CN115098203A - 一种多语言适配的机器学习模型库的生成方法 - Google Patents
一种多语言适配的机器学习模型库的生成方法 Download PDFInfo
- Publication number
- CN115098203A CN115098203A CN202210685567.1A CN202210685567A CN115098203A CN 115098203 A CN115098203 A CN 115098203A CN 202210685567 A CN202210685567 A CN 202210685567A CN 115098203 A CN115098203 A CN 115098203A
- Authority
- CN
- China
- Prior art keywords
- model
- onnx
- training
- machine learning
- library
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000010801 machine learning Methods 0.000 title claims abstract description 16
- 238000012549 training Methods 0.000 claims abstract description 18
- 238000004806 packaging method and process Methods 0.000 claims abstract description 9
- 230000003044 adaptive effect Effects 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims abstract description 3
- 238000012795 verification Methods 0.000 claims abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
- G06F9/454—Multi-language systems; Localisation; Internationalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种多语言适配的机器学习模型库的生成方法，首先将编写好的模型导出为onnx格式，并上传至模型库，同时向模型库中提交模型的训练、推理函数所在的位置和参数列表；模型库根据提交的信息，校验接口的正确性；校验通过后，使用多种编程语言对接口进行封装，并添加注释；模型库开放此onnx的下载和使用；模型使用者下载此onnx文件和系统封装的文件，调用系统封装后的接口进行使用。本发明以onnx为主要交换格式，对onnx格式的算法程序中的接口进行自动的封装，并添加调用注释，将封装后的代码交给不同语言的程序员进行调用。
Description
技术领域
本发明涉及机器学习领域，具体是一种多语言适配的机器学习模型库的生成方法。
背景技术
随着软件技术的发展，机器学习技术已经比较成熟，对机器学习的使用也逐渐进入生活的各个角落。机器学习的生态主要集中在Python环境，对Java 、C、JavaScript等语言的程序员不够友好。虽然存在onnx这样的交换格式，对于不懂机器学习的程序员来讲，上手难度还是很高。
发明内容
针对现有技术存在的问题， 本发明公开一种多语言适配的机器学习模型库的生成方法，本库以onnx为主要交换格式，对onnx格式的算法程序中的接口进行自动的封装，并添加调用注释，将封装后的代码交给不同语言的程序员进行调用。
为了解决所述技术问题，本发明采用的技术方案是：一种多语言适配的机器学习模型库的生成方法，其特征在于：包括以下步骤：
S01）、将编写好的模型导出为onnx格式，并上传至模型库，同时向模型库中提交模型的训练、推理函数所在的位置和参数列表；
S02）、模型库根据提交的信息，校验接口的正确性；
S03）、校验通过后，使用多种编程语言对接口进行封装，并添加注释；
S04）、模型库开放此onnx的下载和使用；
S05）、模型使用者下载此onnx文件和系统封装的文件，调用系统封装后的接口进行使用。
进一步的，步骤S01）具体为：编写模型代码，对模型进行训练，生成onnx格式文件，将onnx文件上传至模型库，并提交训练、推理方法的位置和参数列表信息。
进一步的，步骤S04）与S05）之间还有训练模型的步骤，具体为：模型训练者从模型库上下载现有的模型，根据适合自己的语言，下载此onnx的调用工具包，编写调用工具包中的训练方法并完成模型训练，将模型导出为onnx文件，将训练好的onnx文件上传至模型库。
进一步的，步骤S05）具体为：模型使用者从模型库上下载现有的模型，根据适合自己的语言，下载此onnx的调用工具包，编写代码调用工具包中的推理方法，得到推理结果。
本发明的有益效果： 本发明以onnx为主要交换格式，生成的模型库可以对onnx格式的算法程序中的接口进行自动的封装，并添加调用注释，将封装后的代码交给不同语言的程序员进行调用。基于本模型库，系统可以加入合适的doc注释。
针对Java，C这类可以约束数据类型的语言，方法的入参比较明确。原生的方法入参很难以理解。
对于训练或推理，可以提供多种重载的方法。
附图说明
图1为本方法的流程图。
具体实施方式
为了使本方法的使用目的、技术方案、实用特性更为详实、易于理解，下面对本方法的实施思路做进一步说明。显然，本说明仅针对本方法的部分实例，而不是全部的实例。在未提出创新性技术更新的前提下，任何基于本方法的实施例都属于本发明的保护范围。
实施例1
本实施例公开一种多语言适配的机器学习模型库的生成方法，如图1所示，本方法包括四个部分：
一、模型贡献者上传算法模型，具体为：
1.1模型贡献者编写模型代码，
1.2可选的，模型贡献者对模型进行训练，
1.3模型贡献者生成onnx格式文件，
1.4模型贡献者将onnx文件上传至模型库，并提交训练、推理方法的位置和参数列表信息。
二、模型库校验并处理onnx文件，具体为：
2.1模型库拿到模型贡献者上传的onnx文件，
2.2模型库校验用户提供的训练和推理接口的参数列表，
2.3模型库根据onnx的参数列表生成供多种语言调用的工具包，
2.4保存生成的工具包，并开放其他人员对该工具包的使用，
三、模型训练者训练模型(可选) ，具体为：
3.1模型训练者从模型库上下载现有的模型，
3.2模型训练者根据适合自己的语言，下载此onnx的调用工具包，
3.3模型训练者编写代码调用工具包中的训练方法，
3.4模型训练者完成模型训练，
3.5模型训练者将模型导出为onnx格式文件，
3.6模型训练者将训练好的onnx文件上传至模型库。
四、模型使用者使用模型，具体为：
4.1模型使用者从模型库上下载现有的模型，
4.2模型使用者根据适合自己的语言，下载此onnx的调用工具包，
4.3模型使用者编写代码调用工具包中的推理方法，
4.4模型使用者得到推理结果。
以上描述的仅是本发明的基本原理和优选实施例，本领域技术人员根据本发明做出的改进和替换，属于本发明的保护范围。
Claims (4)
1.一种多语言适配的机器学习模型库的生成方法，其特征在于：包括以下步骤：
S01）、将编写好的模型导出为onnx格式，并上传至模型库，同时向模型库中提交模型的训练、推理函数所在的位置和参数列表；
S02）、模型库根据提交的信息，校验接口的正确性；
S03）、校验通过后，使用多种编程语言对接口进行封装，并添加注释；
S04）、模型库开放此onnx的下载和使用；
S05）、模型使用者下载此onnx文件和系统封装的文件，调用系统封装后的接口进行使用。
2.根据权利要求1所述的多语言适配的机器学习模型库的生成方法，其特征在于：步骤S01）具体为：编写模型代码，对模型进行训练，生成onnx格式文件，将onnx文件上传至模型库，并提交训练、推理方法的位置和参数列表信息。
3.根据权利要求1所述的多语言适配的机器学习模型库的生成方法，其特征在于：步骤S04）与S05）之间还有训练模型的步骤，具体为：模型训练者从模型库上下载现有的模型，根据适合自己的语言，下载此onnx的调用工具包，编写调用工具包中的训练方法并完成模型训练，将模型导出为onnx文件，将训练好的onnx文件上传至模型库。
4.根据权利要求1所述的多语言适配的机器学习模型库的生成方法，其特征在于：步骤S05）具体为：模型使用者从模型库上下载现有的模型，根据适合自己的语言，下载此onnx的调用工具包，编写代码调用工具包中的推理方法，得到推理结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210685567.1A CN115098203A (zh) | 2022-06-17 | 2022-06-17 | 一种多语言适配的机器学习模型库的生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210685567.1A CN115098203A (zh) | 2022-06-17 | 2022-06-17 | 一种多语言适配的机器学习模型库的生成方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115098203A true CN115098203A (zh) | 2022-09-23 |
Family
ID=83290523
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210685567.1A Withdrawn CN115098203A (zh) | 2022-06-17 | 2022-06-17 | 一种多语言适配的机器学习模型库的生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115098203A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111209013A (zh) * | 2020-01-15 | 2020-05-29 | 深圳市守行智能科技有限公司 | 一种高效的深度学习后端模型部署框架 |
| CN111831285A (zh) * | 2020-06-23 | 2020-10-27 | 西安电子科技大学 | 一种面向内存计算平台的代码转换方法、系统及应用 |
| CN112363856A (zh) * | 2020-11-19 | 2021-02-12 | 北京计算机技术及应用研究所 | 一种基于dds实现深度学习框架与应用程序互操作的方法 |
| CN113780536A (zh) * | 2021-10-29 | 2021-12-10 | 平安科技（深圳）有限公司 | 一种云端深度学习模型转换方法、系统、设备及介质 |
-
2022
- 2022-06-17 CN CN202210685567.1A patent/CN115098203A/zh not_active Withdrawn
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111209013A (zh) * | 2020-01-15 | 2020-05-29 | 深圳市守行智能科技有限公司 | 一种高效的深度学习后端模型部署框架 |
| CN111831285A (zh) * | 2020-06-23 | 2020-10-27 | 西安电子科技大学 | 一种面向内存计算平台的代码转换方法、系统及应用 |
| CN112363856A (zh) * | 2020-11-19 | 2021-02-12 | 北京计算机技术及应用研究所 | 一种基于dds实现深度学习框架与应用程序互操作的方法 |
| CN113780536A (zh) * | 2021-10-29 | 2021-12-10 | 平安科技（深圳）有限公司 | 一种云端深度学习模型转换方法、系统、设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 深度人工智能: "NCNN、OpenVino、 TensorRT、MediaPipe、ONNX，各种推理部署架构，到底哪家强？ (qq.com)", Retrieved from the Internet <URL:Https://mp.weixin.qq.com/s/551XnGMfQJHwdNA9Y4Fdzw> * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102637136B (zh) | 用于融合来自不同编译器阶段的调试信息的方法和设备 | |
| US6934940B2 (en) | Source code transformation-temporary object reduction | |
| CN109799971A (zh) | 一种文件生成装置和方法 | |
| Pereira et al. | A mobile app for teaching formal languages and automata | |
| CN104503793A (zh) | 代码练习软件中代码的运行和图形化的解析方法 | |
| CN107102877A (zh) | 一种跨浏览器插件的自适应方法 | |
| CN103092747B (zh) | 一种控制程序的验证和测试方法及系统 | |
| CN116974541A (zh) | 一种基于llm的编程辅助方法 | |
| CN110362334B (zh) | 二次开发语言的c++对象生命周期管理方法、设备、介质 | |
| CN117289841A (zh) | 基于大语言模型的交互方法和装置、存储介质和电子设备 | |
| CN101944061B (zh) | 一种代码调试的方法及装置 | |
| CN115098203A (zh) | 一种多语言适配的机器学习模型库的生成方法 | |
| CN111474894B (zh) | 可变目标plc仿真调试方法、存储介质及功能模块 | |
| JP2008293186A (ja) | 鉄鋼プラント制御プログラムの自動生成方法およびその装置 | |
| CN102629213A (zh) | 一种c语言仿真模型的剖析及监控方法 | |
| CN107885504B (zh) | 一种异构的多平台系统控制逻辑一致性校验的方法 | |
| CN112288032B (zh) | 一种基于生成对抗网络的量化模型训练的方法及装置 | |
| US20090112568A1 (en) | Method for Generating a Simulation Program Which Can Be Executed On a Host Computer | |
| Chang et al. | Software Process Selection Based Upon Abstract Machines for Slow Intelligence Systems | |
| WO2022259310A1 (ja) | オートコンプリート装置、オートコンプリート方法、及びプログラム | |
| KR102612934B1 (ko) | 트리 구조 정보 기반의 적층식 코드 자동 생성 시스템, 서버 및 방법 | |
| Méry | A simple refinement-based method for constructing algorithms | |
| CN115061693B (zh) | 存内计算代码与微体系结构优化方法、装置及计算设备 | |
| CN111309306B (zh) | 人机交互的对话管理系统 | |
| CN112037596A (zh) | 基于人工智能的编程作品自动批改方法及编程学习平台 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220923 |
|
| WW01 | Invention patent application withdrawn after publication |