一種人工智能模型訓練環境搭建裝置及方法制造方法及圖紙

本發明專利技術涉及一種人工智能模型訓練環境搭建裝置及方法，裝置包括控制器，分別與輸入器、語法檢查器、語法分析器、執行器和存儲器連接；輸入器用于獲取訓練環境描述語言和訓練環境搭建個數；語法檢查器根據語法檢查規則對訓練環境描述語言進行語法檢查；語法分析器根據語法分析規則和訓練環境搭建個數生成包含執行順序的指令序列；執行器與存儲器連接，用于執行指令序列；存儲器中存儲用于訓練環境搭建的數據。與現有技術相比，本發明專利技術基于訓練環境描述語言進行訓練環境的搭建，可以靈活修改訓練環境描述語言從而生成不同的訓練環境，能適應快速變化的人工智能訓練環境搭建，更加靈活，出錯率低。出錯率低。出錯率低。

【技術實現步驟摘要】
一種人工智能模型訓練環境搭建裝置及方法


[0001]本專利技術涉及人工智能
，尤其是涉及一種人工智能模型訓練環境搭建裝置及方法。

技術介紹

[0002]隨著網絡和信息技術的不斷發展，人工智能越來越受到關注，對人工智能領域的專業人才的需求越來越大，人工智能的人才教學需求也隨之增加。在人工智能知識的教學中，理論學習通常需要輔以動手實驗，學習人工智能模型后，進行人工智能模型的訓練以加深了解和印象是必不可少的。但是，現有技術中，往往是老師在物理機房中根據需要在每臺電腦上搭建訓練環境，學員完成學習后，老師再根據新的需要重新在每臺電腦上搭建訓練環境，投資大，耗時長，使用不靈活，特別是人工智能技術發展迅速，訓練環境的變化速度快、要求多樣化，對學習框架、依賴包等的需求不一，現有的訓練環境搭建方法顯然不能滿足需要。此外，在多數場景下，由于沒有統一的算力調度，往往采取類似于一人一機、一人一卡的模式進行人工智能人才的培養，這樣的培養方式服務的學員有限。
[0003]為了解決上述問題，一些互聯網平臺推出了人工智能模型訓練平臺，用戶可以在平臺內構建、設計、部署和訓練人工智能模型，但是，出于商業秘密和商業宣傳的需要，這些平臺僅提供簡單的數據上傳和單一的訓練結果，不能保證模型的準確性，用戶也無法在訓練過程中調整模型的參數，了解模型的訓練過程，顯然不適用于人工智能教學。
[0004]現有的應用環境搭建方法，如中國專利CN201410364020.7公開的一種應用系統環境搭建的方法及系統，往往提供固定的模板，在模板中有一些需要用戶自定義的環境參數，用戶完成參數選擇后，可以自動生成應用環境。但是，人工智能模型訓練環境非常多樣化，需要不同的框架、依賴包等，需要設計多種不同的固定模板，而且人工智能技術更新較快，訓練環境的更新速度也很快，還需要不斷重新配置模板，工作量很大，而且容易出錯，因此，需要一種更加靈活的環境搭建裝置和方法進行人工智能模型訓練環境的搭建。

技術實現思路

[0005]本專利技術的目的就是為了克服上述現有技術存在的缺陷而提供一種人工智能模型訓練環境搭建裝置及方法，基于訓練環境描述語言進行訓練環境的搭建，可以靈活修改訓練環境描述語言從而生成不同的訓練環境，能適應快速變化的人工智能訓練環境搭建，更加靈活，出錯率低。
[0006]本專利技術的目的可以通過以下技術方案來實現：
[0007]一種人工智能模型訓練環境搭建裝置，包括：
[0008]控制器，分別與輸入器、語法檢查器、語法分析器、執行器和存儲器連接；
[0009]所述輸入器用于獲取訓練環境描述語言和訓練環境搭建個數；
[0010]所述語法檢查器用于根據預設置的語法檢查規則對訓練環境描述語言進行語法檢查；
[0011]所述語法分析器用于根據預設置的語法分析規則和訓練環境搭建個數生成包含執行順序的指令序列；
[0012]所述執行器與存儲器連接，用于執行指令序列；
[0013]所述存儲器中存儲用于訓練環境搭建的數據；
[0014]所述語法檢查規則和語法分析規則由訓練環境描述語言的BNF范式定義，訓練環境描述語言的BNF范式為：
[0015][0016][0017]進一步的，所述指令序列包括云操作指令序列、安裝配置操作指令序列、數據操作指令序列；
[0018]所述云操作指令序列基于訓練環境描述語言中的操作原語、云平臺入口、環境描述塊、基本鏡像鏈接生成；
[0019]所述安裝配置操作指令序列基于訓練環境描述語言中的云平臺入口和其他指令塊生成；
[0020]所述數據操作指令序列基于訓練環境描述語言中的云平臺入口和數據鏈接生成。
[0021]更進一步的，所述執行器包括云操作指令執行器、腳本指令執行器、數據操作指令執行器，分別用于執行云操作指令序列、安裝配置操作指令序列、數據操作指令序列。
[0022]進一步的，所述存儲器包括第一存儲單元、第二存儲單元、第三存儲單元、第四存儲單元，所述第一存儲單元用于存儲語法檢查規則、語法分析規則，所述第二存儲單元用于存儲基本鏡像，所述第三存儲單元用于存儲人工智能模型在訓練環境中訓練時所需的訓練數據，所述第四存儲單元用于存儲各個訓練環境的訓練環境描述語言。
[0023]更進一步的，所述第三存儲單元分別設置有每個訓練環境的訪問入口和每個訓練環境的訪問權限，第三存儲單元針對每個訓練環境分配獨立的空間，每個空間設置有訪問
入口和訪問權限，所述訪問入口和訪問權限基于訓練環境描述語言中的數據鏈接生成。
[0024]進一步的，所述人工智能模型訓練環境搭建裝置還包括顯示器，所述顯示器用于顯示人工智能模型訓練環境搭建裝置的工作參數，所述工作參數包括語法檢查器的檢查結果、語法分析器生成的指令序列、執行器的執行結果。
[0025]一種人工智能模型訓練環境搭建方法，基于如上所述的人工智能模型訓練環境搭建裝置，包括以下步驟：
[0026]S1：獲取訓練環境描述語言；
[0027]S2：根據預設置的語法檢查規則對訓練環境描述語言進行語法檢查，若出現語法錯誤，則重復步驟S1，否則，執行步驟S3；
[0028]S3：根據預設置的語法分析規則對訓練環境描述語言進行語法分析，獲取訓練環境的搭建個數，基于訓練環境描述語言和訓練環境的搭建個數得到包含執行順序的指令序列；
[0029]S4：讀取并執行指令序列。
[0030]進一步的，所述步驟S4中，讀取并執行指令序列具體為：
[0031]S41：按照執行順序獲取指令序列；
[0032]S42：對指令序列進行安全檢查，若安全檢查不合格，則指令執行失敗，重復步驟S41，否則，執行步驟S43；
[0033]S43：執行指令序列，輸出指令執行結果，重復步驟S41，直至完成所有指令序列的執行；所述指令執行結果包括執行成功和執行失敗。
[0034]更進一步的，所述步驟S4中，讀取并執行指令序列后還包括：獲取指令執行結果，若指令執行結果為執行成功，則結束執行，若指令執行結果包括執行失敗，則將失敗信息發送給用戶。
[0035]一種計算機存儲介質，其上存儲有計算機程序，該程序被執行時實現如上所述的人工智能模型訓練環境搭建方法。
[0036]與現有技術相比，本專利技術具有以下有益效果：
[0037](1)基于訓練環境描述語言進行訓練環境的搭建，可以靈活修改訓練環境描述語言從而生成不同的訓練環境，能適應快速變化的人工智能訓練環境搭建，更加靈活，出錯率低。
[0038](2)可以根據同一個訓練環境描述語言，批量生成多個相同的訓練環境，降低了工作量。
[0039](3)可以針對單個訓練環境進行修改而不影響其他訓練環境，更加靈活、方便的進行訓練環境的變更。
[0040](4)控制器和執行器分離，當出現新的指令類型時，可以加入新的執行器，不影響其他模塊的運行。
[0041](5)人工智能模型訓練時所使用的數據存儲在存儲器中，以本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種人工智能模型訓練環境搭建裝置，其特征在于，包括：控制器(1)，分別與輸入器(2)、語法檢查器(3)、語法分析器(4)、執行器(5)和存儲器(6)連接；所述輸入器(2)用于獲取訓練環境描述語言和訓練環境搭建個數；所述語法檢查器(3)用于根據預設置的語法檢查規則對訓練環境描述語言進行語法檢查；所述語法分析器(4)用于根據預設置的語法分析規則和訓練環境搭建個數生成包含執行順序的指令序列；所述執行器(5)與存儲器(6)連接，用于執行指令序列；所述存儲器(6)中存儲用于訓練環境搭建的數據；所述語法檢查規則和語法分析規則由訓練環境描述語言的BNF范式定義，訓練環境描述語言的BNF范式為：<訓練環境描述>::＝“StartENV”“；”<環境描述塊>“；”“ENDENV”“；”<操作原語><環境描述塊>::＝<環境>|<環境描述塊>[“，”<環境>]<環境>::＝<基本鏡像鏈接>“；”<資源需求>“；”<環境連接串>“；”<云平臺入口>“；”<其他指令塊>“；”<數據鏈接><基本鏡像鏈接>::＝<URL><環境連接串>::＝<ip>“，”<port>|<URL><資源需求>::＝<CPU>“，”<GPU>“，”<MEM>“，”<DISK><云平臺入口>::＝<云入口1>|<云入口2>|<數據中心入口>|<擴展類型入口><其他指令塊>::＝<指令>|<其他指令塊>[“，”<指令>]<指令>::＝單個安裝或者配置指令<數據鏈接>::＝<NFS鏈接>|<Azure Blob鏈接>|<HDFS鏈接>|<擴展類型鏈接><操作原語>::＝<創建>|<刪除>|<關閉>|<重置>|<擴展類型原語>。2.根據權利要求...

【專利技術屬性】
技術研發人員：張會峰，牛紅星，
申請(專利權)人：上海儀電人工智能創新院有限公司，
類型：發明
國別省市：