(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111593078.5 (22)申请日 2021.12.24 (65)同一申请的已公布的文献号 申请公布号 CN 113971032 A (43)申请公布日 2022.01.25 (73)专利权人 百融云创科技股份有限公司 地址 100000 北京市朝阳区阜荣 街10号环 球创意广场A座1- 3层 (72)发明人 刘凯　陈海硕　张韶峰　 (74)专利代理 机构 北京鼎佳达知识产权代理事 务所(普通 合伙) 11348 代理人 刘铁生　孟阿妮 (51)Int.Cl. G06F 8/60(2018.01) G06F 8/41(2018.01)G06F 40/186(2020.01) G06N 20/00(2019.01) G06N 20/20(2019.01) 审查员 黄帷 (54)发明名称 一种代码生成的机器学习模型全流程自动 部署方法及系统 (57)摘要 本申请公开了一种代码生成的机器学习模 型全流程自动部署方法及系统， 所述方法包括： 通过获得第一机器学习模型的全流程步骤信息； 获得单个步骤的数据处理算子； 获得第一线上软 件， 获得第一线上软件环境； 进一步生成第一字 符串模板； 通过提取所述数据处理算子中训练好 的参数输入 所述第一字 符串模板进行渲染， 生成 单步骤代码文本； 生成第一部署结构； 构建第一 通用预测模板； 基于所述单步骤代码文本获得第 一部署结果。 解决了现有技术中存在无法基于代 码生成技术实现机器学习模型全流程的自动化 部署， 从而无法进一步提高机器学习模型实时预 测性能的技术问题。 达到了利用编译原理中的代 码生成技术实现机器学习模型全流程的自动化 部署的技 术效果。 权利要求书3页 说明书12页 附图3页 CN 113971032 B 2022.03.18 CN 113971032 B 1.一种代码生成的机器学习模型全流 程自动部署方法， 其中， 所述方法包括： 获得第一机器学习模型的全流 程步骤信息； 根据所述全流 程步骤信息， 获得 单个步骤的数据处 理算子； 获得第一线上 软件， 基于所述第一线上 软件的环境信息， 获得第一线上 软件环境； 根据所述数据处 理算子和所述第一线上 软件环境， 生成第一字符串模板； 通过提取所述数据处理算子中训练好的参数输入所述第 一字符串模板进行渲染， 生成 单步骤代码文本； 根据所述全流 程步骤信息， 生成第一部署结构； 获得所述第一机器学习模型的第一模型复杂度； 当所述第一模型复杂度大于预设模型复杂度， 获得第一标记指令； 根据所述第一标记指令对所述第一部署结构进行字符串标记； 根据所述字符串标记的标记完成状态感应信 息进行遍历自检， 根据自检结果进入下一 处理单元； 根据所述第一部署结构， 构建第 一通用预测模板， 其中， 所述第一通用预测模板用于串 联所述全流 程步骤信息； 根据所述第一部署结构， 生成第一部署字符串； 将所述第一部署字符串对所述全流程步骤中每个步骤进行字符串标识， 获得全流程标 识步骤， 其中， 所述全流 程标识步骤呈序列排序且每 个步骤具有唯一标识； 根据所述全流 程标识步骤， 获得代码文本映射标识； 根据所述代码文本映射标识对所述单步骤代码文本进行对应映射标识； 将所述单步骤代码文本输入所述第一通用预测模板进行部署， 获得第一部署结果， 其 中， 所述第一部署结果 为模型预测结果； 获得第一预设代码语言选择库； 根据所述第一预设代码语言选择库， 获得第一部署代码语言； 基于所述第 一部署代码语言将所述第 一部署结果在所述第 一线上软件中进行导入， 部 署第一线上服 务； 获得所述第一线上服 务的第一接口； 判断所述第一接口是否接收第一实时请求信息， 其中， 所述第一实时请求信息为用户 的模型预测请求； 当所述第一接口接收所述第一实时请求信息， 获得 所述模型 预测结果。 2.如权利要求1所述的方法， 其中， 所述根据所述全流程步骤信息， 获得单个步骤的数 据处理算子， 所述方法还 包括： 获得所述第一机器学习模型的第一模型类别； 根据所述第一模型类别获得模型的第一训练参数； 通过对所述第一训练参数进行参数 预处理， 获得第一预处 理结果； 根据所述第一预处理结果， 构建第 一操作函数， 其中， 所述第一操作函数为将所述第一 训练参数填入所述全流 程步骤中每 个步骤的函数。 3.如权利要求1所述的方法， 其中， 所述根据所述全流程步骤信息， 获得单个步骤的数 据处理算子， 所述方法还 包括：权　利　要　求　书 1/3 页 2 CN 113971032 B 2根据所述第一线上 软件环境， 获得第一 程序语言类别； 根据所述第一 程序语言类别， 获得语言规范 特征数据集； 根据所述语言规范特征数据集构建第一语言规范检测模型， 其中， 所述第一语言规范 检测模型通过多组训练数据训练至收敛获得； 根据所述第一语言规范检测模型对所述数据处 理算子进行检测。 4.一种代码生成的机器学习模型全流 程自动部署系统， 其中， 所述系统包括： 第一获得 单元： 所述第一获得 单元用于获得第一机器学习模型的全流 程步骤信息； 第二获得单元： 所述第二获得单元用于根据所述全流程步骤信息， 获得单个步骤的数 据处理算子； 第三获得单元： 所述第三获得单元用于获得第一线上软件， 基于所述第一线上软件的 环境信息， 获得第一线上 软件环境； 第一生成单元： 所述第 一生成单元用于根据 所述数据处理算子和所述第 一线上软件环 境， 生成第一字符串模板； 第二生成单元： 所述第 二生成单元用于通过提取所述数据处理算子 中训练好的参数输 入所述第一字符串模板进行渲染， 生成单步骤代码文本； 第三生成单元： 所述第三 生成单元用于根据所述全流 程步骤信息， 生成第一部署结构； 第四获得单元， 所述第四获得单元用于获得所述第一机器学习模型的第一模型复杂 度； 第五获得单元， 所述第五获得单元用于当所述第一模型复杂度大于预设模型复杂度， 获得第一标记指令； 第一标识单元， 所述第 一标识单元用于根据 所述第一标记指令对所述第 一部署结构进 行字符串标记； 第一检测单元， 所述第 一检测单元用于根据 所述字符串标记的标记完成状态感应信 息 进行遍历自检， 根据自检结果进入下一处 理单元； 第一构建单元： 所述第一构建单元用于根据所述第一部署结构， 构建第一通用预测模 板， 其中， 所述第一 通用预测模板用于串联 所述全流 程步骤信息； 第四生成单 元， 所述第四生成单 元用于根据所述第一部署结构， 生成第一部署字符串； 第六获得单元， 所述第六获得单元用于将所述第 一部署字符串对所述全流程步骤中每 个步骤进 行字符串标识， 获得全流程标识 步骤， 其中， 所述全流程标识 步骤呈序列排序且每 个步骤具有唯一标识； 第七获得单元， 所述第七获得单元用于根据所述全流程标识步骤， 获得代码文本映射 标识； 第二标识单元， 所述第 二标识单元用于根据 所述代码文本映射标识对所述单步骤代码 文本进行对应映射标识； 第八获得单元： 所述第八获得单元用于将所述单步骤代码文本输入所述第 一通用预测 模板进行部署， 获得第一部署结果， 其中， 所述第一部署结果 为模型预测结果； 第九获得 单元， 所述第九获得 单元用于获得第一预设代码语言选择库； 第十获得单元， 所述第十获得单元用于根据所述第一预设代码语言选择库， 获得第一 部署代码语言；权　利　要　求　书 2/3 页 3 CN 113971032 B 3