类型的移动设备。在一些实施例中,客户端设备110也可以是固定式计算设备。
第一服务器120典型地为由互联网服务提供商(ISP)或互联网内容提供商(ICP)部署的(多个)后台服务器,其上可以运行有后台应用(未示出),该后台应用与第一客户端设备110上的客户端界面114和驻留在第二服务器140上的后台应用进行交互。根据一些实施例,通过该交互可以实现人工智能生产线的上载、存储与分发。生产者102通过在客户端界面114中结合DSL 116和生产线创建器118等进行操作可以创建第1人工智能生产线122至第N人工智能生产线124。通过网络150,该第1人工智能生产线122至第N人工智能生产线124可以从第一客户端设备110上载到第一服务器120,并存储于第一服务器120中。在这样的实施例中,第1人工智能生产线122至第N人工智能生产线124可以为用于实现包括但不限于图像识别、图像处理、文字识别、语音识别和物体检测等功能的人工智能生产线。如后面将进一步描述的,在本公开的一些实施例中,可以通过在生产线创建器118中编辑DSL代码和/或其他控件来创建人工智能生产线。
第二服务器130同样为由互联网服务提供商(ISP)或互联网内容提供商(ICP)部署的(多个)后台服务器,其与第一服务器120和第二客户端140进行交互。根据一些实施例,在第二服务器130侧部署有人工智能开发平台132、生产线执行器134、标准化平台接口136和第n人工智能生产线138。第n人工智能生产线138可以是第一服务器120中存储的第1人工智能生产线122至第N人工智能生产线124中任意一个。通过该第n人工智能生产线138可以为人工智能开发平台132提供附加的定制化人工智能开发功能。第一服务器120和第二服务器140典型地具有大量计算和存储资源,但是其他实施例也是可能的。
第二客户端140包括第二显示屏142和可经由第二显示屏142显示的网络浏览器144。如后面将描述的,消费者104通过网络浏览器144可以访问部署在第二服务器130侧的人工智能开发平台132和第n人工智能生产线138。第二客户端140可以与第一客户端110一样是任何类型的移动计算设备,也可以是固定式计算设备,这里不再详细描述。
第一客户端设备110、第一服务器120、第二服务器130和第二客户端设备140中的每一个可以包括能够通过网络150进行通信的至少一个通信接口(未示出)。这样的通信接口可以是以下各项中的一个或多个:任何类型的网络接口(例如,网络接口卡(NIC))、有线或无线(诸如IEEE 802.11无线LAN(WLAN))无线接口、全球微波接入互操作(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、BluetoothTM接口、近场通信(NFC)接口等。通信接口的另外的示例在本文其他地方描述。
网络150的示例包括局域网(LAN)、广域网(WAN)、个域网(PAN)、和/或诸如因特网之类的通信网络的组合。
在实施例中,图1的系统100可以以各种方式配置,并且可以以各种方式操作,以使得能够应用根据本公开所述的装置和方法。例如,图2示出了根据本公开的示例性实施例的用于利用人工智能开发平台执行定制化生产线的装置200的结构框图。在图2中,定制化生产线202为不同于人工智能开发平台的预定义开发流程的附加开发流程,所述附加开发流程由文件集合2022定义。在该实施例中,系统100可以根据装置200来进行配置。
参考图2,装置200包括生产线执行器204和标准化平台接口206。生产线执行器204被配置成基于文件集合2022生成人工智能开发平台208的原生表单,所述原生表单用于发送给接入人工智能开发平台208的客户端以供呈现人工智能开发平台208的原生交互页面。标准化平台接口206被配置成提供生产线执行器204与人工智能开发平台208之间的交互通道。生产线执行器204还被配置成通过执行文件集合2022中定义的与原生交互页面上的操作事件对应的处理逻辑来生成中间结果,并且通过经由标准化平台接口206与人工智能开发平台208进行交互来处理中间结果,从而执行附加开发流程。
根据本公开的一些实施例,定义定制化生产线202中的每一个定制化生产线的文件集合2022包括领域特定语言代码20222、资源文件20224和平台环境配置文件20226。领域特定语言代码20222包括利用领域特定语言描述的用于实现附加开发流程的处理逻辑的代码。例如,领域特定语言可以为基于普通跨领域的通用编程语言(GPL)(例如C语言、C++语言、Java语言和Python等)而扩展并在运行时需要额外封装的内部领域特定语言或独立的外部领域特定语言(例如,JSX语言等)。资源文件20224包括呈现原生交互页面所需要的样式表和图片。例如,资源文件20224可以静态地修改或修饰原生交互页面,也可以结合脚本语言对原生交互页面中各元素进行格式化。平台环境配置文件20226包括特定于所述附加开发流程的针对人工智能开发平台208的配置参数,例如,数据存储路径和模型获取路径等。
根据本公开的一些实施例,领域特定语言代码20222包括用于执行以下操作中的至少一项的代码逻辑:表单控件事件响应、多来源训练数据处理以及多模型融合计算。例如,消费者在网络浏览器上通过对表单控件的操作(例如,在文本框中输入用户基本信息、在密码框中输入密码,点击提交按钮或清除按钮分别提交或清除表单上的信息等)可以执行对表单的填写和提交等操作。响应于上述操作,通过执行领域特定语言代码中相对应的代码可以实现与上述操作相对应的功能。例如,在上述对零售的货架商品进行巡检的场景中,通过领域特定语言代码可以实现检测模型和识别模型两个模型的串联执行。
虽然此处描述了领域特定语言代码包括与表单控件事件响应、多来源训练数据处理以及多模型融合计算三种操作相对应的代码逻辑,但应当理解,领域特定语言代码还可以包括其他任何与人工智能生产线相关的代码逻辑,例如,用于实现模型效果评估、校验模型等功能的代码逻辑。
图3示出了根据本公开的示例性实施例的、图2的装置200中的生产线执行器204生成人工智能开发平台的原生表单、生成中间结果以及处理中间结果的整体流程图。
参考图3,生产线执行器被配置成执行以下操作:响应于接收到来自第二客户端的请求而启动(301)生产线执行器并加载(302)平台环境配置文件,以按照平台环境配置文件中包括的配置参数来配置人工智能开发平台;确定(303)平台环境配置文件是否加载成功;响应于确定平台环境配置文件被加载成功,通过加载资源文件来生成(304)人工智能开发平台的原生表单;在资源文件被成功加载生成原生表单之后,生成(305)中间结果;对生成的中间结果进行处理(306);确定(307)特定领域语言代码是否执行完成;以及响应于确定特定领域语言代码执行完成退出(308)生产线执行器或响应于确定特定领域语言代码未执行完成而重复执行操作304-306。
根据本公开的一些实施例,来自第二客户端140的请求例如可以是消费者104通过网络浏览器144输入某个URL地址或点击人工智能开发平台132的页面上的某个选项以执行第二服务器130(具体地,人工智能开发平台132)上新增的定制化人工智能生产线138的请求。执行该定制化人工智能生产线138可以以其下载安装完毕为基础。在示例中,定制化人工智能生产线138可以通过两种途径下载安装以供后续执行:消费者104通过网络浏览器144访问第二服务器130上的人工智能开发平台132,并点击与定制化人工智能生产线138相关联的例如下载选项按钮或安装选项按钮来实现下载安装;或者消费者104可以从例如应用商店中直接下载安装。在接收到请求执行定制化人工智能生产线138之后,生产线执行器134启动(301)并加载(302)平台环境配置文件。如果加载成功,则可以执行后续操作以生成原生表单,发送给第二客户端140以呈现人工智能开发平台132的原生交互页面。在一些示例中,在图1的上下文中,在资源文件被成功加载生成原生表单之后,所生成的原生表单可以通过例如驻留在第二服务器130上的Web服务器(例如,Nginx,图1中未示出)发送到接入人工智能开发平台132的第二客户端140,从而在第二客户端140上呈现对于人工智能开发平台132原生的交互页面。客户端的消费者104可以在该原生交互页面上进行操作,例如填写表单,并且将填写完的表单提交至Web服务器。如果由于平台环境配置文件缺失或损坏等原因造成无法加载,则退出生产线执行器134,此时消费者104无法使用定制化的生产线138,在人工智能开发平台132所对应的界面中可能显示一个出错页面。
根据本公开的另一些实施例,生产线执行器被配置成响应于确定平台环境配置文件被加载成功而通过加载资源文件来生成(304)人工智能开发平台的原生表单。这可以包括执行以下操作:加载(3044)资源文件以及确定(3046)资源文件是否加载成功。
根据本公开的另一些实施例,生产线执行器被配置成在资源文件被成功加载生成(305)原生表单之后生成中间结果。这可以包括执行以下操作:
监听(3052)来自第二客户端的原生交互页面上的操作事件。例如,消费者通过网络浏览器访问某一原生交互页面,在文本框中输入基本信息、在搜索框中输入希望获取的信息、点击页面上的某个链接、以及点击提交按钮提交数据集等都有与之对应的操作事件发生。在一些示例中,通过利用例如Nginx(engine X)的Web服务器可以检测客户端的原生交互页面上是否有操作事件发生。生产线执行器与该Web服务器之间可以存在不同于标准化平台接口的通信接口,当Web服务器检测到原生交互页面上发生了操作事件时可以通过该通信接口将操作事件发送到生产线执行器。因此,生产线执行器能够监听来自第二客户端的原生交互页面上的操作事件。
确定(3054)监听到的操作事件是否为表单提交事件,其中表单提交事件表明已经从第二客户端收集到原生交互页面上的必填项数据。可选地,生产线执行器可以验证填写的数据路径是否合法,格式是否正确等。从Web服务器接收的操作事件包括表单提交事件和非表单提交事件。表单提交事件是指表单中的例如确定、提交等按钮被点击时发生的事件。通过例如Form、jQuery、Ajax等提交的表单可以包括例如消费者的与场景需求相关的场景数据集等必填项数据。非表单提交事件是指除表单提交事件之外的其他事件,例如鼠标单击事件、在对象失去焦点时(例如,鼠标离开输入框)发生的事件、在对象获得焦点时(例如,鼠标置于输入框)发生的事件、在对象的值发生改变时发生的事件等。
响应于确定操作事件为表单提交事件,利用必填项数据执行(3056)文件集合中定义的与表单提交事件相对应的处理逻辑。例如,当通过表单提交事件已经搜集到消费者提交的数据集时,可以执行相对应的逻辑以根据搜集到的数据集进行相应的模型训练,以用于生成定制化训练模型。当确定操作事件为非表单提交事件时,表示对于该表单的操作尚未结束,未搜集到与消费者相关的数据集。此时,执行所述文件集合中定义的与该非表单提交事件相对应的处理逻辑,例如在对象获得焦点时执行处理逻辑使其背景颜色改变、在对象的值发生改变时执行处理逻辑使其转换为大写等。然后,继续监听操作事件,直到所监听的操作事件为表单提交事件为止。
通过上述操作,可以为消费者提供原生表单的交互体验,消费者通过原生表单可以输入与自身场景需求相关的包括数据集的各类信息。
根据本公开的另一些实施例,生产线执行器被配置成对生成的中间结果进行处理(306)。这可以包括在执行与表单提交事件相对应的处理逻辑的操作完成之后执行以下操作:存储(3062)中间结果。中间结果可以包括在执行与表单提交事件相对应的处理逻辑时生成的例如数据集、训练模型的中间结果(例如,Artifact),也可以包括描述数据属性的元数据,例如数据集的物理位置、数据集的名称、字段以及数据访问日志等。通过标准化平台接口将中间结果发送(3064)至人工智能开发平台以供进一步处理。
下面将结合实施例进一步说明如何利用标准化平台接口实现生产线执行器与人工智能开发平台之间包括将中间结果发送至人工智能开发平台的交互。
根据本公开的一些实施例,标准化平台接口包括数据类接口,用于生产线执行器对人工智能开发平台进行训练数据集的读写操作;模型类接口,用于生产线执行器对人工智能开发平台进行人工智能模型的读写操作;配置类接口,用于生产线执行器对人工智能开发平台进行配置变量的读写操作;以及状态类接口,用于生产线执行器对人工智能开发平台进行任务状态的读写操作。通过这些接口可以实现生产线执行器与人工能开发平台之间的交互。
如下表1所示,每种类型的接口都包括进行读操作的接口,如GetDataSet、GetModel、GetTaskStatus和GetConfig以及进行写操作的接口,如SetDataSet、SetModel、SetTaskStatus和SetConfig。通过调用与读操作的接口对应的函数,生产线执行器可以例如读取来自人工智能开发平台侧的训练数据集、人工智能模型、平台配置变量以及平台的任务状态。通过调用与写操作的接口对应的函数,生产线执行器可以例如将来自定制化生产线的中间结果发送到人工智能开发平台,避免了直接对人工智能开发平台的数据集产生侵入式操作。
当调用与接口名对应的函数时,每当给定规定的输入参数,会得到规定的返回结构,从而得到相应的数据、模型、配置、状态等的相关信息。以数据类接口的读操作为例,输入参数包括指示选定的人工智能开发平台的参数UserID、指示生产线执行器是否有权限调用标准化平台接口以访问选定的人工智能开发平台的参数Token:{AK:String;SK:String}以及指示生产线执行器访问的数据集的参数DSID(DataSetID),返回结构包括指示错误代码的结果ErrID(ErrorID)、指示错误信息的结果ErrMsg(ErrorMessage)、指示数据集存储路径的结果DSPath(DataSetPath)、指示元数据存储路径的结果DSMetaPath(DataSetMetadataPath)以及指示数据集类型的结果DSType(DataSetType)。
表1
标准化平台接口可以采用各种基于特定协议的接口实现。根据本公开的一些实施例,标准化平台接口可以采用Restful应用编程接口(API)实现。在一些示例中,标准化平台接口可以支持基于HTTP协议的通信。
通过上面描述的标准化平台接口可以提供一致化的标准执行环境和服务接口,从而使得创建的定制化生产线能够实现一处创建多处(在多个不同的人工智能开发平台上)运行,便于在同类场景中复用,而无需投入额外的研发人力进行建设或修改适配。
需要说明的是,根据本公开的标准化平台接口可以执行定制化生产线过程中涉及到的包括数据处理、模型训练、服务部署等任何关键环节的服务接口,包括但不限于上述四种接口类型。另外,根据本公开的标准化平台接口也可以采用其他基于特定协议的接口来实现,例如RPC接口等。
图4示出了根据本公开的另一示例性实施例的用于利用人工智能开发平台执行定制化生产线的装置400的结构框图。与图2中相似的附图标记指示相同的元件。
在该实施例中,与图2的装置200相比,装置400还包括生产线创建器410。生产线创建器410被配置成生成用于编辑、预览和调试定制化生产线的交互式开发界面,以供创建定制化生产线。在一些示例中,该生产线创建器410可以基于开源的例如Jupyter的集成开发环境实现,其界面可以复用JupyterLab的界面,并且以插件的形式加载到JupyterLab中。
图5示出了生产线创建器410的示例交互式开发界面。为了说明的目的,下面将结合图4与图5进一步描述装置400中的生产线创建器410。
参考图5,生产线创建器410的交互式开发界面512包括控件区5122、工作区5124和固定配置区5126。控件区5122用于编辑所述原生表单的多个控件,该多个控件可以是采用标准规范(例如,HTML5)定义的Web控件。工作区5124包括用于编辑描述所述附加开发流程的处理逻辑的代码的代码区51242以及用于预览所述定制化生产线的预览区51244。在一些示例中,代码区51242可以利用例如开源语言服务器协定(LSP)实现对例如python代码的语法高亮和自动补齐等功能,预览区51244可以利用例如HTML5的Canvas画布进行渲染,以生成预览。固定配置区5126用于通过例如标准的Web表单控件来实现对应用于所述人工智能开发平台的配置参数的编辑。
通过生产线创建器中上述三个区域的共同协作,生产者不仅可以直接在该交互式开发界面中编写代码和运行代码,还可以在同一界面中显示代码运行结果,也可以对定制化生产线进行可视化拖拽创建。由此,避免了编写代码与预览代码运行效果在多个界面所带来的操作不便,加快了定制化生产线的调试过程,为生产者提供了良好的用户体验。
根据一些实施例,参考图1,生产线创建器118可以被配置成部署在第一客户端110侧,并且生产线执行器134和标准化平台接口136被配置成与生产线创建器部署在不同侧,而与人工智能开发平台132一起部署在服务器侧,在这种情况下,生产线创建器以独立的形式(例如,第一客户端110侧的软件工具)存在。在这样的实施例中,生产线创建器可以被实现为驻留在第一客户端110侧的本地,或者被实现为驻留在可经由第一客户端110访问的云平台上。根据另一些实施例,生产线创建器、生产线执行器和标准化平台接口可以被配置成与人工智能开发平台一起部署在服务器侧,在这种情况下,生产线创建器以非独立的形式作为人工智能开发平台对消费者开放的一个功能存在。
需要说明的是,在图4所示的装置400中,除生产线创建器410外,其他组件和/或模块,例如定制化生产线402、生产线执行器404、标准化平台接口406以及人工智能开发平台408所执行的操作与结合图2描述的相对应的组件和/或模块所执行的操作相同或相似,在此不再详细描述。
另外,虽然上面参考特定模块讨论了特定功能,但是应当注意,本文讨论的各个模块的功能可以分为多个模块,和/或多个模块的至少一些功能可以组合成单个模块。本文讨论的特定模块执行动作包括该特定模块本身执行该动作,或者替换地该特定模块调用或以其他方式访问执行该动作(或结合该特定模块一起执行该动作)的另一个组件或模块。因此,执行动作的特定模块可以包括执行动作的该特定模块本身和/或该特定模块调用或以其他方式访问的、执行动作的另一模块。例如,上面描述的生产线创建器204和人工智能开发平台208在一些实施例中可以组合成单个模块。
更一般地,本文可以在软件硬件元件或程序模块的一般上下文中描述各种技术。上面关于图2-5描述的各个模块可以在硬件中或在结合软件和/或固件的硬件中实现。例如,这些模块可以被实现为计算机程序代码/指令,该计算机程序代码/指令被配置为在一个或多个处理器中执行并存储在计算机可读存储介质中。可替换地,这些模块可以被实现为硬件逻辑/电路。例如,在一些实施例中,生产线创建器410、生产线执行器404和人工智能开发平台408中的一个或多个可以一起被实现在片上系统(SoC)中。SoC可以包括集成电路芯片(其包括处理器(例如,中央处理单元(CPU)、微控制器、微处理器、数字信号处理器(DSP)等)、存储器、一个或多个通信接口、和/或其他电路中的一个或多个部件),并且可以可选地执行所接收的程序代码和/或包括嵌入式固件以执行功能。
图6示出了根据本公开的示例性实施例的用于为人工智能开发平台实现定制化生产线的方法600的结构框图。
在步骤602中,提供生产线执行器。所述生产线执行器用于基于文件集合生成人工智能开发平台的原生表单,所述原生表单用于发送给接入人工智能开发平台的客户端以供呈现人工智能开发平台的原生交互页面。
在步骤604中,提供标准化平台接口。所述标准化平台接口用于提供生产线执行器与人工智能开发平台之间的交互通道。
生产线执行器还用于通过文件集合中定义的与原生交互页面上的操作事件对应的处理逻辑来生成中间结果,并且通过经由标准化平台接口与人工智能开发平台进行交互来处理中间结果,从而执行附加开发流程。
可选地,方法600还可以包括步骤606。在步骤606中,提供生产线创建器。所述生产线创建器用于生成用于编辑、预览和调试定制化生产线的交互式开发界面,以供创建定制化生产线。创建的定制化生产线可以以压缩包和/或镜像文件的格式存储和分发。
根据本公开的另一方面,还提供一种计算设备,可以包括:处理器;以及存储器,其上存储有指令,所述指令在由所述处理器执行时用于实现根据上述装置200或400中的组件和/或模块的功能。
根据本公开的又一方面,还提供一种存储有指令的计算机可读存储介质,所述指令在由处理器执行时用于实现根据上述装置200或400中的组件和/或模块的功能。
下面结合图7来描述这样的计算设备和计算机可读存储介质的示例。图7示出了能够应用于实现示例性实施例的示例性计算设备700。
计算设备700可以是各种不同类型的设备,例如服务提供商的服务器、与客户端(例如,客户端设备)相关联的设备、片上系统、和/或任何其它合适的计算设备或计算系统。计算设备700的示例包括但不限于:台式计算机、服务器计算机、笔记本电脑或上网本计算机、移动设备(例如,平板电脑或者phablet设备、蜂窝或其他无线电话(例如,智能电话)、记事本计算机、移动台)、可穿戴设备(例如,眼镜、手表)、娱乐设备(例如,娱乐器具、通信地耦合到显示设备的机顶盒、游戏机)、电视或其他显示设备、汽车计算机等等。因此,计算设备700的范围可以从具有大量存储器和处理器资源的全资源设备(例如,个人计算机、游戏控制台)到具有有限的存储器和/或处理资源的低资源设备(例如,传统的机顶盒、手持游戏控制台)。
计算设备700可以包括能够诸如通过系统总线714或其他适当的连接彼此通信的至少一个处理器702、存储器704、(多个)通信接口706、显示设备708、其他输入/输出(I/O)设备710以及一个或更多大容量存储设备712。
处理器702可以是单个处理单元或多个处理单元,所有处理单元可以包括单个或多个计算单元或者多个核心。处理器702可以被实施成一个或更多微处理器、微型计算机、微控制器、数字信号处理器、中央处理单元、状态机、逻辑电路和/或基于操作指令来操纵信号的任何设备。除了其他能力之外,处理器702可以被配置成获取并且执行存储在存储器704、大容量存储设备712或者其他计算机可读介质中的计算机可读指令,诸如操作系统716的程序代码、应用程序718的程序代码、其他程序720的程序代码等。
存储器704和大容量存储设备712是用于存储指令的计算机存储介质的示例,所述指令由处理器702执行来实施前面所描述的各种功能。举例来说,存储器704一般可以包括易失性存储器和非易失性存储器二者(例如RAM、ROM等等)。此外,大容量存储设备712一般可以包括硬盘驱动器、固态驱动器、可移除介质、包括外部和可移除驱动器、存储器卡、闪存、软盘、光盘(例如CD、DVD)、存储阵列、网络附属存储、存储区域网等等。存储器704和大容量存储设备712在本文中都可以被统称为存储器或计算机存储介质,并且可以是能够把计算机可读、处理器可执行程序指令存储为计算机程序代码的非瞬时性介质,所述计算机程序代码可以由处理器702作为被配置成实施在本文的示例中所描述的操作和功能的特定机器来执行。
多个程序模块可以存储在大容量存储设备712上。这些程序包括操作系统716、一个或多个应用程序718、其他程序720和程序数据722,并且它们可以被加载到存储器704以供执行。这样的应用程序或程序模块的示例可以包括例如用于实现以下组件/功能的计算机程序逻辑(例如,计算机程序代码或指令):定制化生产线402、生产线执行器404、标准化平台接口406、人工智能开发平台408、生产线创建器410、方法600(包括方法600的任何适合的步骤)和/或本文描述的另外的实施例。
虽然在图7中被图示成存储在计算设备700的存储器704中,但是模块716、718、720和722或者其部分可以使用可由计算设备700访问的任何形式的计算机可读介质来实施。如本文所使用的,“计算机可读介质”至少包括两种类型的计算机可读介质,也就是计算机存储介质和通信介质。
计算机存储介质包括通过用于存储信息的任何方法或技术实施的易失性和非易失性、可移除和不可移除介质,所述信息诸如是计算机可读指令、数据结构、程序模块或者其他数据。计算机存储介质包括而不限于RAM、ROM、EEPROM、闪存或其他存储器技术,CD-ROM、数字通用盘(DVD)、或其他光学存储装置,磁盒、磁带、磁盘存储装置或其他磁性存储设备,或者可以被用来存储信息以供计算设备访问的任何其他非传送介质。
与此相对,通信介质可以在诸如载波或其他传送机制之类的已调数据信号中具体实现计算机可读指令、数据结构、程序模块或其他数据。本文所定义的计算机存储介质不包括通信介质。
计算设备700还可以包括一个或更多通信接口706,以用于诸如通过网络、直接连接等等与其他设备交换数据,正如前面所讨论的那样。这样的通信接口可以是以下各项中的一个或多个:任何类型的网络接口(例如,网络接口卡(NIC))、有线或无线(诸如IEEE802.11无线LAN(WLAN))无线接口、全球微波接入互操作(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、BluetoothTM接口、近场通信(NFC)接口等。通信接口706可以促进在多种网络和协议类型内的通信,其中包括有线网络(例如LAN、电缆等等)和无线网络(例如WLAN、蜂窝、卫星等等)、因特网等等。通信接口706还可以提供与诸如存储阵列、网络附属存储、存储区域网等等中的外部存储装置(未示出)的通信。
在一些示例中,可以包括诸如监视器之类的显示设备708,以用于向用户显示信息和图像。其他I/O设备710可以是接收来自用户的各种输入并且向用户提供各种输出的设备,并且可以包括触摸输入设备、手势输入设备、摄影机、键盘、遥控器、鼠标、打印机、音频输入/输出设备等等。
虽然在附图和和前面的描述中已经详细地说明和描述了本公开,但是这样的说明和描述应当被认为是说明性的和示意性的,而非限制性的;本公开不限于所公开的实施例。通过研究附图、公开内容和所附的权利要求书,本领域技术人员在实践所要求保护的主题时,能够理解和实现对于所公开的实施例的变型。在权利要求书中,词语“包括”不排除未列出的其他元件或步骤,不定冠词“一”或“一个”不排除多个,并且术语“多个”是指两个或两个以上。在相互不同的从属权利要求中记载了某些措施的仅有事实并不表明这些措施的组合不能用来获益。
Claims (20)
1.一种用于利用人工智能开发平台执行定制化生产线的装置,其中所述定制化生产线为不同于所述人工智能开发平台的预定义开发流程的附加开发流程,所述附加开发流程由文件集合定义,所述装置包括:
生产线执行器,被配置成基于所述文件集合生成所述人工智能开发平台的原生表单,所述原生表单用于发送给接入所述人工智能开发平台的客户端以供呈现所述人工智能开发平台的原生交互页面;以及
标准化平台接口,被配置成提供所述生产线执行器与所述人工智能开发平台之间的交互通道,
其中,所述生产线执行器还被配置成通过执行所述文件集合中定义的与所述原生交互页面上的操作事件对应的处理逻辑来生成中间结果,并且通过经由所述标准化平台接口与所述人工智能开发平台进行交互来处理所述中间结果,从而执行所述附加开发流程。
2.如权利要求1所述的装置,其中,所述文件集合包括:
领域特定语言代码,包括利用领域特定语言描述的用于实现所述附加开发流程的处理逻辑的代码;
资源文件,包括呈现所述原生交互页面所需要的样式表和图片;以及
平台环境配置文件,包括特定于所述附加开发流程的针对所述人工智能开发平台的配置参数。
3.如权利要求2所述的装置,其中,所述用于实现所述附加开发流程的处理逻辑的代码包括用于执行以下操作中的至少一项的代码逻辑:表单控件事件响应、多来源训练数据处理和多模型融合计算。
4.如权利要求2所述的装置,其中,所述生产线执行器还被配置成响应于接收到来自所述客户端的请求,加载所述平台环境配置文件,以按照所述配置参数来配置所述人工智能开发平台。
5.如权利要求4所述的装置,其中,所述生产线执行器被配置成在所述平台环境配置文件被成功加载之后,通过加载所述资源文件来生成所述原生表单。
6.如权利要求5所述的装置,其中,所述生产线执行器被配置成在所述资源文件被成功加载之后,执行以下操作以生成所述中间结果:
监听来自所述客户端的所述原生交互页面上的操作事件;
确定监听到的操作事件是否为表单提交事件,其中所述表单提交事件表明已经从所述客户端收集到所述原生交互页面上的必填项数据;以及
响应于确定所述操作事件为表单提交事件,利用所述必填项数据执行所述文件集合中定义的与所述表单提交事件相对应的处理逻辑。
7.如权利要求6所述的装置,其中,所述生产线执行器被配置成在执行与所述表单提交事件相对应的处理逻辑的操作完成之后,执行以下操作以处理所述中间结果:
存储所述中间结果;以及
通过所述标准化平台接口将所述中间结果发送至所述人工智能开发平台。
8.如权利要求1至7中任一项所述的装置,其中,所述标准化平台接口包括:
数据类接口,用于所述生产线执行器对所述人工智能开发平台进行训练数据集的读写操作;
模型类接口,用于所述生产线执行器对所述人工智能开发平台进行人工智能模型的读写操作;
配置类接口,用于所述生产线执行器对所述人工智能开发平台进行配置变量的读写操作;以及
状态类接口,用于所述生产线执行器对所述人工智能开发平台进行任务状态的读写操作。
9.如权利要求8所述的装置,其中,所述标准化平台接口通过Restful应用编程接口实现。
10.如权利要求1至7中任一项所述的装置,还包括:
生产线创建器,被配置成生成用于编辑、预览和调试所述定制化生产线的交互式开发界面,以供创建所述定制化生产线。
11.如权利要求10所述的装置,其中,所述交互式开发界面包括:
控件区,用于编辑所述原生表单的多个控件;
工作区,包括用于编辑描述所述附加开发流程的处理逻辑的代码的代码区以及用于预览所述定制化生产线的预览区;以及
固定配置区,用于编辑应用于所述人工智能开发平台的配置参数。
12.如权利要求10所述的装置,其中,所述生产线创建器被配置成部署在客户端侧,并且所述生产线执行器和所述标准化平台接口被配置成与所述人工智能开发平台一起部署在服务器侧。
13.如权利要求10中任一项所述的装置,其中,所述生产线创建器、所述生产线执行器和所述标准化平台接口被配置成与所述人工智能开发平台一起部署在服务器侧。
14.一种用于利用人工智能开发平台执行定制化生产线的方法,其中所述定制化生产线为不同于所述人工智能开发平台的预定义开发流程的附加开发流程,所述附加开发流程由文件集合定义,所述方法包括:
提供生产线执行器,所述生产线执行器用于基于所述文件集合生成所述人工智能开发平台的原生表单,所述原生表单用于发送给接入所述人工智能开发平台的客户端以供呈现所述人工智能开发平台的原生交互页面;以及
提供标准化平台接口,所述标准化平台接口用于提供所述生产线执行器与所述人工智能开发平台之间的交互通道,
其中,所述生产线执行器还用于通过执行所述文件集合中定义的与所述原生交互页面上的操作事件对应的处理逻辑来生成中间结果,并且通过经由所述标准化平台接口与所述人工智能开发平台进行交互来处理所述中间结果,从而执行所述附加开发流程。
15.如权利要求14所述的方法,还包括:
提供生产线创建器,所述生产线创建器用于生成用于编辑、预览和调试所述定制化生产线的交互式开发界面,以供创建所述定制化生产线。
16.如权利要求14所述的方法,还包括:
以压缩包和/或镜像文件的格式存储和分发所创建的定制化生产线。
17.一种计算设备,用于利用人工智能开发平台执行定制化生产线,其中所述定制化生产线为不同于所述人工智能开发平台的预定义开发流程的附加开发流程,所述附加开发流程由文件集合定义,所述计算设备包括:
处理器;以及
存储器,其上存储有指令,所述指令可由所述处理器执行以用于:
实现生产线执行器,所述生产线执行器用于基于所述文件集合生成所述人工智能开发平台的原生表单,所述原生表单用于发送给接入所述人工智能开发平台的客户端以供呈现所述人工智能开发平台的原生交互页面;以及
实现标准化平台接口,所述标准化平台接口用于提供所述生产线执行器与所述人工智能开发平台之间的交互通道,
其中,所述生产线执行器还用于通过执行所述文件集合中定义的与所述原生交互页面上的操作事件对应的处理逻辑来生成中间结果,并且通过经由所述标准化平台接口与所述人工智能开发平台进行交互来处理所述中间结果,从而执行所述附加开发流程。
18.如权利要求17所述的计算设备,其中所述指令可由所述处理器执行以用于实现生产线创建器,所述生产线创建器用于生成用于编辑、预览和调试所述定制化生产线的交互式开发界面,以供创建所述定制化生产线。
19.一种计算机可读存储介质,用于利用人工智能开发平台执行定制化生产线,其中所述定制化生产线为不同于所述人工智能开发平台的预定义开发流程的附加开发流程,所述附加开发流程由文件集合定义,所述计算机可读存储介质上存储有指令,所述指令可由处理器执行以用于:
实现生产线执行器,所述生产线执行器用于基于所述文件集合生成所述人工智能开发平台的原生表单,所述原生表单用于发送给接入所述人工智能开发平台的客户端以供呈现所述人工智能开发平台的原生交互页面;以及
实现标准化平台接口,所述标准化平台接口用于提供所述生产线执行器与所述人工智能开发平台之间的交互通道,
其中,所述生产线执行器还用于通过执行所述文件集合中定义的与所述原生交互页面上的操作事件对应的处理逻辑来生成中间结果,并且通过经由所述标准化平台接口与所述人工智能开发平台进行交互来处理所述中间结果,从而执行所述附加开发流程。
20.如权利要求19所述的计算机可读存储介质,其中所述指令可由所述处理器执行以用于实现生产线创建器,所述生产线创建器用于生成用于编辑、预览和调试所述定制化生产线的交互式开发界面,以供创建所述定制化生产线建。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010621819.5A CN111782184B (zh) | 2020-06-30 | 2020-06-30 | 执行定制化人工智能生产线的装置和方法、设备和介质 |
US17/627,090 US11954011B2 (en) | 2020-06-30 | 2020-10-28 | Apparatus and method for executing customized artificial intelligence production line |
JP2021571597A JP7280388B2 (ja) | 2020-06-30 | 2020-10-28 | カスタマイズされた人工知能生産ラインを実行する装置及び方法、機器及び媒体 |
PCT/CN2020/124460 WO2022000888A1 (zh) | 2020-06-30 | 2020-10-28 | 执行定制化人工智能生产线的装置和方法、设备和介质 |
EP20938507.9A EP3968145A4 (en) | 2020-06-30 | 2020-10-28 | DEVICE AND METHOD FOR EXECUTING A SPECIFIC ARTIFICIAL INTELLIGENCE PRODUCTION LINE AND DEVICE AND MEDIUM |
KR1020217037543A KR20210147074A (ko) | 2020-06-30 | 2020-10-28 | 맞춤형 인공 지능 생산 라인을 실행하기 위한 장치, 방법, 기기 및 매체 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010621819.5A CN111782184B (zh) | 2020-06-30 | 2020-06-30 | 执行定制化人工智能生产线的装置和方法、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111782184A true CN111782184A (zh) | 2020-10-16 |
CN111782184B CN111782184B (zh) | 2022-01-07 |
Family
ID=72760520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010621819.5A Active CN111782184B (zh) | 2020-06-30 | 2020-06-30 | 执行定制化人工智能生产线的装置和方法、设备和介质 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11954011B2 (zh) |
EP (1) | EP3968145A4 (zh) |
JP (1) | JP7280388B2 (zh) |
KR (1) | KR20210147074A (zh) |
CN (1) | CN111782184B (zh) |
WO (1) | WO2022000888A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113298487A (zh) * | 2021-04-25 | 2021-08-24 | 蒲惠智造科技有限公司 | 一种基于云端大数据平台的智能制造执行进程管理系统和方法 |
WO2022000888A1 (zh) * | 2020-06-30 | 2022-01-06 | 北京百度网讯科技有限公司 | 执行定制化人工智能生产线的装置和方法、设备和介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102656090B1 (ko) * | 2021-12-29 | 2024-04-11 | 주식회사 커넥트시스템 | 인공지능 모델 통합 관리 및 배포 시스템과 그 방법 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10105410A (ja) * | 1996-03-25 | 1998-04-24 | Sun Microsyst Inc | インターネット−イネーブル型ポートフォリオ・マネージャ・システム及び方法 |
CN106959851A (zh) * | 2017-03-03 | 2017-07-18 | 同济大学 | 一种面向人工智能研究的模块化可编程分布式交互系统 |
CN107807814A (zh) * | 2017-09-27 | 2018-03-16 | 百度在线网络技术(北京)有限公司 | 应用组件的构建方法、装置、设备及计算机可读存储介质 |
CN108874268A (zh) * | 2017-05-09 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 用户行为数据的采集方法及装置 |
CN108876435A (zh) * | 2018-05-25 | 2018-11-23 | 北京百度网讯科技有限公司 | 人工智能平台实现方法、装置、计算机设备及存储介质 |
CN110780861A (zh) * | 2019-09-10 | 2020-02-11 | 广州市金度信息科技有限公司 | 一种基于人工智能应用开发的方法、系统及存储介质 |
CN110795095A (zh) * | 2019-09-20 | 2020-02-14 | 贝壳技术有限公司 | 建立业务逻辑组件与业务组件及生成页面的方法与系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3475887B1 (en) | 2016-08-22 | 2023-07-19 | Oracle International Corporation | System and method for dynamic lineage tracking, reconstruction, and lifecycle management |
JP2019003603A (ja) | 2017-04-10 | 2019-01-10 | 株式会社クロスコンパス | 人工知能モジュール開発方法、人工知能モジュール開発システム及び人工知能モジュール開発統合システム |
CN110209574A (zh) * | 2019-05-14 | 2019-09-06 | 深圳极视角科技有限公司 | 一种基于人工智能的数据开发系统 |
US10832173B1 (en) * | 2019-08-28 | 2020-11-10 | International Business Machines Corporation | Cognitive software development |
US10956833B1 (en) * | 2019-10-08 | 2021-03-23 | Wells Fargo Bank, N.A. | AI for evaluation and development of new products and features |
CN110489093A (zh) | 2019-10-16 | 2019-11-22 | 鹏城实验室 | 一种面向ai应用的持续构造方法、装置、终端及存储介质 |
US11748128B2 (en) * | 2019-12-05 | 2023-09-05 | International Business Machines Corporation | Flexible artificial intelligence agent infrastructure for adapting processing of a shell |
US11055093B1 (en) * | 2019-12-23 | 2021-07-06 | Salesforce.Com, Inc. | Methods and systems for automated, intelligent application development by scanning metadata by a plug-in to make recommendations |
CN111782184B (zh) | 2020-06-30 | 2022-01-07 | 北京百度网讯科技有限公司 | 执行定制化人工智能生产线的装置和方法、设备和介质 |
-
2020
- 2020-06-30 CN CN202010621819.5A patent/CN111782184B/zh active Active
- 2020-10-28 KR KR1020217037543A patent/KR20210147074A/ko active Search and Examination
- 2020-10-28 WO PCT/CN2020/124460 patent/WO2022000888A1/zh unknown
- 2020-10-28 EP EP20938507.9A patent/EP3968145A4/en active Pending
- 2020-10-28 US US17/627,090 patent/US11954011B2/en active Active
- 2020-10-28 JP JP2021571597A patent/JP7280388B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10105410A (ja) * | 1996-03-25 | 1998-04-24 | Sun Microsyst Inc | インターネット−イネーブル型ポートフォリオ・マネージャ・システム及び方法 |
CN106959851A (zh) * | 2017-03-03 | 2017-07-18 | 同济大学 | 一种面向人工智能研究的模块化可编程分布式交互系统 |
CN108874268A (zh) * | 2017-05-09 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 用户行为数据的采集方法及装置 |
CN107807814A (zh) * | 2017-09-27 | 2018-03-16 | 百度在线网络技术(北京)有限公司 | 应用组件的构建方法、装置、设备及计算机可读存储介质 |
CN108876435A (zh) * | 2018-05-25 | 2018-11-23 | 北京百度网讯科技有限公司 | 人工智能平台实现方法、装置、计算机设备及存储介质 |
CN110780861A (zh) * | 2019-09-10 | 2020-02-11 | 广州市金度信息科技有限公司 | 一种基于人工智能应用开发的方法、系统及存储介质 |
CN110795095A (zh) * | 2019-09-20 | 2020-02-14 | 贝壳技术有限公司 | 建立业务逻辑组件与业务组件及生成页面的方法与系统 |
Non-Patent Citations (1)
Title |
---|
WEIXIN_33895016: "阿里云机器学习平台使用——协同过滤推荐算法快速应用", 《CSDN HTTPS://BLOG.CSDN.NET/WEIXIN_33895016/ARTICLE/DETAILS/90657741》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022000888A1 (zh) * | 2020-06-30 | 2022-01-06 | 北京百度网讯科技有限公司 | 执行定制化人工智能生产线的装置和方法、设备和介质 |
US11954011B2 (en) | 2020-06-30 | 2024-04-09 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Apparatus and method for executing customized artificial intelligence production line |
CN113298487A (zh) * | 2021-04-25 | 2021-08-24 | 蒲惠智造科技有限公司 | 一种基于云端大数据平台的智能制造执行进程管理系统和方法 |
CN113298487B (zh) * | 2021-04-25 | 2023-03-24 | 蒲惠智造科技股份有限公司 | 一种基于云端大数据平台的智能制造执行进程管理系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3968145A1 (en) | 2022-03-16 |
EP3968145A4 (en) | 2022-09-28 |
WO2022000888A1 (zh) | 2022-01-06 |
JP7280388B2 (ja) | 2023-05-23 |
JP2022541986A (ja) | 2022-09-29 |
KR20210147074A (ko) | 2021-12-06 |
US20220253372A1 (en) | 2022-08-11 |
US11954011B2 (en) | 2024-04-09 |
CN111782184B (zh) | 2022-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10705942B1 (en) | Simulated testing of API | |
CN111782184B (zh) | 执行定制化人工智能生产线的装置和方法、设备和介质 | |
EP3011442B1 (en) | Method and apparatus for customized software development kit (sdk) generation | |
US20180143950A1 (en) | Interactive communication via online video systems | |
CN108153551B (zh) | 一种业务流程页面的展现方法和装置 | |
US20130272679A1 (en) | Video Generator System | |
US11635974B2 (en) | Providing a different configuration of added functionality for each of the stages of predeployment, deployment, and post deployment using a layer of abstraction | |
Mullakara et al. | Robotic process automation projects: build real-world RPA solutions using UiPath and automation anywhere | |
CN111428177A (zh) | 用于web内容生成的方法和系统 | |
US11797273B2 (en) | System and method for enhancing component based development models with auto-wiring | |
CN113505082B (zh) | 应用程序测试方法及装置 | |
Rodger | Beginning mobile application development in the cloud | |
US10567472B2 (en) | Manipulation of PDF files using HTML authoring tools | |
CN113296653A (zh) | 一种仿真交互模型构建方法、交互方法及相关设备 | |
US10007554B2 (en) | Task scheduling based on user interaction | |
Khanna et al. | Ionic: Hybrid Mobile App Development | |
Bangera | DevOps for Serverless Applications: Design, deploy, and monitor your serverless applications using DevOps practices | |
KR101987183B1 (ko) | 프론트-앤드 개발을 지원하는 앱 저작 장치, 앱 저작 도구를 사용한 앱 저작 방법 및 앱 개발 서버 | |
Buddha et al. | The Definitive Guide to AWS Application Integration: With Amazon SQS, SNS, SWF and Step Functions | |
US20200293156A1 (en) | Studio builder for interactive media | |
Sreeram | Azure Serverless Computing Cookbook: Build and monitor Azure applications hosted on serverless architecture using Azure functions | |
Saunders | Building cross-platform apps using titanium, alloy, and appcelerator cloud services | |
CN112306324B (zh) | 信息处理方法、装置、设备和介质 | |
Macharla | Android continuous integration: Build-deploy-test automation for Android mobile apps | |
CN111708522B (zh) | 一种视频播放组件开发方法及装置 |
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 |