非编码机器学习管道的制作方法

1.本说明书涉及云计算。


背景技术：

2.云计算系统可以提供对各种计算资源的访问。例如，云计算系统可为客户端设备存储可由多个不同设备访问的数据，允许多个不同客户端设备访问在云上执行的单个应用程序，并提供对其它计算机资源的访问。


技术实现要素：

3.本说明书描述了一种用于建立，执行和发布机器学习模型的云计算非编码机器学习管道(pipeline)。
4.通常，本说明书中描述的主题的一个创新方面可以在计算机实施的方法中实施，该方法包括提供用于生成机器学习模型的图形用户界面(gui)；通过该gui接收用户对该gui中显示的模式按钮的选择，其中，该模式按钮在被选择时使该gui显示与相应的机器学习例程(routine)对应的第一组用户可选按钮，并且在未被选择时使该gui显示与相应的机器学习子例程(sub-routine)对应的第二组用户可选按钮，其中，机器学习例程包括相应的多个连接的机器学习子例程；响应于接收到用户对模式按钮的选择，在gui中显示第一组用户可选按钮；通过gui接收对第一组用户可选按钮中的一个或多个的用户选择；在gui中显示机器学习模型的图形表示，该机器学习模型由与用户选择的第一组用户可选按钮中的一个或多个相对应的一个或多个机器学习例程定义，并生成表示机器学习模型的文件。
5.这些方面的其它实施方式包括记录在一个或多个计算机存储设备上的相应计算机系统、装置和计算机程序，每个计算机存储设备被配置为执行所述方法的动作。一个或多个经典和/或量子计算机的系统可以被配置为通过在系统上安装软件、固件、硬件或其组合来执行特定的操作或动作，该软件、固件、硬件或其组合在操作中致使或致使系统执行动作。一个或多个计算机程序可以被配置为通过包括指令来执行特定的操作或动作，所述指令在由数据处理设备执行时使所述设备执行所述动作。
6.前述实施方式和其它实施方式可以各自可选地单独或组合地包括一个或多个以下特征。在一些实施方式中，机器学习子例程包括数据格式化算法，数据拆分算法，特征选择算法，机器学习训练算法、机器学习评估算法或统计算法。
7.在一些实施方式中，第一组用户可选按钮中的每一个用户可选按钮表示对应于机器学习例程的包装文件，并且包括相应的多个连接的机器学习子例程。
8.在一些实施方式中，该方法还包括通过gui接收用户对gui中显示的源代码按钮的选择；响应于用户对源代码按钮的选择，在gui中显示表示机器学习模型的源代码，其中生成的文件包括源代码；通过gui接收对显示的源代码的一个或多个用户调整；以及生成表示更新的机器学习模型的更新文件，所述更新的机器学习模型由(i)与用户选择的第一组用户可选按钮中的一个或多个相对应的一个或多个机器学习例程，以及(ii)对所显示的源代
码的调整来定义。
9.在一些实施方式中，对所显示的所述源代码的调整包括对包括在所述源代码中的机器学习模型参数或函数的调整。
10.在一些实施方式中，该方法还包括通过gui从用户接收下载表示机器学习模型的生成的文件的请求；通过gui提供表示机器学习模型的生成的文件的访问。
11.在一些实施方式中，下载表示机器学习模型的生成的文件的请求包括根据所指示的类型重新格式化生成的文件的请求，并且其中该方法还包括：生成表示所指示的类型的机器学习模型的重新格式化的文件；通过gui提供对表示机器学习模型的重新格式化的文件的访问。
12.在一些实施方式中，还包括将表示所述机器学习模型的所述生成的文件存储在与所述用户相关联的位置处。
13.在一些实施方式中，该方法还包括通过gui接收数据集的选择；通过gui接收使用该数据集执行表示机器学习模型的生成的文件的请求；使用该数据集执行表示所述机器学习模型的生成的文件，以生成相应的机器学习模型输出；将生成的机器学习模型输出显示在gui中。
14.在一些实施方式中，接收对数据集的选择包括接收对样本数据集的选择或者接收对由所述用户导入的数据集的选择。
15.在一些实施方式中，通过所述gui接收使用所述数据集执行表示所述机器学习模型的所述生成的文件的请求包括，通过所述gui接收对运行按钮的用户选择，其中，当机器学习模型输入数据集被选择时，所述运行按钮被启用以供选择。
16.在一些实施方式中，该方法还包括接收发布表示机器学习模型的生成的文件的请求；响应于接收到所述请求，将生成的文件作为新资产发布在gui中。
17.在一些实施方式中，所提供的用于生成机器学习模型的gui包括拖放界面，其中gui包括：第一组用户可选按钮或第二组用户可选按钮的可搜索列表；编辑区域；其中用户可以将用户可选按钮从所述第一组用户可选按钮或所述第二组用户可选按钮选择、拖放到所述编辑区域中以定义机器学习模型。
18.在一些实施方式中，频繁使用的所述机器学习子例程或所述机器学习例程的类型较不频繁使用的所述机器学习子例程或所述机器学习例程列得高。
19.在一些实施方式中，所述编辑区域包括模板图形，所述模板图形用于在选择、拖放所述用户可选按钮到所述编辑区域中以定义机器学习模型时帮助用户。
20.在一些实施方式中，用于生成机器学习模型的提供的所述gui包括多个用户可选标签，所述多个用户可选标签包括机器学习模型创建标签、机器学习模型发布标签和机器学习模型版本标签。
21.可以实施本说明书中描述的主题可以以特定方式实现，以实现以下优点中的一个或多个。
22.实现本说明书中描述的非编码机器学习管道的系统为不能编码或不想编码的用户提供了能够快速和容易地生成、执行和发布机器学习模型的可能性。此外，通过目前描述的简易模式功能，非编码机器学习管道的用户不需要理解基本或复杂的机器学习概念。因此，当前描述的非编码机器学习管道对于大量用户是可访问的，并且改进了用户和管道之
间的交互，因为即使是无经验的用户也可以快速地并且以最小的努力生成和运行机器学习解决方案。
23.此外，实现本说明书中描述的非编码机器学习管道的系统为用户提供了增强的灵活性，因为管道的前端提供了直接修改所生成的机器学习模型下面的源代码的可能性。用户可以使用所提供的简易模式更快速地生成机器学习模型，但是也可以实现对机器学习模型的增加的控制。此外，容易重新使用由不同用户建立的机器学习模型或机器学习模型的构建块。因此，可以提高生成个性化模型的效率。此外，可以提高运行机器学习模型的计算效率，因为具有机器学习概念经验的用户具有简化所提供的机器学习例程的可能性。
24.实现本说明书中描述的非编码机器学习管道的系统为用户提供了增强的执行透明度和数据安全性，因为由非编码机器学习管道生成的机器学习模型可以在为系统中的用户提供的资源上执行，或者可以被下载和安全地离线运行。
25.此外，实现本说明书中描述的非编码机器学习管道的系统在设计时提供类型安全检查，因为当块的输出与另一个块的输入不匹配时，用户不能连接构建块。因此，可以在构建过程期间而不是仅在运行时识别或防止错误。
26.本说明书中描述的主题的一个或多个实施方式的细节在附图和以下描述中阐述。根据说明书，附图和权利要求书，本主题的其他特征、方面和优点将变得显而易见。
附图说明
27.图1是实现非编码机器学习管道的示例系统的框图。
28.图2是用于使用非编码机器学习管道生成、执行和发布机器学习模型的示例图形用户界面的示意图。
29.图3是表示示例机器学习例程的包装文件的示意图。
30.图4是在非编码机器学习管道中使用简易模式功能来生成、执行和发布机器学习模型的示例图形用户界面的示意图。
31.图5是使用非编码机器学习管道生成机器学习模型的示例过程的流程图。
32.附图说明6a和6b是执行已经使用非编码机器学习管道生成的机器学习模型的示例过程的流程图。
33.在各个附图中相同的附图标记和标号表示相同的元件。
具体实施方式
概述
34.机器学习是对算法和统计模型的研究，计算机系统使用这些算法和统计模型来有效地执行特定任务，而不使用显式指令，而是依靠模式和推理。机器学习算法建立训练数据的模型，以便在没有明确编程来执行特定任务的情况下对未见的数据进行预测或决策。
35.本说明书描述了用于构建机器学习模型的云计算服务。该服务包括gui，例如，基于web的gui，其中用户可以将机器学习子例程的图形表示拖放到编辑区域中。用户可以链接被放入的机器学习子例程以形成表示机器学习模型的图形。
36.为了在几乎不了解机器学习的概念的情况下帮助用户，gui提供了一种简易的模式呈现，其中机器学习子例程被打包以形成只需要指定数据输入和目标输出的完整机器学
习例程的“黑盒”表示。然后，用户可以将这些机器学习例程的图形表示拖放到编辑区域中，以形成表示机器学习模型的图形。
37.云服务可以提供对机器学习引擎的访问，其中生成的机器学习模型可以被训练和/或用于推理。或者，用户可以下载表示生成的机器学习模型的文件，并离线训练和/或执行推理，例如，在开源栈上。示例性操作环境
38.图1是实现非编码机器学习管道的示例系统100的框图。诸如局域网(lan)、广域网(wan)、因特网或其组合的计算机网络102将非编码机器学习管道前端104连接到云计算环境106的各种组件。
39.用户可以经由用户设备(例如，用户设备118)访问非编码机器学习管道前端104。用户设备118可以包括计算设备，诸如台式计算机、膝上型计算机、平板计算机、智能电话、或者能够显示由非编码机器学习管道后端112提供的非编码机器学习管道前端的图形用户界面(gui)的任何设备。
40.由非编码机器学习管道后端112提供的gui可以是基于web的gui，并且向用户提供交互式的可视工作空间以构建、执行和发布机器学习模型。gui允许用户将机器学习子例程拖放到编辑区域中，在编辑区域中，机器学习子例可以被连接以形成机器学习模型-用户不需要编程技能来生成机器学习模型。形成的机器学习模型可以由云计算环境106在数据集中训练，或者可以由第三方系统离线下载和训练。类似地，一旦经过训练，云计算环境106可以使用机器学习模型对数据集执行推理，或者第三方系统可以下载经过训练的机器学习模型并使用经过训练的机器学习模型执行推理。下面参考图2和4示出和描述由非编码机器学习管道后端提供的示例gui。下面参考图5、6a和6b描述使用非编码机器学习管道生成机器学习模型的示例过程。
41.云计算环境106的各种组件包括云存储组件108，关系或非关系数据库110，例如新sql数据库，非编码机器学习管道后端112，云机器学习引擎114和库存后端116。
42.云存储组件108、关系或非关系数据库110(例如，新sql数据库)、非编码机器学习管道后端112是基于通过非编码机器学习管道前端从用户接收的输入执行与生成或编辑机器学习模型相关的操作的组件。非编码机器学习管道后端提供上述gui，并处理经由gui从用户接收的输入。由非编码机器学习管道后端执行的示例性操作包括下面参考图5、6a和6b描述的那些操作中的一些或全部。云存储组件108和数据库110存储与用户通过非编码机器学习管道前端创建的机器学习模型有关的信息。例如，云存储组件108和数据库110可以存储机器学习模型的中间状态、修订历史、执行日志或输入/输出。
43.云机器学习引擎114执行与执行由非编码机器学习管道前端和后端生成的机器学习模型有关的操作。例如，云机器学习引擎114可以在机器学习模型中对指定数据集执行机器学习例程或子例程，以训练机器学习模型和/或执行推理。由云机器学习引擎114生成的输出(结果)可以直接提供给非编码机器学习管道前端104或非编码机器学习管道后端112。
44.库存后端116执行与发布由非编码机器学习管道前端和后端生成的机器学习模型有关的操作。例如，库存后端可以包括对非编码ml管道的用户公开的存储(具有安全检查)。
45.图2是用于使用非编码机器学习管道生成、执行和发布机器学习模型的示例gui 200的示意图。
46.示例gui 200包括搜索框202，搜索框202中用户可以搜索机器学习子例程的列表。示例机器学习子例程可以包括算法或功能，例如：各种数据格式化算法；各种数据拆分算法；各种特征选择算法；各种机器学习训练算法，各种机器学习评估算法或各种统计算法。其它示例机器学习子例程包括数据集或诸如输入、输出或评估的机器学习命令。在一些实施方式中，gui 200还可以包括区域204，其中搜索选项和过滤器可以由用户设置。例如，用户可以选择机器学习任务的类型作为搜索选项。
47.在一些实施方式中，在用户将文本输入到搜索框202中之前，可以在gui中显示框206中的机器学习子例程的默认列表，例如，频繁使用的机器学习子例程的列表，其中列出的频繁使用的机器学习子例程比不频繁使用的机器学习子例程高。此外，在用户开始向搜索框202输入文本之后，可以基于所输入的文本来更新框206中所显示的机器学习子例程的列表。
48.框206中的机器学习子例程列表中的每个机器学习子例程被显示为用户可选按钮208，例如用户可选按钮208,208a-c。通过选择指针工具按钮216来激活指针工具功能，用户可以选择对应于特定机器学习子例程的按钮，并将对应于特定机器学习子例程的按钮拖放到编辑区域210中。在示例gui 200中，用户已经选择，拖放了与机器学习子例程“输入《数据》”,“机器学习算法iii”,“数据拆分器iv”,“训练算法i”,“评估”和“输出《模型》,输出《视觉》”相对应的按钮。
49.编辑区域210用于基于所选择的机器学习子例程来定义机器学习模型。一旦用户将对应于机器学习子例程的按钮放到编辑区域210中，用户就可以进一步连接机器学习子例程以形成表示机器学习模型的图形。机器学习子例程之间的连接(例如，连接214)可以通过选择连接器按钮212来激活连接器功能来创建。在一些实施方式中，连接器功能可能不允许不兼容的机器学习子例程之间的连接，例如，可能不允许用户将输入子例程直接连接到输出子例程，并且可能自动地指导连接的机器学习子例程之间的连接，例如，即使用户首先选择训练算法然后选择数据拆分例程，也可能将数据拆分例程连接到训练算法。连接器功能的这些方面可以增加生成的机器学习模型正常运行并且可以无错误地执行的可能性。
50.在一些实施方式中，所述编辑区域210可以显示模板图形，所述模板图形用于在选择、拖放与机器学习子例程相关的所述用户可选按钮到所述编辑区域中以定义机器学习模型时帮助用户。例如，当gui首先被呈现给用户时，在编辑区域中可以示出以50％不透明度示出示例性机器学习模型的连接的构建块的模板图。在一些实施方式中，可以基于由用户在搜索框202或区域204中输入的搜索项或搜索选项来更新在编辑区域中呈现的模板图形。例如，如果用户将“图像分类”输入到区域204中，则在编辑区域210中显示的模板图形可以示出多个连接的机器学习子例程的示例图形，这些子例程一起表示卷积神经网络。
51.当用户在编辑区域中操作时，即拖、放和连接编辑区域中的机器学习子例程时，提供gui的系统调用具有表示正在构造中的图形的原型文件的后端。在一些实施方式中，系统可以存储在编辑区域中执行的操作的完整或部分历史。
52.示例gui 200还包括多个用户可选标签，例如机器学习模型创建或设计标签218a，机器学习模型发布标签218b，事件标签218c和机器学习模型版本标签218d。如果用户选择设计标签218a，则gui呈现包括用于创建机器学习模型的选项和特征，如示例gui 200所示。
53.如果用户选择发布标签218b，则gui呈现可替换地或另外地呈现与发布所创建的
机器学习模型有关的选项和/或特征。例如，gui呈现可以包括用户可选择的发布按钮，该发布按钮在被选择时允许系统将图形作为资产发布给系统的其他用户以编辑、执行和保存。这种发布的资产可以在设计标签218a下被用户访问，例如在框208a-c中的列表中呈现。
54.如果用户选择事件标签218c，则gui呈现可以呈现列出特定项目的活动日志的页面，其中用户可以查看时间戳和机器学习模型的每个修订，例如，对应于用户执行模型的一个或多个步骤或在云中存储文件。事件标签218c还可以用作云服务用户所产生的费用的概要，因为时间戳和修订可以与出现在用户帐单中的相应费用相匹配。
55.如果用户选择版本标签218d，则gui呈现可以包括在编辑区域中做出的编辑的历史，例如呈现为可选快照的列表。用户可以通过选择快照来恢复快照，该快照可以自动地将快照复制到新的项目或管道中，例如第二gui呈现。在一些实施方式中，当在设计标签下操作gui时，例如在gui 200的区域222中，用户还可以查看执行历史的概要。
56.示例gui 200还包括运行按钮220。当运行按钮被启用时，用户可以选择运行按钮来执行在编辑区域210中生成的机器学习模型。当选择运行按钮时，机器学习模型立即在云中执行，例如，由云机器学习引擎执行。来自选择运行按钮220和执行机器学习模型的结果可以直接显示在编辑区域中，或者可以通过悬停或选择编辑区域中的相应输出模块来看到。然而，在一些实现方式中，例如，如果编辑区域中生成的机器学习模型缺少例程或者不能执行，则可以禁用运行按钮220。在这些实现中，gui还可以在例如编辑区域210中或者在运行按钮220旁边呈现警告标志。
57.示例gui 200还包括保存按钮224和下载按钮230。用户可以选择保存按钮224以将在编辑区域中生成的机器学习模型本地保存到例如云。可替换地或附加地，用户可以选择下载按钮230来下载表示在编辑区域210中生成的机器学习模型的文件。下载按钮230可以在选择运行按钮220之前选择，即在训练和/或评估机器学习模型之前选择，或者可以在选择运行按钮220之后选择，例如下载训练的机器学习模型。下面参考图6a和6b更详细地描述使用用于生成机器学习模型的gui生成的机器学习模型的执行和保存。
58.示例gui还包括查看源代码按钮228。用户可以选择查看源代码按钮来查看与编辑区域210中呈现的机器学习模型相对应的源代码。例如，响应于选择查看源代码按钮，gui可将编辑区域分成两个部分，其中机器学习模型呈现在一个部分中，而相应的源代码呈现在另一个部分中。或者，源代码可以呈现在gui的另一部分中。
59.显示表示机器学习模型的源代码使用户能够调整机器学习模型。例如，在机器学习中具有某种经验的用户可能能够识别将使机器学习模型简化的调整，例如，减少机器学习模型所需的训练时间和/或减少推理时间，而不损害解决方案的准确性。这种调整可以包括调整特定机器学习子例程或例程所使用的神经网络层的数量，或者指定不同的激活函数。作为另一个例子，在机器学习中具有一些经验的用户可能希望比较多个机器学习模型及其在解决特定数据集中的特定任务方面的有效性。因此，手动调整机器学习模型后面的源代码提供了增加的个性化，并且能够使用户能够生成越来越适合特定任务的机器学习模型。
60.在一些实施方式中，悬停或指向机器学习模型的一部分可致使gui突出显示或以其它方式指示所显示的源代码的相关部分。这可以帮助用户并提高对源代码进行调整的准确性。
61.示例gui 200还包括简易模式按钮226。用户可以选择简易模式按钮226来改变gui 200的呈现。例如，选择简易模式按钮226可以改变机器学习子例程的显示列表208a-c。代替仅显示对应于机器学习子例程的用户可选按钮，可以显示对应于一个或多个机器学习例程的用户可选按钮。在本文中，机器学习例程是接受输入数据，根据一个或多个机器学习子例程的序列处理数据，并输出评估结果的过程。机器学习例程可以表示机器学习算法构建块，或整个机器学习算法。在任何一种情况下，机器学习例程对于用户来说都表现为黑盒-用户不需要根据多个机器学习子例程来构建机器学习例程本身。因此，用户不需要理解机器学习概念或如何转换或拆分数据。通过选择简易模式按钮226，所呈现的gui可由更多的用户(具有机器学习经验的那些用户和不具有机器学习经验的那些用户)来操作。
62.为方便起见，本说明书中描述的示例机器学习例程表示整个机器学习算法。然而，如上所述，由以简易模式显示的用户可选按钮表示的机器学习例程可以表示机器学习算法的构建块。在这些情况下，用户可以具有在简易模式下使用一个机器学习例程而在高级或“正常”模式下使用另一个例程的灵活性。
63.对应于机器学习例程的每个用户可选按钮可以表示包括定义机器学习例程的多个连接的机器学习子例程的包装文件。例如，表示机器学习例程的包装文件可以包括(i)数据变换算法，(ii)机器学习训练算法，或(iii)机器学习评估算法中的一个或多个。多个机器学习子例程的包装可以由标准包装来执行。
64.图3是示例包装文件的示意图。为方便起见，图3示出了由用户在图2的gui 200中的编辑区域210中定义的示例机器学习模型的示例包装。
65.在标准模式302中，示例机器学习模型包括特定数据拆分例程(数据拆分模块iv)310,310a，训练算法(训练算法i)310,310b，机器学习算法(机器学习算法iii)310,310c和评估例程310,310d。子例程310,310a-d的这种配置一起表示相应的机器学习例程308，如虚线所示。
66.标准模式302中所示的机器学习子例程310的配置可以使用子例程包装器(包装文件)304包装，如表示机器学习例程308的虚线所示。这种包装产生简易模式“黑盒”呈现306。当以标准模式302操作gui时，简易模式呈现306对应于由用户定义的相同的机器学习模型。即，系统生成表示机器学习模型的相同文件/源代码，而与用户以标准模式还是简易模式操作gui无关。
67.图4是使用简单模式功能来生成、执行和发布机器学习模型的示例图形用户界面400的示意图。示例gui 400建立在图2的示例gui 200上。具体地，图4示出了在用户选择简易模式按钮226之后gui呈现中的差异。
68.例如，在选择了简易模式按钮226之后，在框206(图2)中表示多个机器学习子例程的所呈现的用户可选按钮列表被替换为简易模式列表。简易模式列表包括至少一个用户可选按钮402，例如用户可选按钮402a-c，用户可选按钮402a-c表示机器学习例程，即包含一个或多个机器学习子例程的包装文件。在一些实施方式中，简易模式列表可以包括对应于机器学习子例程和机器学习例程两者的用户可选按钮。在其它实现中，简易模式列表可以仅包括对应于机器学习例程的用户可选按钮。如上面参考图2所描述的，用户可以将对应于机器学习例程的按钮拖放到编辑区域210中以生成机器学习模型。硬件编程：编辑体验
69.图5是用于使用非编码机器学习管道生成机器学习模型的过程的示例方法500的流程图。为方便起见，过程500将被描述为由位于一个或多个位置的一个或多个计算机的系统执行。例如，根据本说明书适当编程的图1的系统100可以执行过程500。
70.该系统提供用于生成机器学习模型的图形用户界面(gui)(步骤502)。例如，系统可以提供上面参考图2描述的gui 200。在一些实施方式中，gui可以是基于web的gui，并且提供gui可以包括通过web浏览器提供gui。
71.系统通过所提供的gui接收用户对gui中显示的模式按钮的选择(步骤504)。模式按钮是一个按钮，当选择该按钮时，使得gui显示对应于相应机器学习例程的第一组用户可选按钮。当模式按钮未被选择时，gui显示对应于相应机器学习子例程的第二组用户可选按钮，其中机器学习例程包括相应的多个连接的机器学习子例程。例如，模式按钮可以对应于上面参考图2-4描述的简易模式按钮。
72.在一些实施方式中，机器学习例程包括多个机器学习子例程，并且对应于相应的包装文件。每个包装文件可以包括一个或多个机器学习子例程，例如，(i)数据变换算法，(ii)机器学习训练算法，或(iii)机器学习评估算法中的一个或多个。
73.响应于接收用户对简易模式按钮的选择，系统在gui中显示第一组用户可选按钮(步骤506)。参考图4示出了在选择模式按钮之后的示例gui呈现。
74.系统通过gui接收用户对第一组用户可选按钮中的一个或多个的用户选择(步骤508)。该系统在gui中显示机器学习模型的图形表示，该机器学习模型由一个或多个机器学习例程定义，该一个或多个机器学习例程对应于用户选择的第一组用户可选按钮中的一个或多个(步骤510)。在图4的示例gui 400的编辑区域中图示了示例图形表示。该系统生成表示机器学习模型的文件(步骤512)。
75.在一些实施方式中，系统还可以通过gui接收用户对gui中显示的源代码按钮的选择。响应于接收到用户对源代码按钮的选择，系统可以在gui中显示表示机器学习模型的源代码，该机器学习模型由接收到的用户对多个用户可选按钮中的一个或多个的选择来定义(例如，在步骤510生成的文件中包括的源代码)。在一些实施方式中，当用户悬停在对应于相应类型的机器学习算法的选定按钮上时，所显示的源代码的相应部分被突出显示。
76.然后，系统可以通过gui接收对所显示的源代码的一个或多个调整，例如对包括在源代码中的机器学习模型参数或功能的调整。然后，系统可以生成表示机器学习模型的更新文件，该机器学习模型由(i)接收到的用户对多个用户可选按钮中的一个或多个的选择，以及(ii)对所显示的源代码的调整来定义。
77.在一些实施方式中，系统还可以将所生成的表示机器学习模型的文件存储在与用户相关联的位置处。在一些实施方式中，系统可以通过gui接收发布表示机器学习模型的生成的文件的请求。在这些实施方式中，系统可以在gui中发布生成的文件作为新的资源。
78.注意，通过gui接收用户对gui中显示的源代码按钮的选择并在gui中显示表示机器学习模型的源代码的可选步骤可以作为与图5所述不同的过程的一部分来执行，该机器学习模型由接收到的用户对多个用户可选按钮中的一个或多个的选择来定义。例如，该可选步骤可以作为仅在标准模式下使用gui生成机器学习模型的过程的一部分来执行。硬件编程：执行体验
79.图6a是用于执行已经使用非编码机器学习管道生成的机器学习模型的第一示例
过程600的流程图。为方便起见，过程600将被描述为由位于一个或多个位置的一个或多个计算机的系统执行。例如，根据本说明书适当编程的图1的系统100可以执行过程600。
80.在系统生成表示机器学习模型的文件之后，例如，如上参考图5的步骤510所述，系统还可以通过用于生成机器学习模型的gui并且从用户接收下载表示机器学习模型的生成的文件的请求(步骤602)。在一些实施方式中，例如，其中用户想要离线训练机器学习模型的实施方式，生成的文件可以表示未训练的机器学习模型。在其他实现中，例如，用户通过gui将训练数据集上传到系统或选择由系统提供的样本数据集以供训练的实施方式中，用户可以请求系统训练机器学习模型以生成表示被训练的机器学习模型的文件，并且用户可以进一步请求下载表示被训练的机器学习模型的生成的文件，从而可以离线执行推理。
81.在一些实施方式中，所接收的下载生成的文件的请求可以包括根据所指示的类型(例如，第三方流格式)来重新格式化生成的文件的请求。在这些实施方式中，系统可以生成表示所指示类型的机器学习模型的重新格式化的文件，并且通过gui提供对表示机器学习模型的重新格式化的文件的访问。
82.系统通过gui提供对表示机器学习模型的生成文件的访问(步骤604)。然后，用户可以将所生成的文件提供给其他系统组件或模块，或者提供给第三方以供执行。
83.示例过程600将用户用来生成机器学习模型的gui与执行过程解耦。这可以为用户提供增强的执行透明度，以及增强的安全性，因为用户需要不共享其数据。
84.注意，示例过程600还可以在系统使用与图5中描述的过程不同的过程生成表示机器学习模型的文件之后执行。例如，可以在系统生成表示机器学习模型的文件之后执行示例过程600，该机器学习模型已经由操作图2的示例gui 200的用户(即，用户以标准模式操作gui)创建。
85.图6b是用于执行已经使用非编码机器学习管道生成的机器学习模型的第二示例过程650的流程图。为方便起见，过程650将被描述为由位于一个或多个位置的一个或多个计算机的系统执行。例如，根据本说明书适当编程的图1的系统100可以执行过程650。
86.在系统生成表示机器学习模型的文件之后，例如，如上参考图5的步骤510所述，系统通过gui接收数据集的选择(步骤652)。例如，用户可以从gui中显示的多个选项之一中选择样本数据集，或者可以选择由用户导入的数据集。
87.系统通过gui接收使用数据集执行表示机器学习模型的生成的文件的请求(步骤654)。接收使用数据集执行表示机器学习模型的生成的文件的请求可以包括接收用户对运行按钮的选择。在一些实施方式中，当选择机器学习模型输入数据集时，即在步骤652之后，系统可以启用在gui中显示的运行按钮。
88.系统使用数据集执行表示机器学习模型的生成的文件，以生成相应的机器学习模型输出(步骤656)。所生成的机器学习模型输出可以包括一个或多个经过训练的机器学习模型或对由经过训练的机器学习模型产生的机器学习任务的解决方案。该系统提供所生成的机器学习模型输出以供在gui中显示(步骤658)。
89.本说明书中描述的实施例和所有功能操作可以在数字电子电路中实现，或者在计算机软件，固件或硬件中实现，包括在本说明书中公开的结构及其结构等价物，或者它们中的一个或多个的组合。实施例可以被实现为一个或多个计算机程序产品，即，在计算机可读介质上编码的计算机程序指令的一个或多个模块，该计算机程序指令的一个或多个模块用
于由数据处理装置执行或控制数据处理装置的操作。计算机可读介质可以是机器可读存储设备、机器可读存储衬底、存储器设备、影响机器可读传播信号的物质组合物，或它们中的一个或多个的组合。术语“数据处理装置”包括用于处理数据的所有装置、设备和机器，包括，例如可编程处理器、计算机、或多个处理器或计算机。除了硬件之外，该装置可以包括为所讨论的计算机程序创建执行环境的代码，例如构成处理器固件、协议栈、数据库管理系统、操作系统或它们中的一个或多个的组合的代码。传播的信号是人工产生的信号，例如，机器产生的电、光或电磁信号，其被产生以编码用于传输到合适的接收机装置的信息。
90.计算机程序(也称为程序、软件、软件应用、脚本或代码)可以以任何形式的编程语言来编写，包括编译或解释语言，并且可以以任何形式来部署，包括作为独立的程序或作为模块、组件、子例程或适于在计算环境中使用的其它单元。计算机程序不必对应于文件系统中的文件。程序可以存储在保存其它程序或数据的文件的一部分(例如，存储在标记语言文档中的一个或多个脚本)中，存储在专用于所述程序的单个文件中或者存储在多个协调文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。计算机程序可以被部署为在一个计算机上或在位于一个站点或分布在多个站点上并通过通信网络互连的多个计算机上执行。
91.可以通过一个或者多个可编程处理器来执行本说明书中所描述的过程和逻辑流程，该一个或者多个可编程处理器执行一个或者多个计算机程序以通过操作输入数据并且生成输出来执行功能。过程和逻辑流程也可以由诸如fpga(现场可编程门阵列)或者asic(专用集成电路)的专用逻辑电路执行，并且装置也可以实施为诸如fpga(现场可编程门阵列)或者asic(专用集成电路)的专用逻辑电路。
92.适合执行计算机程序的处理器包括：例如，通用微处理器、专用微处理器、以及任何种类的数字计算机的任何一个或者多个处理器。一般而言，处理器将接收来自只读存储器或者随机存取存储器或者两者的指令和数据。
93.计算机的必要元件是：用于执行指令的处理器、和用于存储指令和数据的一个或者多个存储器设备。一般而言，计算机还将包括用于存储数据的一个或者多个海量存储设备，或者计算机可以操作地耦合以接收来自该一个或者多个海量存储设备的数据或者将数据传输至该一个或者多个海量存储设备或者进行两者,该海量存储设备例如为磁盘、磁光盘、或者光盘。然而，计算机不必具有这种设备。此外，计算机可以嵌入在另一个设备中，例如，平板计算机、移动电话、个人数字助理(pda)、移动音频播放器、全球定位系统(gps)接收器等。适用于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、介质和存储设备，包括，例如，半导体存储设备(例如eprom，eeprom和闪存设备)、磁盘(例如内部硬盘或可移动磁盘)、磁光盘、以及cd rom和dvd-rom磁盘。处理器和存储器可以由专用逻辑电路系统补充或者可以并入该专用逻辑电路系统中。
94.为了提供与用户的交互，可以在计算机上实施实施例，该计算机具有：用于向用户显示信息的显示设备，例如，crt(阴极射线管)或者lcd(液晶显示器)监视器、以及包括键盘和指向设备(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向设备来将输入提供给计算机。其它种类的设备可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈，例如，视觉反馈、听觉反馈或者触觉反馈；并且可以用包括声输入、语音输入或者触觉输入的任何形式来接收来自用户的输入。
95.实施例可以在计算系统中实现，该计算系统包括后端组件，例如作为数据服务器；或者包括中间件组件，例如应用服务器；或者包括前端组件，例如具有图形用户界面或web浏览器的客户端计算机，用户可以通过该图形用户界面或web浏览器与实现交互；或者一个或多个这样的后端、中间件、或前端组件的任意组合。系统的组件可以通过任何形式或介质的数字数据通信(例如，通信网络)来互连。通信网络的示例包括局域网(“lan”)和广域网(“wan”)，例如，因特网。
96.计算系统可以包括客户机和服务器。客户机和服务器通常彼此远离，并且通常通过通信网络进行交互。客户机和服务器之间的关系是通过在各个计算机上运行并且彼此具有客户机-服务器关系的计算机程序而产生的。
97.虽然本说明书包含许多细节，但是这些不应被解释为对公开的或所要求保护的范围的限制，而应被解释为对特定实施例的特征的描述。在本说明书中在单独的实施例的上下文中描述的某些特征也可以在单个实施例中组合实施。相反，在单个实施例的上下文中描述的各种特征也可以分别在多个实施例中或以任何合适的子组合来实施。而且，尽管以上可以将特征描述为以某些组合起作用并且甚至最初是这样声称的，但是在某些情况下可以从组合中切除所要求保护的组合中的一个或多个特征，并且所要求保护的组合可以针对子组合或子组合的变体。
98.类似地，虽然在附图中以特定次序描述了操作，但是这不应理解为要求以所示的特定次序或以顺序次序执行这样的操作、或者执行所有示出的操作以实现期望的结果。在某些情况中，多任务和并行处理可能是有益的。此外，上述实施例中的各种系统部件的分离不应被理解为在所有实施例中都要求这种分离，并且应当理解，所描述的程序部件和系统通常可以集成在单个软件产品中或封装成多个软件产品。
99.在提及文件的每一实例中，可预期不同的文件类型或格式，例如，yaml、html、xml、json、纯文本或其它类型的文件。此外，在提及表的情况下，可以预期不同的数据结构(例如电子表格、关系数据库或结构化文件)。
100.因此，已经描述了特定的实施例。其他实施例在所附权利要求的范围内。例如，权利要求中记载的动作可以以不同的顺序执行并且仍然实现期望的结果。