(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111485584.2 (22)申请日 2021.12.07 (71)申请人 上海徐毓智能科技有限公司 地址 200082 上海市杨 浦区荆州路168号 安 联大厦16 01 (72)发明人 谢超　郭人通　姜俊杰　刘孜捷　 菲利普·哈尔特迈尔 　胡凯源　 (74)专利代理 机构 上海华诚知识产权代理有限 公司 313 00 代理人 肖华 (51)Int.Cl. G06N 20/00(2019.01) G06F 9/48(2006.01) G06F 9/50(2006.01) (54)发明名称 机器学习框架的构建方法、 系统、 电子设备 及介质 (57)摘要 本申请涉及机器学习技术领域， 公开了一种 机器学习框架的构建方法、 系统、 电子设备及介 质。 其中， 构建方法包括： 接收到来自客户端的至 少一个任务请求； 其中， 每个任务请求用于指示 一个子任务请求， 或者用于指示多个子任务请求 以及多个子任务请求之间的关系； 根据至少一个 任务请求， 确定每个任务请求中的每个子任务请 求对应的操作节点； 根据至少一个任务请求中指 示的关系， 配置多个子任务请求分别对应的操作 节点之间的连接关系， 以生 成与每个任务请求对 应的作业线程。 基于上述方案， 可 以根据用户的 任意任务请求制定对应的作业线程。 如此， 能够 使得机器学习框架能够应用于各个机器学习程 序的开发中， 实现机器学习框架在多领域的应 用。 权利要求书3页 说明书18页 附图7页 CN 114169533 A 2022.03.11 CN 114169533 A 1.一种机器学习框架的构建方法， 用于电子设备， 其特 征在于， 包括： 接收来自客户端的至少一个任务请求； 所述至少一个任务请求中的每个任务请求用于 指示一个子任务请求， 或者用于指示多个子任务请求以及所述多个子任务请求之间的关 系； 根据所述至少一个任务请求， 确定每个任务请求中的每个子任务请求对应的操作节 点； 根据所述至少一个任务请求中指示的所述关系， 配置所述多个子任务请求分别对应的 操作节点之间的连接关系， 以生成与所述每 个任务请求对应的作业线程。 2.根据权利要求1所述的构建方法， 其特征在于， 所述多个子任务请求分别对应的操作 节点之间的连接关系通过相连接的操作节点之间的数据结构确定 。 3.根据权利要求2所述的构建方法， 其特征在于， 所述相连接的操作节点之间的数据 结 构用于确定所述相连接的操作节点中先执行的操作节点的输出数据信息的规范和后执行 的操作节点的输入数据信息的规范； 所述作业线程中的第 一个操作节点的输入数据规范由输入数据 结构确定， 所述作业线 程中的最后一个操作节点的输出 数据规范由输出 数据结构确定 。 4.根据权利要求1 ‑3任一项所述的构建方法， 其特征在于， 所述根据 所述至少一个任务 请求中指示的所述关系， 配置所述多个子任务请求分别对应的操作节点之间的连接关系， 以生成与所述每 个任务请求对应的作业线程， 包括： 根据所述至少一个任务请求中指示的所述关系， 配置所述多个子任务请求分别对应的 的操作节点之间的连接关系， 以生成与所述每 个任务请求对应的初始作业线程； 判断所述初始作业线程是否符合设定条件， 在所述初始作业线程符合所述设定条件的情况下， 确定所述初始作业线程作为作业线 程； 在所述初始作业线程不符合所述设定条件的情况下， 对所述初始作业线程进行调整， 获取调整后的作业线程， 确定所述调整后的作业线程作为作业线程。 5.根据权利要求4所述的构建方法， 其特征在于， 所述设定条件包括每个操作节点的输 出数据信息和输入数据信息符合设定规则。 6.根据权利要求5所述的构建方法， 其特征在于， 所述输出数据信 息包括输出数据的占 用内存和输出 数据类型； 所述输入数据信息包括输入数据的占用内存和输入数据类型。 7.根据权利要求1 ‑6任一项所述的构建方法， 其特征在于， 进一步包括： 为所述作业线 程中包括的操作节点分配对应的执 行设备。 8.根据权利要求7所述的构建方法， 其特征在于， 所述为所述作业线程中包括的操作节 点分配对应的执 行设备， 包括： 获取执行所述作业线程中每 个操作节点所需的算力以及各 执行设备的算力； 基于执行所述作业线程中每个操作节点所需的算力以及各执行设备的算力为所述作 业线程中包括的操作节点分配对应的执 行设备。 9.根据权利要求1 ‑8任一项所述的构建方法， 其特征在于， 根据所述至少一个任务请 求， 确定每 个任务请求中的每 个子任务请求对应的操作节点， 包括： 根据所述至少一个任务请求， 将与 所述每个子任务请求的匹配度 大于设定 阈值的操作权　利　要　求　书 1/3 页 2 CN 114169533 A 2节点作为每 个子任务请求对应的操作节点。 10.根据权利要求1 ‑9任一项所述的构建方法， 其特征在于， 所述至少一个任务请求的 呈现形式包括配置文件、 程序代码或图形化文件中的至少一种。 11.根据权利要求1 ‑10所述的构建方法， 其特征在于， 所述操作节点包括至少一个用于 实现预设功能的算子 。 12.一种机器学习框架的构建系统， 其特征在于， 用于执行权利要求1 ‑11任一项所述的 方法； 所述系统包括： 接收模块， 用于接收来自客户端的至少一个任务请求； 所述至少一个任务请求中的每 个任务请求用于指示一个子任务请求， 或者用于指示多个子任务请求以及所述多个子任务 请求之间的关系； 确定模块， 用于根据所述至少一个任务请求， 确定每个任务请求中的每个子任务请求 对应的操作节点； 生成模块， 用于根据所述至少一个任务请求中指示的所述关系， 配置每个子任务请求 对应的操作节点之间的连接关系， 以生成与所述每 个任务请求对应的作业线程。 13.一种数据处 理方法， 用于电子设备， 其特 征在于， 包括： 获取至少一个数据， 将所述至少一个数据分别输入 对应的作业线程中； 控制每个作业线程对输入的对应数据进行处 理， 获取对应的数据处 理结果； 其中， 所述每个作业线程包括一个操作节点或按照特定连接关系连接的多个操作节 点。 14.一种机器学习框架中的数据处 理方法， 用于电子设备， 其特 征在于， 所述机器学习框架包括一个或多个作业线程， 所述一个或多个作业线程中的每个所述 作业线程与特定的任务相对应； 其中， 每个所述作业线程中包括一个操作节点或按照特定连接关系连接的多个操作节 点， 所述任务能够被划分成至少一个子任务， 所述作业线程中的各个操作节点与所述任务 中的各个子任务对应； 所述作业线程中的操作节点 能够基于用户的选择被更 改， 以及所述操作节点之间的连 接关系能够基于用户的选择被更改； 所述方法包括： 待处理的数据进入所述作业线程； 所述作业线程包括一个操作节点的情况下， 所述操作节点对所述待处理数据进行处 理， 并且， 所述操作节点输出的数据作为所述作业线程的输出 数据； 所述作业线程包括多个操作节点的情况下， 所述待处理的数据按照所述特定连接关 系， 依次经过所述多个操作节点的处理； 并且， 所述作业线程中最后一个所述操作 节点输出 的数据作为所述作业线程的输出 数据。 15.一种机器学习框架， 其特 征在于， 包括： 一个或多个作业线程， 所述一个或多个作业线程中的每个所述作业线程与 特定的任务 相对应； 其中， 每个所述作业线程中包括一个操作节点或按照特定连接关系连接的多个操作节 点， 所述任务能够被划分成至少一个子任务， 所述作业线程中的各个操作节点与所述任务权　利　要　求　书 2/3 页 3 CN 114169533 A 3