(19)中华 人民共和国 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 202111246295.7 (22)申请日 2021.10.26 (71)申请人 北京奇艺世纪科技有限公司 地址 100080 北京市海淀区海淀北一 街2号 鸿城拓展大厦10、 1 1层 (72)发明人 刘海军　 (74)专利代理 机构 北京柏杉松知识产权代理事 务所(普通 合伙) 11413 代理人 孙翠贤　孟维娜 (51)Int.Cl. G06F 8/65(2018.01) G06N 20/00(2019.01) G06N 5/04(2006.01) (54)发明名称 机器学习模型的热更新方法、 装置、 电子设 备及存储介质 (57)摘要 本发明实施例提供了一种机器学习模型的 热更新方法， 涉及机器学习技术领域。 具体实现 方案为： 检测是否需要进行机器学习模型的更 新； 若需要， 获取预定服务端中所存储的、 针对目 标机器学习模型的目标描述文件； 其中， 所述目 标机器学习模型为待更新至所述电子设备中的 机器学习模 型， 针对任一机器学习模 型的描述文 件中包含该机器学习模型的模型文件的下载地 址， 以及与该机器学习模型相关的描述信息； 基 于所述目标描述文件中的下载地址， 下载所述目 标机器学习模 型的模型文件； 基于所述目标机器 学习模型的模 型文件， 获得热更新后的可执行的 模型文件， 并将所述目标描述文件中的描述信息 作为热更新后的描述信息。 通过这样的方式， 提 高模型优化迭代的效率。 权利要求书2页 说明书14页 附图3页 CN 113885920 A 2022.01.04 CN 113885920 A 1.一种机器学习模型的热 更新方法， 其特 征在于， 应用于电子设备， 所述方法包括： 检测是否需要 进行机器学习模型的更新； 若需要， 获取预定服务端中所存储的、 针对目标机器学习模型的目标描述文件； 其中， 所述目标机器学习模型为待更新至所述电子设备中的机器学习模型， 针对任一机器学习模 型的描述文件中包含该机器学习模型的模型文件的下载地址， 以及与该机器学习模型相关 的描述信息； 基于所述目标描述文件中的下 载地址， 下 载所述目标机器学习模型的模型文件； 基于所述目标机器学习模型的模型文件， 获得热更新后的可执行的模型文件， 并将所 述目标描述文件中的描述信息作为热 更新后的描述信息 。 2.根据权利要求1所述的方法， 其特征在于， 针对任一机器学习 模型的描述文件中还包 含该机器学习模型的模型类型； 所述基于所述目标机器学习模型的模型文件， 获得热更新后的可执行的模型文件， 包 括： 确定所述目标描述文件中的模型类型， 作为目标类型； 若所述目标类型为指定类型， 对所述目标机器学习模型的模型文件进行编译处理， 得 到热更新后的可执行的模型文件； 否则， 将所述目标机器学习模型的模型文件， 确定为热更 新后的可 执行的模型文件； 其中， 所述指定类型为表征存在文件编译需求的类型。 3.根据权利要求1或2所述的方法， 其特征在于， 所述目标机器学习模型与更新之前的 机器学习模型属于模型名称相同的模型。 4.根据权利要求3所述的方法， 其特征在于， 所述检测是否 需要进行机器学习 模型的更 新， 包括： 确定具有指定模型名称的模型的最新的模型版本； 其中， 所述指定模型名称为更新之 前的机器学习模型的模型名称； 若所述最新的模型版本， 高于更新之前的机器学习模型的模型版本， 则判定需要进行 机器学习模型的更新。 5.根据权利要求4所述的方法， 其特征在于， 所述确定具有指定模型名称的模型的最新 的模型版本， 包括： 从预定服 务端中请求、 针对具有指定模型名称的模型的描述文件， 作为待分析文件； 从所述待分析文件中， 获取模型版本， 作为具有指定模型名称的模型的最新的模型版 本。 6.根据权利要求1或2所述的方法， 其特征在于， 所述目标机器学习模型与更新之前的 机器学习模型属于模型名称不同的模型。 7.根据权利要求6所述的方法， 其特征在于， 检测是否需要进行机器学习模型的更新， 包括： 获取模型调用方发送的待调用模型的模型名称； 若所获取的模型名称与指定模型的模型名称不同， 则判定 需要进行机器学习 模型的更 新； 其中， 所述指 定模型为更新之前的机器学习模 型； 所述目标机器学习模型为所获取模型 名称指示的机器学习模型。权　利　要　求　书 1/2 页 2 CN 113885920 A 28.一种基于权利要求1 ‑7任一项所述方法的机器学习模型的推理方法， 其特征在于， 所 述方法包括： 基于模型调用方提供的模型名称， 加载对应的机器学习模型的可 执行的模型文件； 按照目标描述信 息中的模型输入列表对模型调用方提供的输入数据进行筛选， 得到掩 模后的输入数据； 其中， 所述目标描述信息为所述机器学习模型的描述文件中的描述信息； 将掩模后的输入数据输入到可执行的模型文件中， 得到按照所述目标描述信 息中的模 型输出列表输出的推理结果。 9.一种机器学习模型的热 更新装置， 其特 征在于， 应用于电子设备， 所述装置包括： 检测模块， 用于检测是否需要 进行机器学习模型的更新； 获取模块， 用于若需要， 获取预定服务端中所存储的、 针对目标机器学习模型的目标描 述文件； 其中， 所述目标机器学习模型为待 更新至所述电子设备中的机器学习模 型， 针对任 一机器学习模型的描述文件中包含该机器学习模型的模型文件的下载地址， 以及与该机器 学习模型相关的描述信息； 下载模块， 用于基于所述目标描述文件中的下载地址， 下载所述目标机器学习模型的 模型文件； 更新模块， 用于基于所述目标机器学习模型的模型文件， 获得热更新后的可执行的模 型文件， 并将所述目标描述文件中的描述信息作为热 更新后的描述信息 。 10.一种基于权利要求1 ‑7任一项所述方法的机器学习模型的推理装置， 其特征在于， 所述装置包括： 加载模块， 用于基于模型调用方提供的模型名称， 加载对应的机器学习模型的可执行 的模型文件； 输入模块， 用于按照描述信 息中的模型输入列表对模型调用方提供的输入数据进行筛 选， 得到掩 模后的输入数据； 输出模块， 用于将掩模后的输入数据输入到可执行的模型文件中， 得到按照所述目标 描述信息中的模型输出列表输出的推理结果。 11.一种电子设备， 其特征在于， 包括处理器、 通信接口、 存储器和通信总 线， 其中， 处理 器， 通信接口， 存 储器通过通信总线完成相互间的通信； 存储器， 用于存放计算机程序； 处理器， 用于执行存储器上所存放的程序时， 实现权利要求1 ‑7任一项所述的机器学习 模型热更新的方法的步骤， 或者， 权利要求8所述的机器学习模型的推理方法的步骤。 12.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质内存储有计算机 程序， 所述计算机程序被处理器执行时实现权利要求1 ‑7任一项所述的机器学习模型热更 新的方法的步骤， 或者， 权利要求8所述的机器学习模型的推理方法的步骤。权　利　要　求　书 2/2 页 3 CN 113885920 A 3