027-83317177
【一种基于分片式自动学习的AI模型训练系统和方法】的权利说明书内容是......
【一种基于分片式自动学习的AI模型训练系统和方法】技术领域本发明属于大数
据处理技术领域，尤其涉及一种基于分片式自动学习的AI模型训练系统和方法。
技术背景人工智能（AI）技术是掀起下一轮互联网变革浪潮的新引擎。当前，经
过了移动互联网高速发展的阶段，当下信息技术领域正遭遇着创新乏力、竞争逐步
激烈等困境，基于技术发展的商业模式创新红利在消失，产业发展正遭遇天花板，
亟需新一轮技术变革驱动商业模式的全面升级。人工智能作为万物互联时代最前沿
的基础技术，将能够渗透至各行各业，并助力传统行业实现跨越式升级，实现全行
业的重塑，成为掀起互联网颠覆性浪潮的新引擎。电信运营商经过多年的高速发展，
目前已经积累了大量的数据，其中包括行业综合数据、用户使用交互信息、用户消
费数据、设备日志记录等结构化数据，以及文本、音视频、图片等非结构化数据。
电信行业已无法从人口红利模式中继续获取高速发展，转而逐渐重视流量红利和数
据红利。对外，AI的使用能够有效提升电信运营商的客户服务水平与市场营销效
果，同时能够拓宽电信运营商的服务类型和业务范围；对内，AI能够帮助电信运
营商推进网路虚拟化和云技术，达到提高自动化水平，降低资本和运营支出的效果。
尽管AI能力的应用可以帮助电信运营商降本增效，但由于缺乏一套高效、便捷、
易用的AI模型训练方法和系统，因此在实际应用的过程中会遇到以下的问题：1)
训练资源利用率低。训练模型时，模型训练人员只能根据已有的CPU、GPU、内
存等物理硬件资源进行训练操作，无法根据模型训练时的资源使用状况进行动态扩
展，导致模型训练效率低下；不训练模型时，已经分配给模型训练人员的资源只能
闲置，不能做到充分利用。2)训练算法使用不灵活。模型训练人员在开展训练前，
需要安装不同的机器学习框架，训练过程中需要依靠经验来调整参数，训练完成之
后再手动打包发布，无法实现机器学习框架的自由选择，以及自动完成模型的调参、
选优、评价、发布等操作。3)训练过程管理不友好。需要在训练服务器通过命令行
的方式完成模型训练脚本的编写、模型训练任务的启动和停止、模型训练过程日志
的监控、模型训练输出参数的查阅，对于模型训练人员有较高的使用门槛。发明内
容针对以上技术问题，本发明公开了一种基于分片式自动学习的AI模型训练系统
和方法,提供AI模型训练的多场景、可扩展、可视化、可管控、自动化和监控的方
法和系统，有效降低AI模型训练的门槛，提升模型训练的易用性和便捷性，为AI
服务热线 027-83317177 