一种业务处理模型的组建方法与装置

技术领域

本发明涉及深度学习算法开发技术领域，尤其涉及一种业务处理模型的组建方法与装置。

背景技术

近几年，人工智能高速发展，给人们的生活带来了极大的变化，各个领域对人工智能的需求也越来越多。目前大多数的算法模型训练只能选择算法平台支持范围内的图片检测的算法模型和网络结构，适用范围是普通用户而不适合开发算法人员使用。而且，现有技术需要在多个平台之间进行下载和上传，比较麻烦，也比较消耗存储空间。

发明内容

本申请提供一种业务处理模型的组建方法与装置，用于提升业务处理模型组建的便捷性、灵活性。

第一方面，提供一种业务处理模型的组建方法，应用于算法开发平台，包括：

响应于针对第一区域内显示的至少一个算法组件标识的拖拽操作，在第二区域内显示目标算法组件集；所述目标算法组件集中包括所述至少一个算法组件标识所对应的算法组件；

响应于针对所述目标算法组件集的各个算法组件的连接指令，将所述目标算法组件中的各个算法组件进行连接，得到业务处理模型；

其中，所述业务处理模型用于处理目标业务，所述业务处理模型中的不同算法组件用于处理所述目标业务中的不同子业务。

在一种可能的设计中，所述响应于针对第一区域内显示的至少一个算法组件标识的拖拽操作，在第二区域内显示目标算法组件集，包括：

针对所述至少一个算法组件标识的拖拽操作，分别进行如下操作：

响应于针对所述至少一个算法组件标识中一个算法组件标识的拖拽操作，在第二区域内显示所述一个算法组件标识所对应的算法组件。

在一种可能的设计中，所述响应于针对所述至少一个算法组件标识中一个算法组件标识的拖拽操作，在第二区域内显示所述一个算法组件标识所对应的算法组件之后，还包括：

响应于针对所述一个算法组件标识所对应的算法组件的模型更新操作，将所述一个算法组件标识所对应的算法组件中的第一子模型，更新为所述模型更新操作指示的第二子模型，所述第二子模型和第一子模型为用于处理针对不同对象的同一子业务。

在一种可能的设计中，所述响应于针对所述至少一个算法组件标识中一个算法组件标识的拖拽操作，在第二区域内显示所述一个算法组件标识所对应的算法组件之后，还包括：

响应于针对所述一个算法组件标识所对应的算法组件的移动操作，将所述一个算法组件标识所对应的算法组件移动至所述移动操作指示的目标位置。

在一种可能的设计中，所述连接指令包括至少一个子连接指令，所述子连接指令基于第一算法组件和第二算法组件触发，且所述子连接指令指示有所述第一算法组件和所述第二算法组件的连接方向，所述第一算法组件和所述第二算法组件为所述目标算法组件集中不同的算法组件；

响应于针对所述目标算法组件集的各个算法组件的连接指令，将所述目标算法组件中的各个算法组件进行连接，得到业务处理模型，包括：

针对所述至少一个子连接指令，分别进行连接操作，得到所述业务处理模型；其中，一个所述连接操作包括：

响应于所述至少一个子连接指令中的一个子连接指令，按照所述一个子连接指令指示的连接方向，将触发所述一个子连接指令的所述第一算法组件和所述第二算法组件连接；其中，所述业务处理模型中所述第一算法组件和所述第二算法组件的运行顺序与所述连接方向相关。

在一种可能的设计中，所述业务处理模型中所述第一算法组件和所述第二算法组件的运行顺序与所述连接方向相关，包括：

如果所述一个子连接指令指示的连接方向为从所述第一算法组件指向所述第二算法组件的方向，则所述业务处理模型的运行过程中，执行所述第一算法组件后执行所述第二算法组件；或者，

如果所述一个子连接指令指示的连接方向为从所述第二算法组件指向所述第一算法组件的方向，则所述业务处理模型的运行过程中时，执行所述第二算法组件后执行所述第一算法组件。

在一种可能的设计中，所述一个子连接指令是基于所述第一算法组件和所述第二算法组件触发的，包括；

如果所述一个子连接指令是在所述第一算法组件和所述第二算法组件依次被选中的情况下触发的，所述一个子连接指令的指示的连接方向为从所述第一算法组件指向所述第二算法组件的方向；

如果所述一个子连接指令是在所述第二算法组件和所述第一算法组件依次被选中的情况下触发的，所述一个子连接指令的指示的连接方向为从所述第二算法组件指向所述第一算法组件的方向。

在一种可能的设计中，所述第一算法组件和所述第二算法组件按照预设摆放顺序摆放，所述一个子连接指令指示的连接方向为所述预设摆放顺序所指示的方向。

在一种可能的设计中，所述方法还包括：响应于针对所述业务处理模型的训练指令，利用所述业务处理模型对训练数据的类型进行评估，得到训练评估结果；

将所述训练评估结果与真实评估结果比对；其中，所述真实评估结果是指对所述训练数据进行人工分类得到的结果；

如果所述训练评估结果与所述真实评估结果之间的差异小于第一阈值，训练完成。

第二方面，提供一种算法开发平台，包括：

可视化平台，包括第一区域和第二区域，第一区域用于展示算法组件标识，第二区域用于展示算法组件；

处理模块，用于响应于针对所述第一区域内显示的至少一个算法组件标识的拖拽操作，在所述第二区域内显示目标算法组件集；所述目标算法组件集中包括所述至少一个算法组件标识所对应的算法组件；

所述处理模块，还用于响应于针对所述目标算法组件集的各个算法组件的连接指令，将所述目标算法组件中的各个算法组件进行连接，得到业务处理模型；

其中，所述业务处理模型用于处理目标业务，所述业务处理模型中的不同算法组件用于处理所述目标业务中的不同子业务。

第三方面，提供一种业务处理模型组建装置，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序指令执行如上述第一方面提供的方法步骤。

第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被计算机执行时，使所述计算机执行如上述第一方面提供的方法步骤。

第五方面，提供一种包含指令的计算机程序产品，当所述计算机程序产品在计算机上运行时，使得计算机执行上述第一方面提供的方法步骤。

通过本申请实施例提供的方式，用户可以根据想要处理的目标业务选择对应的算法组件搭载成用于处理目标业务的业务处理模型，比较灵活且便捷，可适用于算法开发人员。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例。

图1为本申请实施例提供的一种模型生成方法的流程图；

图2至图3为本申请实施例提供的算法开发平台的显示界面的示意图；

图4A至图4C为本申请实施例提供的算法开发平台的显示界面的示意图；

图5A至图5B为本申请实施例提供的算法开发平台的显示界面的示意图；

图6为本申请实施例提供的算法开发平台的显示界面的示意图；

图7为本申请实施例提供的一种算法开发平台示意图；

图8为本申请实施例提供的一种电子设备示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚明白，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请的说明书和权利要求书及上述附图中的术语“第一”和“第二”是用于区别不同对象，而非用于描述特定顺序。此外，术语“包括”以及它们任何变形，意图在于覆盖不排他的保护。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请中的“多个”可以表示至少两个，例如可以是两个、三个或者更多个，本申请实施例不做限制。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，在不做特别说明的情况下，一般表示前后关联对象是一种“或”的关系。

下面结合说明书附图介绍本申请实施例提供的技术方案。

请参见图1，为本申请实施例提供的一种业务处理模型组建方法的流程示意图。该方法可以适用于应用于算法开发平台，关于算法开发平台将在后文介绍，如图1所示，所述流程包括：

S101，响应于针对第一区域内显示的至少一个算法组件标识的拖拽操作，在第二区域内显示目标算法组件集；所述目标算法组件集中包括所述至少一个算法组件标识所对应的算法组件。

示例性的，请参见图2，为算法开发平台的显示界面的示意图，包括第一区域和第二区域。第一区域显示算法组件标识，比如“目标检测”、“目标跟踪”等算法组件标识。需要说明的是，图2中以算法组件标识是文字“目标检测”、“目标跟踪”等为例，可以理解的是，算法组件标识还可以是其它标识，本申请不作限定。第二区域用于展示算法组件。举例来说，用户将第一区域中的哪一个算法组件标识拖拽到第二区域，则第二区域则显示哪一个算法组件标识对应的算法组件。如图2，用户将“目标检测”拖拽到第二区域，则第二区域显示“目标检测”的算法组件标识对应的算法组件。

可选的，一次可以拖拽一个算法组件标识，或者一次可以拖拽多个算法组件标识。以一次拖拽多个算法组件标识为例，如图3，检测到“目标检测”、“目标跟踪”两个算法组件标识被选中，并检测到拖拽这两个算法组件标识的操作，则第二区域显示两个算法组件构成的目标算法组件集。可选的，“目标检测”、“目标跟踪”两个算法组件标识被选中后，可以突出显示，比如图3中的加框显示，或者加粗显示、或者高亮显示等等，代表被选中。以一次可以拖拽一个算法组件标识为例，那么S101中，响应于针对第一区域内显示的至少一个算法组件标识的拖拽操作，在第二区域内显示目标算法组件集，包括：针对所述至少一个算法组件标识的拖拽操作，分别进行如下操作：响应于针对所述至少一个算法组件标识中一个算法组件标识的拖拽操作，在第二区域内显示所述一个算法组件标识所对应的算法组件。也就是说，针对一个算法组件标识的拖拽操作，可以将该算法组件标识对应的算法组件到第二区域展示，那么如果用户想要多个算法组件，则针对每个算法组件标识执行一次拖拽操作即可。

在另一些实施例中，第一区域中一个算法组件标识中可以包括多个子标识。比如，请参见图4A，当检测到“目标检测”被选中时，弹出框400。弹出框400中显示“目标检测”对应的多个子标识，比如包括“目标检测-人识别”、“目标检测-动物识别”、“目标检测-车辆识别”这三个子标识。用户可以从中选择一个或多个子标识，比如，图4A中，用户选择了“目标检测-车辆识别”这个子标识，当检测到针对“下一步”的操作时，关闭弹出框400。在关闭弹出框400之后，显示如图4B的界面，此时，如果检测到“目标跟踪”被选中时，弹出框401。弹出框401中显示“目标跟踪”对应的多个子标识，比如包括“目标跟踪-人跟踪”、“目标跟踪-动物跟踪”、“目标跟踪-车辆跟踪”这三个子标识。假设用户选择“目标跟踪-车辆跟踪”这个子标识，当检测到针对“下一步”的操作时，关闭弹出框401。在关闭弹出框401之后，显示图4C所示的界面，该界面中“目标跟踪”和“目标检测”被选中，当检测到“目标检测”的拖拽操作时，在第二区域显示“目标检测-车辆识别”以及“目标跟踪-车辆跟踪”对应的子算法组件(或称为子模型)。

可选的，一个子标识还可以包括多个子子标识。比如，以图4B为例，弹出框401中包括“目标跟踪-车辆跟踪”子标识，当检测到针对该子标识的操作时，还可以显示该子标识对应的子子标识，如图5A，比如包括“车牌检测”、“车牌识别”这两个子子标识。假设用户选中“车牌检测”、“车牌识别”这两个子子标识，并点击“下一步”，那么关闭弹出框401，显示图5B的界面，该界面中“目标跟踪”和“目标检测”被选中，当检测到“目标检测”的拖拽操作时，在第二区域显示“目标检测-车辆识别”以及“目标跟踪-车辆跟踪-车牌识别”、“目标跟踪-车辆跟踪-车牌检测”对应的算法组件。

S102，响应于针对所述目标算法组件集的各个算法组件的连接指令，将所述目标算法组件中的各个算法组件进行连接，得到业务处理模型；其中，所述业务处理模型用于处理目标业务，所述业务处理模型中的不同算法组件用于处理所述目标业务中的不同子业务。

以图5B为例，假设算法开发人员想要得到用户车辆检测的业务处理模型，那么可以选择对应的算法组件搭载该业务处理模型。比如，选择的算法组件包括：车辆检测算法组件，车牌检测算法组件和车牌识别算法组件等等。

下面介绍目标算法组件集中各个算法组件的连接过程。具体的，响应于针对所述目标算法组件集的各个算法组件的连接指令，将所述目标算法组件中的各个算法组件进行连接，得到业务处理模型。其中，连接指令包括至少一个子连接指令。所述子连接指令基于第一算法组件和第二算法组件触发，且所述子连接指令指示有所述第一算法组件和所述第二算法组件的连接方向，所述第一算法组件和所述第二算法组件为所述目标算法组件集中不同的算法组件。

在一些实施例中，针对所述至少一个子连接指令，分别进行连接操作，得到所述业务处理模型；其中，一个所述连接操作包括：响应于所述至少一个子连接指令中的一个子连接指令，按照所述一个子连接指令指示的连接方向，将触发所述一个子连接指令的所述第一算法组件和所述第二算法组件连接；其中，所述业务处理模型中所述第一算法组件和所述第二算法组件的运行顺序与所述连接方向相关。

示例1，所述业务处理模型中所述第一算法组件和所述第二算法组件的运行顺序与所述连接方向相关，包括：如果所述连接方向指示所述第一算法组件在前、所述第二算法组件在后，当所述业务处理模型被运行时，所述第一算法组件先于所述第二算法组件运行。

示例2，所述业务处理模型中所述第一算法组件和所述第二算法组件的运行顺序与所述连接方向相关，包括：如果所述连接方向指示所述第二算法组件在前、所述第一算法组件在后，当所述业务处理模型被运行时，所述第二算法组件先于所述第一算法组件运行。

以下介绍连接方向的产生过程。前面已经介绍过，一个子连接指令是基于所述第一算法组件和所述第二算法组件触发的，下面给出几个示例。

第一种示例，所述目标算法组件集中包括第一算法组件和第二算法组件；如果针对所述第一算法组件和所述第二算法组件的连接指令是由针对所述第一算法组件向所述第二算法组件的拖拽操作产生的，所述连接方向为所述第一算法组件在前、所述第二算法组件在后。

第二种示例，如果针对所述第一算法组件和所述第二算法组件的连接指令是由针对所述第二算法组件向所述第一算法组件的拖拽操作产生的，所述连接方向为所述第二算法组件在前、所述第一算法组件在后。

第一种示例和第二种示例中，用户将一个算法组件向另一个算法组件拖拽，则产生连接指令，且连接指令中包括连接方向。这种方式比较便捷。

第三种示例，所述目标算法组件集中包括第一算法组件和第二算法组件；如果针对所述第一算法组件和所述第二算法组件的连接指令是在所述第一算法组件的第一边缘被选中、且所述第二算法组件的第二边缘被选中的情况下，针对所述第一边缘向所述第二边缘的连接操作产生的；所述连接方向为所述第一算法组件在前、所述第二算法组件在后。

第四种示例，如果针对所述第一算法组件和所述第二算法组件的连接指令是在所述第一算法组件的第一边缘被选中、且所述第二算法组件的第二边缘被选中的情况下，针对所述第二边缘向所述第一边缘的连接操作产生的；所述连接方向为所述第二算法组件在前、所述第一算法组件在后。

示例性的，请参见图6，选中算法组件1的第一边缘(加粗边缘)、算法组件2的第二边缘(加粗边缘)，并产生第一边缘和第二边缘的连接操作时，连接算法组件1和算法组件2。通过这种方式实现各个算法组件的连接，当检测到针对“完成”按键的操作时，按照连接方向，将各个算法组件连接得到业务处理模型。

第五种示例，第二区域中各个算法组件的位置可以移动，比如，响应于针对所述一个算法组件标识所对应的算法组件的移动操作，将所述一个算法组件标识所对应的算法组件移动至所述移动操作指示的目标位置。因此，用户可以随意的调整各个算法组件的显示位置，这种示例中，如果所述第一算法组件和所述第二算法组件按照预设摆放顺序摆放，所述一个子连接指令指示的连接方向为所述预设摆放顺序所指示的方向。比如，用户可以将各个算法组件按照用户想要的连接方向在第二区域摆放，当点击针对“完成”的按键时，按照摆放顺序指示的方向连接。

第六种示例，如果所述一个子连接指令是在所述第一算法组件和所述第二算法组件依次被选中的情况下触发的，所述一个子连接指令的指示的连接方向为从所述第一算法组件指向所述第二算法组件的方向。

第七种示例，如果所述一个子连接指令是在所述第二算法组件和所述第一算法组件依次被选中的情况下触发的，所述一个子连接指令的指示的连接方向为从所述第二算法组件指向所述第一算法组件的方向。

第六种和第七种示例中，检测到第一算法组件被先选中，第二算法组件被后选中，则连接方向为从所述第一算法组件指向所述第二算法组件的方向。或者，检测到第二算法组件被先选中，第一算法组件被后选中，则连接方向为从所述第二算法组件指向所述第一算法组件的方向。

可选的，用户选择出算法组件(如将算法组件标识拖动到了第二区域)或将各个算法组件连接之后，还可以替换其中的某个算法组件，或替换其中的某个算法组件中的某个子算法组件(或子模型)。以替换算法组件为例，假设用户想要替换的算法组件称为第一目标算法组件，响应于针对第一目标算法组件的替换操作，将所述第一目标算法组件替换为第二目标算法组件。以替换算法组件中的子算法模型为例，响应于针对所述一个算法组件标识所对应的算法组件的模型更新操作，将所述一个算法组件标识所对应的算法组件中的第一子模型，更新为所述模型更新操作指示的第二子模型，所述第二子模型和第一子模型为用于处理针对不同对象的同一子业务。以图6为例，假设用户想要替换算法组件标识是“目标检测”的算法组件中的“目标检测-车辆识别算法”这一子算法组件，则响应于针对“目标检测-车辆识别算法”的模型更新操作，将“目标检测-车辆识别算法”更新为所述模型更新操作指示的第二子模型，比如，“目标检测-人识别算法”。

可选的，在得到业务处理模型之后，还可以响应于针对所述业务处理模型的训练指令，利用所述业务处理模型对训练数据的类型进行评估，得到训练评估结果；将所述训练评估结果与真实评估结果比对；其中，所述真实评估结果是指对所述训练数据进行人工分类得到的结果；如果所述训练评估结果与所述真实评估结果之间的差异小于第一阈值，训练完成。

基于同一发明构思，本申请还提供一种算法开发平台。如图7所示，为算法开发平台的一种示意图。

如图7，算法开发平台中包括可视化平台，可视化平台用于向用户展示各种算法组件标识或算法组件，比如图2至图6的界面。

可选的，所述可视化开发平台包括选择模块；所述选择模块用于选择算法组件，比如，用户可以以拖拽的方式对所述任意算法组件进行拼接组合。所述算法仓库平台中包括组件模块；其中，所述组件模块内部具有算法库，所述算法库用于存储算法组件，所述算法组件可以是目前已经存在的，也可以是用户通过所述可视化开发平台自行定制开发组建出来的。示例性的，所述组件模块中的各个组件通过可视化平台向用户展示，所述选择模块可以根据用户自己的选择目标算法组件，并将选择的所述目标算法组件告知所述组件模块。示例性的，所述可视化开发平台可以对所述算法仓库平台中的算法组件进行任意组合，根据用户的需求快速变换算法方案，生成不同的算法模型。

继续如图7所示，算法仓库平台还包括第一模型模块；所述第一模型模块用于获取所述组件模块中的目标算法组件(即用户选择出的算法组件)将其生成用户所需的算法模型。其中，所述组件模块用于适配所述模型模块；示例性的，一个算法组件可以适配不同版本的算法模型，比如：人体检测模型、车辆检测模型、字符检测模型等等。

继续如图7所示，第一模型模块生成模型之后，可以提供给训练平台。比如，提供给训练平台中的开发模块。

所述开发模块用于获取训练数据和标签文件，并根据所述第一模型模块提供的算法模型向所述训练模块发布训练任务。所述训练模块根据所述训练数据和标签文件对算法模型进行算法训练，输出训练后的算法模型。可选的，所述训练平台还具备模型转换工具，可以对学习框架Pytorch、张量流程图TensorFlow、深度框架MXNet等深度学习框架下训练出来的模型进行在线转换，转换成卷积神经网络框架caffe或者开放性神经网络交换onnx格式的模型或者其他标准格式的模型，也可以转化成最终在设备上使用的模型。

其中，训练平台中的开发模块获取训练数据和标签文件的方式可以是，从数据平台中获取，如图7所示。

示例性的，所述数据平台包括存储模块、标签类型模块和标注任务模块；其中，所述存储模块用于存储数据，所述数据可能包括：未进行标注的初始数据和标注过的标签文件，所述文件可以是图像、视频、音频、或者其他格式的文件；所述标注任务模块根据标签类型模块的指示从存储模块中获取未进行过标注操作的初始数据并通过标注工具对所述初始数据进行标注，然后将被标注的标签文件存储到所述存储模块中。

示例性的，所述训练模块支持各种类型的训练算法和网络结构，比如可以包括：检测、分类、分割等等；所述网络结构可以包括：卷积神经网络(Visual Geometry Group，VGG)、残差神经网络ResNet、小卷积核神经网络DenseNet、轻量级神经网络MobileNet等等，也支持使用算法开发人员自行开发的训练算法和网络结构。所述训练平台支持多所述训练模型进行格式转换并将所述训练后的算法模型上传到所述可视化开发平台中的选择模块中。

可选的，继续参见图7，所述算法仓库平台还包括第二模型模块；所述第二模型模块用于接收和存储所述训练平台输出的训练后的算法模型并将所述训练后的算法模型更新到所述可视化开发平台中。比如，提供给可视化平台中的测试模块。测试模块接收来自所述选择模块内的训练模型并对所述训练后的算法模型的准确性进行测试。

示例性的，对所述训练后的算法模型进行测试包括如下至少一种方案：

第一种方案为，算法开发平台将所述训练后的算法模型部署到设备端，并通过所述设备端对所述算法模型进行准确性测试。

第二种方案为，算法开发平台中的所述测试模块对训练后的算法模型进行准确性的测试。当所述测试模块对所述训练后的算法模型测试通过时，将所述训练后的算法模型部署到设备端。当所述测试模块对所述训练后的算法模型测试不通过时，可以输出提示信息，提示用户测试不通过。

两种方案的区别在于，第一种方案对于所述训练后的算法模型的测试是发生在算法开发平台以外的设备端上的；而第二种方案的测试操作是发生在所述算法开发平台内部的可视化开发平台中的测试模块上的。

示例性的，对所述训练后的算法模型进行测试可以理解为对所述算法模型的准确性进行评价，比如，使用一组数据和改组数据对应的第一标签(比如，人工标注的第一标签)对所述算法模型进行测试，得到测试结果，测试结果包括第二标签，如果第二标签与第一标签接近，确定测试通过，否则，确定测试不通过。

基于同一发明构思，本申请实施例提供一种电子设备。该电子设备可以是业务处理模型组建装置。请参见图8所示，该电子设备包括至少一个处理器801以及与至少一个处理器连接的存储器802，本申请实施例中不限定处理器801与存储器802之间的具体连接介质，图8中是以处理器801和存储器802之间通过总线800连接为例，总线800在图8中以粗线表示，其它部件之间的连接方式，仅是进行示意性说明，并不引以为限。总线800可以分为地址总线、数据总线、控制总线等，为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

在本申请实施例中，存储器802存储有可被至少一个处理器801执行的指令，至少一个处理器801通过执行存储器802存储的指令，可以执行前述的业务处理模型组建方法中所包括的步骤。

其中，处理器801是电子设备的控制中心，可以利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器802内的指令以及调用存储在存储器802内的数据，电子设备的各种功能和处理数据，从而对电子设备进行整体监控。可选的，处理器801可包括一个或多个处理单元，处理器801可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器801中。在一些实施例中，处理器801和存储器802可以在同一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。

处理器801可以是通用处理器，例如中央处理器(CPU)、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的模型生成方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

存储器802作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器802可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory，RAM)、静态随机访问存储器(Static Random Access Memory，SRAM)、可编程只读存储器(Programmable Read Only Memory，PROM)、只读存储器(Read Only Memory，ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性存储器、磁盘、光盘等等。存储器802是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本申请实施例中的存储器802还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。

通过对处理器801进行设计编程，可以将前述实施例中介绍的算法模型训练方法所对应的代码固化到芯片内，从而使芯片在运行时能够执行前述的模型生成方法的步骤，如何对处理器801进行设计编程为本领域技术人员所公知的技术，这里不再赘述。

基于同一发明构思，本申请实施例还提供一种计算可读存储介质，该计算可读存储介质存储有计算机指令，当该计算机指令在计算机上运行时，使得计算机执行如前述的业务处理模型组建方法的步骤。

在一些可能的实施方式中，本申请提供的算法模型训练方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在电子设备上运行时，程序代码用于使该检测设备执行本说明书上述描述的根据本申请各种示例性实施方式的业务处理模型组建方法中的步骤。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。