一种可视化人工智能算法编排方法、装置、设备及介质与流程

本发明涉及人工智能领域，尤其涉及一种可视化人工智能算法编排方法、装置、设备及介质。

背景技术：

1、人工智能现阶段随着不断地发展产生了包括成像原理、边界和曲线、图像分类、图像分割、目标检测、形状分析、纹理分析、图像重构、图像生成、人脸识别等不同的计算机视觉算法，但大多数是基于python解释器中进行运行，对于人工智能基础较弱的人存在一定的上手门槛，而例如ai studio、algorithm-visualizer等一些类似的可视化平台，上手难度较高，新手不容易了解到模型训练、评估、推理的完整过程，且依赖于互联网，无法离线操作。

2、现阶段随着人工智能热度的增长，以及社会对于人工智能算法研究的深入，互联网中出现了各种业务算法的诞生，亟需简单、高效的人工智能算法模型生产方式。

技术实现思路

1、有鉴于此，有必要针对以上技术问题，提供一种可视化人工智能算法编排方法、装置、设备及介质。

2、根据本发明的第一方面，提供了一种可视化人工智能算法编排方法，所述方法包括：

3、对算子进行开发以将人工智能流程中的各种输入、输出、训练、推理、评估固化为算子组件；

4、将所述算子组件加载到基于react框架建的可视化编排页面，并由所述可视化编排页面接收用户对所述算子组件的组合和配置以生成目标模型；

5、由所述可视化编排页面接收用户对所述目标模型的训练参数配置，并基于所述训练参数配置调用容器对所述目标模型进行训练；

6、将训练后的目标模型发布成模型应用以对外提供模型服务。

7、在一些实施例中，所述方法还包括；

8、在训练过程中调用后台接口服务将模型文件、文件地址、模型描述、模型评估map存储到模型库中。

9、在一些实施例中，所述方法还包括：

10、提供过程洞察界面以向用户展示模型训练时产生的训练数据、评估数据、推理过程数据、结果数据。

11、在一些实施例中，对算子进行开发以将人工智能流程中的各种输入、输出、训练、推理、评估固化为算子组件，包括：

12、将算子的配置输入到算子开发系统中，储存到数据库中；

13、将算子的分类、锚点类型、算法回调函数、算法参数类型、算法脚本函数作为主要的算法参数信息，储存在数据库中；

14、基于数据库中的数据生成算子列表以供用户进行拖拉拽显示。

15、在一些实施例中，将所述算子组件加载到基于react框架建的可视化编排页面，并由所述可视化编排页面接收用户对所述算子组件的组合和配置以生成目标模型，包括：

16、使用jsplumb、jquery、echarts、crypto-js、axios设计页面算法库、流程建模页面；

17、在页面算法库中加载公共算子和算法，从数据库中加载算子列表左侧菜单；

18、流程建模页面在初始化时，页面中缓存nodes作为页面中编排的节点信息，connects作为页面中编排的节点连线信息；

19、在react框架的componentdidupdate中执行根据nodes渲染页面中算子节点、根据connects渲染页面中算子连线信息，并将整个编排面板配置为可拖拉拽模式；

20、接收用户从左侧菜单拖拽到流程建模页面中的算子组件，以及接收算子组件的有向连接线段，以及连接到最右侧固定的结束节点；

21、算子从左侧菜单拖拽到面板时构造对象，将节点的坐标、index主键、算法信息、锚点类型、节点名称作为一个对象添加到页面的nodes数组中，作为节点数组；

22、在节点渲染时，根据节点上的算法锚点类型进行渲染，页面将两个锚点进行连线，将连接时的线段信息添加到页面上的connects信息，作为连线数组，页面在保存时将nodes、connects、流程id、更新时间保存到数据库中；

23、页面在加载时根据流程id查询出所属nodes、connects信息加载到页面以实现保存后的二次开发。

24、在一些实施例中，可视化编排页面接收用户对所述目标模型的训练参数配置，并基于所述训练参数配置调用容器对所述目标模型进行训练，包括：

25、使用jsplumb、jquery、echarts、crypto-js、axios设计流程控制面板、流程进度面板；

26、可视化编排页面中的流程控制面板提供保存、刷新、开始、停止四个按钮、通过开始按钮选择启动容器并启动流程；

27、启动流程时将前台的流程id传入后台，后台根据流程id查询出nodes节点信息、connects连线信息，并根据connects的输入端点、输出端点；

28、通过拓扑算法进行排序并获取对应nodes排序；

29、根据nodes排序以及算法信息，加载各个节点的页面参数信息，形成流程的完整信息，并构造上下文对象，从线程池中启动线程调用算法执行容器；

30、页面启动定时任务，在线程池中判断线程是否正在运行以及容器中脚本是否正在执行；

31、若流程正在运行，则将流程运行时的运行日志反馈到流程进度面板，并提供进度条进度显示。

32、在一些实施例中，所述目标模型属于成像原理、边界和曲线、图像分类、图像分割、目标检测、形状分析、纹理分析、图像重构、图像生成、人脸识别中的至少一种。

33、根据本发明的第二方面，提供了一种可视化人工智能算法编排装置，所述装置包括：

34、算子开发模块，配置用于对算子进行开发以将人工智能流程中的各种输入、输出、训练、推理、评估固化为算子组件；

35、编排模块，配置用于将所述算子组件加载到基于react框架建的可视化编排页面，并由所述可视化编排页面接收用户对所述算子组件的组合和配置以生成目标模型；

36、训练模块，配置用于由所述可视化编排页面接收用户对所述目标模型的训练参数配置，并基于所述训练参数配置调用容器对所述目标模型进行训练；

37、模型发布模块，配置用于将训练后的目标模型发布成模型应用以对外提供模型服务。

38、根据本发明的第三方面，还提供了一种计算机设备，该计算机设备包括：

39、至少一个处理器；以及

40、存储器，存储器存储有可在处理器上运行的计算机程序，处理器执行程序时执行前述的可视化人工智能算法编排方法。

41、根据本发明的第四方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时执行前述的可视化人工智能算法编排方法。

42、上述一种可视化人工智能算法编排方法，实现了在离线条件下使用可视化平台编排人工智能算法流程，将各个算法导入到软件系统中，并利用基于react框架建的可视化编排页面通过一定的连接顺序编排算法生产模型，并实现模型的运行、以及运行态调用，使得用户在编排训练、评估、推理等过程中实现可视化的操作，降低了理解和应用成本，提高了模型生产效率。

43、此外，本发明还提供了一种可视化人工智能算法编排装置、一种计算机设备和一种计算机可读存储介质，同样能实现上述技术效果，这里不再赘述。