(19)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 202211203914.9 (22)申请日 2022.09.29 (71)申请人 上海商汤科技 开发有限公司 地址 201306 上海市中国 （上海） 自由贸易 试验区临港新片区环湖西二路888号C 楼 (72)发明人 张骁立　易先威　李康宇　 (74)专利代理 机构 北京中知恒瑞知识产权代理 事务所(普通 合伙) 11889 专利代理师 袁忠林 (51)Int.Cl. G06F 9/50(2006.01) G06F 9/48(2006.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 模型训练方法、 装置、 系统、 电子 设备及存储 介质 (57)摘要 本公开提供了一种模型训练方法、 装置、 系 统、 电子设备及存储介质， 该方法应用于用户端， 包括： 创建与算力池的资源规格相匹配的云开发 机； 其中， 云开发机内预置有命令行工具； 在云开 发机内生 成人工智能模型对应的程序代码后， 响 应于命令 行工具的使用操作， 基于程序代码和云 开发机的环 境参数， 生成人工智能模 型对应的训 练任务； 利用命令行工具将训练任务发送给所述 算力池， 并在算力池基于训练任务指示的程序代 码， 按照环 境参数执行模型训练任务得到训练结 果之后， 在云开发机内接收人工智能模型对应的 训练结果。 权利要求书4页 说明书17页 附图5页 CN 115543614 A 2022.12.30 CN 115543614 A 1.一种模型训练方法， 其特 征在于， 应用于用户端， 包括： 创建与算力池的资源规格相匹配的云开发机； 其中， 所述云开发机内预置有命令行工 具； 在所述云开发机内生成人工智能模型对应的程序代码后， 响应于所述命令行工具的使 用操作， 基于所述程序代码和所述云开发机的环境参数， 生成所述人工智能模型对应的训 练任务； 利用所述命令行工具将所述训练任务发送给所述算力池， 并在所述算力池基于所述训 练任务指示的所述程序代码， 按照所述环境参数执行模型训练任务得到训练结果之后， 在 所述云开发机内接收所述人工智能模型对应的训练结果。 2.根据权利要求1所述的方法， 其特征在于， 所述响应于所述命令行工具的使用操作， 基于所述程序代码和所述云开发机的环境参数， 生成所述人工智能模型对应的训练任务， 包括： 响应于所述命令行工具的使用操作， 接收所述人工智能模型对应的任务参数； 其中， 所 述任务参数包括训练所述人工智能模型时应使用的节点数、 和每 个节点的卡数； 基于所述程序代码、 所述云开发机的环境参数和所述任务参数， 生成所述人工智能模 型对应的训练任务； 以便所述算力池在接收到所述训练任务之后， 基于所述程序代码， 按照所述环境参数 和所述任务 参数执行多机多卡的模型训练任务， 得到训练结果。 3.根据权利要求2所述的方法， 其特征在于， 所述利用所述命令行工具将所述训练任务 发送给所述算力池， 包括： 获取校验信息； 利用所述命令行工具将所述校验信 息和所述训练任务发送给云管平台， 以便所述云管 平台基于所述校验信息， 确定所述云开发机对应的算力 资源额度， 并基于所述算力 资源额 度， 对所述训练任务中的任务参数进 行参数验证， 得到参数验证结果； 以及在所述参数验证 结果指示验证通过的情况 下， 所述云管平台将所述训练任务 转发给所述算力池。 4.根据权利要求1 ‑3任一所述的方法， 其特征在于， 在创建与算力池的资源规格相匹配 的云开发机之后， 所述方法还 包括： 响应于所述命令行工具的触发， 判断所述云开发机内是否存在有效令牌to ken； 若不存在， 则接收所述云开发机对应的标识信息， 并将所述标识信息发送给云管平台； 在所述云管平台基于所述标识信息进行身份验证， 得到身份验证结果之后， 接收所述 身份验证结果； 在所述身份验证结果指示为验证通过的情况下， 从所述云管平台获取token， 并将所述 云开发机的状态从不可用状态更新 为可用状态。 5.根据权利要求1 ‑4任一所述的方法， 其特征在于， 在接收到所述人工智能模型对应的 训练结果之后， 所述方法还 包括： 在所述训练结果指示模型训练成功的情况下， 基于所述训练结果包括的日志文件中的 存储地址， 获取训练后的人工智能模型； 并利用所述训练后的人工智能模型 执行目标任务。 6.根据权利要求1 ‑5任一所述的方法， 其特征在于， 在接收到所述人工智能模型对应的 训练结果之后， 所述方法还 包括：权　利　要　求　书 1/4 页 2 CN 115543614 A 2在所述训练结果指示模型训练出错的情况下， 基于所述训练结果包括的日志文件， 生 成调整信息； 响应于模型调整操作， 基于所述调整信息， 在所述云开发机内对所述人工智能模型的 程序代码进行调整， 得到调整后的程序代码。 7.一种模型训练方法， 其特 征在于， 应用于算力池， 包括： 接收利用命令行工具发送的训练任务， 其中， 所述训练任务为用户端在创建的云开发 机内生成人工智能模型对应的程序代码之后， 基于所述程序 代码和所述云开 发机的环境参 数生成的； 根据所述训练任务指示的环境 参数进行资源调度， 确定执 行训练任务的算力节点； 控制所述算力节点基于所述程序代码执行模型训练任务， 生成训练结果， 并将所述训 练结果返回给 所述云开发机 。 8.根据权利要求7所述的方法， 其特征在于， 在所述训练任务为基于所述程序代码、 任 务参数、 和所述云开发机的环境参数生成的， 所述任务参数包括训练所述人工智能模型时 应使用的节点数、 和每个节点的卡数情况下， 所述根据所述训练任务指示的环境参数进行 资源调度， 确定执 行训练任务的算力节点， 包括： 根据所述环境 参数和所述任务 参数进行资源调度， 确定执 行训练任务的算力节点。 9.一种模型训练方法， 其特 征在于， 应用于云管平台， 包括： 接收利用命令行工具发送的校验信息和训练任务， 其中， 所述训练任务为用户端在创 建的云开发机内生成人工智能模型对应的程序代码之后， 基于所述程序代码、 任务参数和 所述云开 发机的环境参数生成的， 所述任务参数包括训练所述人工智能模 型时应使用的节 点数、 和每 个节点的卡数； 基于所述校验信息， 确定所述云开发机对应的算力资源额度； 基于所述算力资源额度， 对所述训练任务中的任务参数进行参数验证， 得到参数验证 结果； 在所述参数验证结果指示验证通过的情况下， 将所述训练任务转发给算力池， 以便所 述算力池基于所述训练任务指示的所述程序 代码， 按照所述环境参数和所述任务参数执行 模型训练任务， 得到训练结果。 10.根据权利要求9所述的方法， 其特 征在于， 所述方法还 包括： 接收所述云开发机发送的标识信息； 其中， 所述标识信息为在所述云开发机内不存在 有效令牌to ken的情况 下， 云开发机 接收到的信息； 基于所述标识信息进行身份验证， 得到身份验证结果； 将所述身份验证结果 转发给所述云开发机 。 11.一种模型训练系统， 其特 征在于， 所述系统包括： 用户端和算力池； 所述用户端， 用于创建与算力池的资源规格相匹配的云开发机； 其中， 所述云开发机内 预置有命令行工具； 在所述云开发机内生成人工智能模型对应的程序代码后， 响应于所述 命令行工具 的使用操作， 基于所述程序代码和所述云开发机的环境参数， 生成所述人工智 能模型对应的训练任务； 并利用所述命令行工具将所述训练任务发送给所述算力池； 接 收 所述算力池返回的训练结果； 所述算力池， 用于基于所述训练任务指示的所述程序代码， 按照所述环境参数执行模权　利　要　求　书 2/4 页 3 CN 115543614 A 3