部署机器学习模型的制作方法

背景技术：

1、本发明总体上涉及计算领域，并且更具体地涉及一种用于部署机器学习模型的方法。

2、机器学习模型被集成在许多软件系统中，诸如数据库事务处理系统。这些模型可能实施起来非常复杂并且可能需要许多库。此类模型的执行和结果可取决于库及其版本。

技术实现思路

1、本发明实施例公开了一种方法、计算机系统和计算机程序产品，用于通过将经训练的机器学习模型和/或人工智能模型从基于网络的服务计算机系统转移到私有计算系统，来在基于客户端的系统处部署经训练的机器学习模型。有利实施例可以在从属权利要求中描述。如果本发明的实施例不相互排斥，则它们可以彼此自由组合。

2、在实施例中，本发明可以包括从训练系统请求训练环境的信息,其中在该训练环境中训练机器学习模型。本发明可包括基于关于训练环境的信息确定客户端系统的本地环境与训练系统的训练环境的兼容性。本发明可以包括确定客户端系统的本地环境与训练系统的训练环境兼容。本发明可以包括下载机器学习模型。

3、在实施例中，本发明可以包括训练机器学习模型。本发明可以包括创建指示训练系统的训练环境的元数据。本发明可以包括将元数据链接到经训练的机器学习模型。本发明可以包括：提供应用程序接口(api)服务，用于在下载经训练的机器学习模型并且下载经训练的机器学习模型之前至少允许访问元数据。

技术特征：

1.一种用于在客户端系统上部署机器学习模型的方法，所述方法包括：

2.根据权利要求1所述的方法，其中，确定所述本地环境与所述训练环境的兼容性进一步包括：

3.根据权利要求2所述的方法，其中，所述客户端系统被配置为具有所述训练系统的客户端-服务器配置，所述训练系统提供所述机器学习模型和所述训练环境上的信息作为所述客户端系统的服务。

4.根据权利要求3所述的方法，其中，所述服务是应用编程接口(api)服务，进一步包括：

5.根据权利要求4所述的方法，其中，从公共储存库下载所述api包。

6.根据前述权利要求中任一项所述的方法，其中，所述机器学习模型是二进制文件。

7.根据前述权利要求中任一项所述的方法，其中，根据所述训练系统的持续模型来持续所述机器学习模型，所述持续模型至少包括腌制持续模型。

8.根据权利要求2所述的方法，其中，关于所述训练环境的所述信息至少包括依赖库的列表，其中，所述依赖库的列表被包括在训练所述机器学习模型期间所需的一个或多个库以及所述一个或多个库的发布编号。

9.根据权利要求8所述的方法，其中，确定所述客户端系统的本地环境与所述训练环境的兼容性进一步包括：

10.根据权利要求9所述的方法，其中，适配所述客户端系统的所述本地环境进一步包括：

11.根据前述权利要求中任一项所述的方法，其中，所述客户端系统经由通信网络远程地连接至所述训练系统。

12.根据前述权利要求中任一项所述的方法，其中，所述训练系统处于云服务环境中。

13.一种用于在训练系统处训练机器学习模型的方法，所述方法包括：

14.根据权利要求13所述的方法，其中，所述api服务在云环境中。

15.根据权利要求13至14中任一项所述的方法，其中，根据所述训练系统的持续模型来持续所述经训练的机器学习模型，所述持续模型至少包括腌制持续模型。

16.一种用于在客户端系统上部署机器学习模型的计算机系统，包括：

17.根据权利要求16所述的计算机系统，其中，确定所述本地环境与所述训练环境的兼容性进一步包括：

18.根据权利要求17所述的计算机系统，其中，关于所述训练环境上的所述信息至少包括依赖库列表，其中，所述依赖库列表由在所述机器学习模型的训练期间所需的一个或多个库以及所述一个或多个库的发布编号组成。

19.根据权利要求18所述的计算机系统，其中，确定所述客户端系统的本地环境与所述训练环境的兼容性进一步包括：

20.一种用于在客户端系统上部署机器学习模型的计算机程序产品，包括：

技术总结
提供了一种用于在客户端系统处部署机器学习模型的方法、计算机系统和计算机程序产品。本发明可以包括从训练系统请求在训练环境的信息，其中机器学习模型在所述训练环境中训练。本发明可包括基于关于训练环境中的信息确定客户端系统的本地环境与训练系统的训练环境的兼容性。本发明可以包括确定客户端系统的本地环境与训练系统的训练环境兼容。本发明可以包括下载机器学习模型。

技术研发人员：L·茨米洛夫斯基,A·马斯尼,D·里斯卡,W·贾吉洛
受保护的技术使用者：国际商业机器公司
技术研发日：
技术公布日：2024/1/5