CN112698827A - 一种分布式可视化建模平台和方法 - Google Patents
一种分布式可视化建模平台和方法 Download PDFInfo
- Publication number
- CN112698827A CN112698827A CN202011564977.8A CN202011564977A CN112698827A CN 112698827 A CN112698827 A CN 112698827A CN 202011564977 A CN202011564977 A CN 202011564977A CN 112698827 A CN112698827 A CN 112698827A
- Authority
- CN
- China
- Prior art keywords
- modeling
- visual
- training
- distributed
- visualization
- 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.)
- Pending
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012549 training Methods 0.000 claims abstract description 115
- 238000004806 packaging method and process Methods 0.000 claims abstract description 9
- 238000012800 visualization Methods 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 abstract description 11
- 230000013016 learning Effects 0.000 abstract description 4
- 238000004891 communication Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000031836 visual learning Effects 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了一种分布式可视化建模平台和方法,该可视化建模平台包括:互相通信连接的可视化编辑模块和资源调度模块,其中,所述可视化编辑模块,用于展示建模工作区、展示建模组件列表、提供建模的可视化工具、定义可视化工具的属性以及接收外部操作指令进行可视化建模,并封装编辑完成的训练模型;所述资源调度模块,用于根据所述可视化编辑模块封装的所述训练模型调用所述可视化建模平台的资源对所述训练模型进行可视化训练。本发明方便用户灵活实现训练构建的实现,具备更广的应用范围,使用简单,降低代码构建学习门槛。
Description
技术领域
本发明涉及模型构建技术领域,特别涉及一种分布式可视化建模平台和方法。
背景技术
随着近年新一波人工智能浪潮的到来,机器学习相关技术被应用到诸多行业和领域。代码构建和训练是机器学习中非常重要的一个环节,机器学习模型应用的成功离不开好的代码流程构建和训练方式,对于代码流程图构建,目前行业大多做法是用编辑器编写代码调试,直至找到流程图为止,训练方式选择单台服务器方式训练。然而这样操作有诸多弊端:第一是门槛高学习成本高,对于一些编程能力不强的人员;第二是训练时间长,随着训练规模扩大复杂,对机器性能和编程能力的要求越来越高;第三是耗费大量的人工成本,而且不够灵活可复用。
为了解决这些弊端,行业出现了单机多卡(单台机器多GPU)的技术和可视化学习(TensorBoard)的技术,在一定程度上实现了提好训练效率的目标。当然,这些方案也存在一些缺点,随着训练模型的复杂,需要更大的batchsize,因为batchsize越大,每次参数更新时保存的梯度矩阵就会越大,有可能会超出GPU的显存,导致要求单台训练服务器性能越发提高,伸缩性和灵活性比较低,部分可视化方案都是以第三方库的形式提供服务,还是没有脱离代码编辑方式,依然无法实现真正意义上的可视化模型构建。
发明内容
为了解决上述技术问题中的至少一个,本公开提供了一种分布式可视化建模平台和方法。
第一方面,本发明提供了一种分布式可视化建模平台,该可视化建模平台包括:互相通信连接的可视化编辑模块和资源调度模块,其中,
所述可视化编辑模块,用于展示建模工作区、展示建模组件列表、提供建模的可视化工具、定义可视化工具的属性以及接收外部操作指令进行可视化建模,并封装编辑完成的训练模型;
所述资源调度模块,用于根据所述可视化编辑模块封装的所述训练模型调用所述可视化建模平台的资源对所述训练模型进行可视化训练。
可选地,该可视化建模平台还包括:可视化语言管理模块,用于提供多种编程语言,以及不同编程语言之间的转换。
可选地,该可视化建模平台还包括:分布式数据处理模块,用于提供分布式框架、提供分布式训练方式以及分布式数据存储。
可选地,所述分布式框架包括但不限于SPARK框架、TENSORFLOW框架和HOROVOD框架;所述分布式训练方式包括但不限于数据并行训练方式和模型并行训练方式。
可选地,所述可视化编辑模块用于接收外部操作指令进行可视化建模,包括将所述建模组件列表中的建模组件拖拽到所述建模工作区进行可视化建模、读取并识别上传的外部建模组件,将所述外部建模组件添加到所述建模组件列表中,以及读取并识别上传的训练模型。
可选地,所述可视化编辑模块提供的所述可视化工具包括时间管理工具,用于设置训练模型进行训练的优先级以及训练的运行时间。
可选地,所述资源调度模块还用于根据各个所述训练模型的优先级对所述可视化建模平台的资源进行调度。
可选地,所述资源调度模块对资源进行调度包括但不限于对CPU使用率、GPU使用率、内存消耗、硬盘IO和网络IO的调度。
第二方面,本发明提供了一种分布式可视化建模方法,该所述可视化建模方法包括利用第一方面中所述可视化建模平台进行可视化建模。
可选地,该所述可视化建模方法包括:
通过可视化编辑模块接收外部操作指令进行可视化建模,并封装编辑完成的训练模型;
通过资源调度模块根据所述可视化编辑模块封装的所述训练模型调用所述可视化建模平台的资源对所述训练模型进行可视化训练。
与现有技术相比,本发明至少具有以下有益效果:
本发明支持多种语言,方便用户灵活实现训练构建的实现,具备更广的应用范围;分布式训练,合理利用集群资源,高效率训练;高可用性和高扩展性,在大规模应用时,只需扩展服务端的训练节点即可,用户端无需任何调整;使用简单,降低代码构建学习门槛;内置最先进的优化算法,可直接投入生产使用。
附图说明
为了更清楚地说明本发明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,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一个实施例提供的一种分布式可视化建模平台的框图;
图2是本发明一个实施例提供的另一种分布式可视化建模平台的框图;
图3是本发明一个实施例提供的一种分布式可视化建模方法的流程示意图;
图4是本发明一个实施例提供的另一种分布式可视化建模方法的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1-2所示,本发明实施例提供了一种分布式可视化建模平台,该可视化建模平台包括:互相通信连接的可视化编辑模块和资源调度模块,其中,
所述可视化编辑模块,用于展示建模工作区、展示建模组件列表、提供建模的可视化工具、定义可视化工具的属性以及接收外部操作指令进行可视化建模,并封装编辑完成的训练模型;
所述资源调度模块,用于根据所述可视化编辑模块封装的所述训练模型调用所述可视化建模平台的资源对所述训练模型进行可视化训练。
在本发明一个实施例中,该可视化建模平台还包括:可视化语言管理模块,用于提供多种编程语言,以及不同编程语言之间的转换。
在该实施例中,可视化建模平台基于多种语言构造,充分发挥各种语言特性,因多种语言构造平台,故能够支持多种语言为客户提供了支持各种语言编程,方便各类用户的使用;并且,各种不同语言之间的转换,从而能够实现使用不同语言的用户共同构建同一训练模型。
在本发明一个实施例中,该可视化建模平台还包括:分布式数据处理模块,用于提供分布式框架、提供分布式训练方式以及分布式数据存储。所述分布式框架包括但不限于SPARK框架、TENSORFLOW框架和HOROVOD框架;所述分布式训练方式包括但不限于数据并行训练方式和模型并行训练方式。
在该实施例中,基于可视化建模平台存储海量数据提供多种训练数据,支持分布式框架的海量数据训练用于支持多种分布式框架运行,可视化建模平台基于集群分布式部署,支持SPARK、TENSORFLOW、HOROVOD等主流分布式框架,分布式训练方式支持数据并行和模型并行两种训练方式,特有的分布式数据存储,保证平台拥有大量训练数据,实现分布式可视化训练,使用简单,降低代码训练和分布式的门槛。并且具有高可用性和高扩展性,在大规模应用时,只需扩展分布式框架训练节点即可,用户无需任何调整。
在本发明一个实施例中,所述可视化编辑模块用于接收外部操作指令进行可视化建模,包括将所述建模组件列表中的建模组件拖拽到所述建模工作区进行可视化建模、读取并识别上传的外部建模组件,将所述外部建模组件添加到所述建模组件列表中,以及读取并识别上传的训练模型。
在该实施例中,支持用户自定义代码编辑和图形拖拽的结合,用户自定义进行封装和自由拖拽结合,操作简单,以一个可视化训练模型构建为例,用户可以自己编写建模组件代码上传平台,构成自定义组件和平台模板组件共同组成组件列表,通过自由混合搭配,以拖拽的方式组成可视化训练流程图,进而封装训练过程的相关资源,包括数据、模型、算法、参数等等。
在本发明一个实施例中,所述可视化编辑模块提供的所述可视化工具包括时间管理工具,用于设置训练模型进行训练的优先级以及训练的运行时间。所述资源调度模块还用于根据各个所述训练模型的优先级对所述可视化建模平台的资源进行调度。
在该实施例中,时间管理工具支持用户设置模型的训练任务队列,根据设置优先等级排队训练,以及设置开始训练的时间和停止训练的时间,也可以设置自动停止训练,将资源让给预计效果比较好的训练集,根据训练过程的性能曲线来预测自动停止。资源调度模块对整个可视化建模平台的资源进行调度,包括:CPU使用率、GPU使用率、内存消耗、硬盘IO、网络IO等,合理分配使用可视化建模平台的资源。
在本发明一个实施例中,资源调度模块还用于当封装的训练模型中没有明确指定训练管道时,自动生成对应的训练管道,将数据进行适当的拆分,使用可视化建模平台配置的优化方法进行模拟训练,将各个训练结果数据进行对比,并获取最佳训练结果相关参数,存储到数据库中。
本发明的提供了可视化建模平台,能够支持多种语言,用于提供多种语言供客户操作;支持分布式框架的海量数据训练,用于支持多种分布式框架运行,提供多种训练数据;可视化方式拖拽操作,用于图形化界面方式拖拽组件,封装用户训练过程的相关资源;资源调度,将整个平台系统资源进行调度;定时运行,可视化建模平台资源进行队列调度运行,用于合理分配使用平台资源。实现分布式可视化训练,使用简单,降低代码训练和分布式的门槛;引入新算法时可以快速适配优化;高可用性和高扩展性;内置最先进的分布式训练,适合大规模应用。
利用本发明提供的分布式可视化建模平台进行分布式可视化建模,如图3所示,本发明实施例提供了一种分布式可视化建模方法,包括:
通过可视化编辑模块接收外部操作指令进行可视化建模,并封装编辑完成的训练模型;
通过资源调度模块根据所述可视化编辑模块封装的所述训练模型调用所述可视化建模平台的资源对所述训练模型进行可视化训练。
在实际应用中,可将本发明提供的可视化建模平台的各个工作模块直接或者进行功能拆解后相应的设置在客户端和服务端组成的系统进行可视化建模,如图4所示,本发明实施例提供了一种分布式可视化建模方法,包括:
步骤1、用户使用客户端上传自定义数据集或使用系统海量大数据得数据集,发送请求到服务端。
在该实施例中,可视化建模平台能够读取和识别用户上传的自定义数据集,可以作为可视化编辑模块一部分功能,设置在客户端上并由客户端实现。
步骤2、服务端接收对应的请求,启用异步处理机制,将执行状态及结果返回给客户端。
在该实施例中,服务端返回是否上传成功的结果,在返回成功的结果后可继续进行模型的创建。
步骤3、用户使用客户端选择创建模板,发送请求到服务端。
在该实施例中,可视化建模平台能够提供建模的模板,可以作为可视化编辑模块一部分功能,设置在客户端上。
步骤4、服务端服接收对应的请求,启用异步处理机制,将执行状态及结果返回给客户端。
在该实施例中,服务端返回是否创建成功的结果,在返回创建成功的结果后可继续进行模型的创建。
步骤5、用户根据自身需求在客户端基于模板里的建模组件,拖拽建模组件进行自由搭配,选择训练集,在训练组件里填写训练参数,完成训练流程图。
在该实施例中,用户可以通过上传自定义编写的建组组件来满足一些特定的新算法优化需求。
步骤6、用户选择训练方式(是否分布式,分布式运行种类,如:参数服务器、环形训练Ring-AllReduce),点击开始训练,将封装后的训练模型发送给服务端。
在该实施例中,可视化工具包括开始训练方式的选择和训练开始的选择,可以作为可视化编辑模块一部分功能,设置在客户端上并由客户端实现。
步骤7、服务端接受请求,检查信息,确认无误后,进行调度处理,开始进行可视化训练。
步骤8、用户可以通过训练监控页面查询:算法指标,包括准确率、召回率、F1值、AUC、混淆矩阵等,以及指标的交叉对比结果都可以通过可视化界面进行展示。
在该实施例中,监控查询和指标的交叉对比均可以作为可视化工具的一部分,如将可视化工具A定义为监控查询,可视化工具B定义为指标交叉对比,实现相关的功能,并均可以在建模工作区或者其他可视化界面进行实时展示。
本发明提供通用的分布式可视化建模和训练方案,支持多种语言,方便用户灵活实现训练构建的实现,具备更广的应用范围;分布式训练,合理利用集群资源,高效率训练;高可用性和高扩展性,在大规模应用时,只需扩展服务端的训练节点即可,用户端无需任何调整;使用简单,降低代码构建学习门槛;内置最先进的优化算法,可直接投入生产使用。
应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该发明的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面发明的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所发明的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中,或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中发明的所有特征以及如此发明的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中发明的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外,所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此,具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外,装置实施例的在此所述的元素是如下装置的例子:该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样,除非另行规定,使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的发明是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
Claims (10)
1.一种分布式可视化建模平台,其特征在于,该可视化建模平台包括:互相通信连接的可视化编辑模块和资源调度模块,其中,
所述可视化编辑模块,用于展示建模工作区、展示建模组件列表、提供建模的可视化工具、定义可视化工具的属性以及接收外部操作指令进行可视化建模,并封装编辑完成的训练模型;
所述资源调度模块,用于根据所述可视化编辑模块封装的所述训练模型调用所述可视化建模平台的资源对所述训练模型进行可视化训练。
2.如权利要求1所述分布式可视化建模平台,其特征在于,该可视化建模平台还包括:可视化语言管理模块,用于提供多种编程语言,以及不同编程语言之间的转换。
3.如权利要求1所述分布式可视化建模平台,其特征在于,该可视化建模平台还包括:分布式数据处理模块,用于提供分布式框架、提供分布式训练方式以及分布式数据存储。
4.如权利要求3所述分布式可视化建模平台,其特征在于,所述分布式框架包括SPARK框架、TENSORFLOW框架和/或HOROVOD框架;所述分布式训练方式包括数据并行训练方式和/或模型并行训练方式。
5.如权利要求1所述分布式可视化建模平台,其特征在于,所述可视化编辑模块用于接收外部操作指令进行可视化建模,包括将所述建模组件列表中的建模组件拖拽到所述建模工作区以进行可视化建模、读取并识别上传的外部建模组件,将所述外部建模组件添加到所述建模组件列表中,以及读取并识别上传的模型。
6.如权利要求1-5任一所述分布式可视化建模平台,其特征在于,所述可视化编辑模块提供的所述可视化工具包括时间管理工具,用于设置训练模型进行训练的优先级以及训练的运行时间。
7.如权利要求6所分布式述可视化建模平台,其特征在于,所述资源调度模块还用于根据各个所述训练模型的优先级对所述可视化建模平台的资源进行调度。
8.如权利要求7所述分布式可视化建模平台,其特征在于,所述资源调度模块对资源进行调度包括对CPU使用率、GPU使用率、内存消耗、硬盘IO和/或网络IO的调度。
9.一种分布式可视化建模方法,其特征在于,该所述可视化建模方法包括利用权利要求1-8任一所述可视化建模平台进行可视化建模。
10.如权利要求9所述分布式可视化建模方法,其特征在于,该所述可视化建模方法包括:
通过可视化编辑模块接收外部操作指令进行可视化建模,并封装编辑完成的训练模型;
通过资源调度模块根据所述可视化编辑模块封装的所述训练模型调用所述可视化建模平台的资源对所述训练模型进行可视化训练。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011564977.8A CN112698827A (zh) | 2020-12-25 | 2020-12-25 | 一种分布式可视化建模平台和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011564977.8A CN112698827A (zh) | 2020-12-25 | 2020-12-25 | 一种分布式可视化建模平台和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112698827A true CN112698827A (zh) | 2021-04-23 |
Family
ID=75510682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011564977.8A Pending CN112698827A (zh) | 2020-12-25 | 2020-12-25 | 一种分布式可视化建模平台和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112698827A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112949214A (zh) * | 2021-04-25 | 2021-06-11 | 顶象科技有限公司 | 机器学习建模方法、可视化建模平台及电子设备 |
CN113610241A (zh) * | 2021-08-03 | 2021-11-05 | 曙光信息产业(北京)有限公司 | 深度学习模型的分布式训练方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1659521A1 (en) * | 2004-11-19 | 2006-05-24 | Siemens Aktiengesellschaft | A production scheduling method and system, related computer program product |
CN107169575A (zh) * | 2017-06-27 | 2017-09-15 | 北京天机数测数据科技有限公司 | 一种可视化机器学习训练模型的建模系统和方法 |
CN111047190A (zh) * | 2019-12-12 | 2020-04-21 | 广西电网有限责任公司 | 一种基于交互式学习技术的多元化业务建模框架系统 |
CN111310936A (zh) * | 2020-04-15 | 2020-06-19 | 光际科技(上海)有限公司 | 机器学习训练的构建方法、平台、装置、设备及存储介质 |
CN111353609A (zh) * | 2020-02-28 | 2020-06-30 | 平安科技(深圳)有限公司 | 一种机器学习系统 |
-
2020
- 2020-12-25 CN CN202011564977.8A patent/CN112698827A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1659521A1 (en) * | 2004-11-19 | 2006-05-24 | Siemens Aktiengesellschaft | A production scheduling method and system, related computer program product |
CN107169575A (zh) * | 2017-06-27 | 2017-09-15 | 北京天机数测数据科技有限公司 | 一种可视化机器学习训练模型的建模系统和方法 |
CN111047190A (zh) * | 2019-12-12 | 2020-04-21 | 广西电网有限责任公司 | 一种基于交互式学习技术的多元化业务建模框架系统 |
CN111353609A (zh) * | 2020-02-28 | 2020-06-30 | 平安科技(深圳)有限公司 | 一种机器学习系统 |
CN111310936A (zh) * | 2020-04-15 | 2020-06-19 | 光际科技(上海)有限公司 | 机器学习训练的构建方法、平台、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
谭志祥等: "《建筑物下采煤理论与实践》", 31 December 2009, 中国矿业大学出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112949214A (zh) * | 2021-04-25 | 2021-06-11 | 顶象科技有限公司 | 机器学习建模方法、可视化建模平台及电子设备 |
CN112949214B (zh) * | 2021-04-25 | 2023-07-21 | 顶象科技有限公司 | 机器学习建模方法、可视化建模平台及电子设备 |
CN113610241A (zh) * | 2021-08-03 | 2021-11-05 | 曙光信息产业(北京)有限公司 | 深度学习模型的分布式训练方法、装置、设备及存储介质 |
CN113610241B (zh) * | 2021-08-03 | 2024-05-10 | 曙光信息产业(北京)有限公司 | 深度学习模型的分布式训练方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9459980B1 (en) | Varying cluster sizes in a predictive test load while testing a productive system | |
CN112685026A (zh) | 一种基于多语言的可视化建模平台和方法 | |
CN103942099B (zh) | 基于Hive的并行执行任务方法及装置 | |
CN111984385A (zh) | 基于装饰bim模型的任务调度方法和任务调度装置 | |
CN112698827A (zh) | 一种分布式可视化建模平台和方法 | |
WO2019012275A1 (en) | SYSTEM AND METHOD FOR PREDICTING USE OF DATA CENTER | |
CN109448100A (zh) | 三维模型格式转换方法、系统、计算机设备及存储介质 | |
CN116127899B (zh) | 芯片设计系统、方法、电子设备和存储介质 | |
Damij et al. | An approach to optimizing Kanban board workflow and shortening the project management plan | |
CN111143039A (zh) | 一种虚拟机的调度方法、装置及计算机存储介质 | |
CN108829503A (zh) | 任务调度方法、装置、系统、介质和电子设备 | |
CN112541836A (zh) | 一种多能源系统数字孪生应用流程建模与部署方法及系统 | |
CN114089889B (zh) | 模型训练方法、装置以及存储介质 | |
CN110689174A (zh) | 基于公共交通的人员路线规划方法及装置 | |
US10430237B2 (en) | Resource scheduling method and related apparatus | |
Bucki et al. | Modelling decision-making processes in the management support of the manufacturing element in the logistic supply chain | |
CN117435306A (zh) | 集群容器扩缩容方法、装置、设备及存储介质 | |
CN117235527A (zh) | 端到端容器化的大数据模型构建方法、装置、设备及介质 | |
US11403327B2 (en) | Mixed initiative feature engineering | |
EP3855316A1 (en) | Optimizing breakeven points for enhancing system performance | |
US11392424B2 (en) | Method and device for aiding decision-making for the allocation of computing means on a high performance computing infrastructure | |
CN114896049A (zh) | 电力人工智能平台作业任务调度方法、系统、设备及介质 | |
Diakité et al. | Assessing new approaches to schedule a batch of identical intree-shaped workflows on a heterogeneous platform | |
Han et al. | Virtual Machine Allocation Strategy Based on Statistical Machine Learning | |
CN110377769A (zh) | 基于图数据结构的建模平台系统、方法、服务器及介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210423 |
|
RJ01 | Rejection of invention patent application after publication |