一种基于人工智能模型的项目执行方法和系统与流程

1.本技术涉及数据库系统技术和数人工智能领域，更具体地，涉及一种人工智能模型项目的执行方法和系统。


背景技术：

2.随着数据时代发展，互联网数据量呈现爆发式增长，庞大多样的数据量丰富了人工智能模型样本数据集进而帮助提高人工智能模型预测准确度，但同时也对执行端的数据处理性能提出较高要求。为获得更高数据处理性能，通常以分布式系统替代原始的单机设备，进行人工智能模型执行。
3.目前，数据处理设备通过网络通信的方式组成分布式集群，集群中各设备分别存储人工智能模型的一个分片，设备间通过互联网通信传输样本数据集以配合完成人工智能模型的执行，但该分布式集群的搭建往往需要花费很高成本，往往为大规模使用者所有，对中小规模使用者不友好。同时在根据业务涉及的数据处理过程使用任务算子构建人工智能模型和执行人工智能模型项目的过程中，无法根据业务的释义和数据处理过程自动构建人工智能模型，往往需要大量的认为手动参与生成人工智能模型和执行人工智能模型项目，这导致人工智能模型构建和人工智能模型项目构建和执行效率都大幅降低，同时获得准确的执行结果事件也大大拉长，也进一步增加人力成本、时间成本和费用成本，提高了可视化人工智能操作平台使用的门槛。
4.基于此，有必要引入一种新的方法和系统，能够根据用户的业务需求和项目执行请求，自动解析与该项目执行请求对应的画布信息，并利用人工智能模型任务算子自动生成人工智能模型拓扑关系图结构和人工智能模型项目，并在执行人工智能模型项目后自动返回执行结果，以解决现有技术中人工智能项目生成和执行依赖人工、成本高、时间长等问题，从而简化人工智能模型的项目生成过程、提升项目执行的效率，降低时间和人力成本，提升可视化人工智能操作平台的易用性。


技术实现要素：

5.针对上面提到的技术问题，本发明提供了一种人工智能模型项目的执行方法和系统，通过根据画布信息的构成和图拓扑关系结构定义画布信息数据结构和人工智能模型数据结构，并基于画布信息数据结构和人工智能模型数据结构，根据用户的人工智能模型项目的项目执行请求，将项目执行请求对应的画布信息解析生成匹配了任务算子地址的人工智能模型图结构和任务执行序列，实现了根据用户的业务需求和项目执行请求，自动解析与该项目执行请求对应的画布信息，并利用人工智能模型任务算子自动生成人工智能模型拓扑关系图结构和人工智能模型项目，并在执行人工智能模型项目后自动返回执行结果，解决了现有技术中人工智能项目生成和执行依赖人工、成本高、时间长等问题，从而简化人工智能模型的项目生成过程、提升项目执行的效率，降低时间和人力成本，提升可视化人工智能操作平台的易用性。
6.本发明提供一种人工智能模型项目的执行方法，应用于由主节点和从节点并行连接的数据库系统中，所述方法包括：
7.s101，根据画布信息的构成和图拓扑关系结构，定义画布信息数据结构和人工智能模型数据结构；s102，接收并解析网页端发出的人工智能模型项目的项目执行请求，得到项目id和项目版本id，根据所述项目id、所述项目版本id和所述画布信息数据结构，获取与所述项目执行请求对应的画布信息；s103，基于所述人工智能模型数据结构，对与所述项目执行请求对应的画布信息进行解析，生成与所述项目执行请求对应的ms模型，并获取任务算子地址；s104，根据与所述项目执行请求对应的ms模型、所述任务算子地址和节点拖入时间执行所述人工智能模型项目，并返回执行结果。
8.如上所述，所述画布信息数据结构包括节点属性、节点连接关系和节点拖入时间；所述人工智能模型数据结构包括节点标识、节点间的拓扑关系、节点梯度、节点任务、所述任务算子地址、初始参数、参数地址、处理结果记录标记和执行状态；其中，所述节点属性包括节点标识和节点位置；所述节点连接关系包括输入节点和输出节点；所述执行状态包括待执行、执行错误和执行完成。
9.如上所述，所述s102，接收并解析网页端发出的人工智能模型项目的项目执行请求，得到项目id和项目版本id，根据所述项目id、所述项目版本id和所述画布信息数据结构，获取与所述项目执行请求对应的画布信息的步骤包括：所述主节点接收所述网页端发出的人工智能模型项目的项目执行请求，并对所述项目执行请求进行解析，得到所述人工智能模型项目的所述项目id和所述项目版本id，并向所述数据库系统发送画布信息获取请求；所述数据库系统收到所述画布信息获取请求后，根据所述项目id、所述项目版本id和所述画布信息数据结构，向所述主节点返回与项目执行请求对应的画布信息；其中，所述与项目执行请求对应的画布信息包括与项目执行请求对应的所述节点属性、所述节点连接关系和所述节点拖入时间。
10.如上所述，所述s103，基于所述人工智能模型数据结构，对与所述项目执行请求对应的画布信息进行解析，生成与所述项目执行请求对应的ms模型，并获取任务算子地址的步骤包括：构建节点间拓扑关系，基于所述画布信息数据结构，所述主节点对与所述项目执行请求对应的画布信息进行解析，根据与项目执行请求对应的所述节点属性，得到所述节点标识、所述节点位置，根据与项目执行请求对应的所述节点连接关系和所述节点标识，得到所述输入节点和所述输出节点，以及各节点的所述节点任务、所述任务算子地址、所述初始参数、所述参数地址、所述处理结果记录标记和所述节点拖入时间，并构建所述节点间的拓扑关系和所述节点梯度；生成ms模型，基于所述人工智能模型数据结构，根据所述节点标识、所述节点间的拓扑关系、所述任务算子地址、所述初始参数、所述参数地址和所述处理结果记录标记，生成与所述项目执行请求对应的ms模型，并初始化各节点的所述执行状态均为待执行；其中，与所述项目执行请求对应的ms模型为根据所述节点标识和所述节点间的拓扑关系，按照执行的先后顺序将各节点承载的人工智能运算任务与所述任务算子地址匹配后生成的人工智能模型图结构；所述节点梯度为与所述节点间的拓扑关系对应的节点任务执行的先后顺序标识，同一个所述节点梯度包含一个或多个节点，所述节点梯度的值越小，节点任务执行优先级越高。
11.如上所述，所述s104，根据与所述项目执行请求对应的ms模型、所述任务算子地址
和节点拖入时间执行所述人工智能模型项目，并返回执行结果的步骤包括：a)根据各节点的所述执行状态、所述梯度和所述节点标识，确定节点任务执行优先级最高的所述节点为第一级节点；b)将所述第一级节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述第一级节点的所述任务算子地址对应的所述从节点上执行，并返回第一执行结果，根据所述第一执行结果更新所述第一级节点的执行状态；c)根据所述梯度、所述节点标识和所述节点间的拓扑关系，确定下一个执行优先级的节点为下一级节点，将所述第一执行结果，以及所述下一级节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述下一级节点的所述任务算子地址对应的所述从节点上执行，并返回第二执行结果，根据所述第二执行结果更新所述下一级节点的执行状态；d)重复步骤c)，直到所有所述执行状态为待执行的节点任务均执行完成，生成最终执行结果，并将所述最终执行结果返回至所述主节点。
12.如上所述，所述b)将所述第一级节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述第一级节点的所述任务算子地址对应的所述从节点上执行，并返回第一执行结果，根据所述第一执行结果更新所述第一级节点的执行状态的步骤还包括节点状态处理步骤，具体为：若所述第一级节点的所述节点任务执行失败，则所述第一执行结果为空集，将所述第一级节点的执行状态设置为执行错误；若所述第一级节点的所述节点任务执行成功，则获取所述第一执行结果，将所述第一级节点的执行状态设置为执行完成，并根据所述处理结果记录标记处理所述第一执行结果。
13.如上所述，所述c)根据所述梯度、所述节点标识和所述节点间的拓扑关系，确定下一个执行优先级的节点为下一级节点，将所述第一执行结果，以及所述下一级节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述下一级节点的所述任务算子地址对应的所述从节点上执行，并返回第二执行结果，根据所述第二执行结果更新所述下一级节点的执行状态的步骤还包括多输入节点处理的步骤，具体为：若所述下一级节点存在两个或两个以上的输入节点，则所述下一级节点获取全部所述输入节点的执行结果后，所述下一级节点将全部所述输入节点的执行结果，以及所述下一级节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述下一级节点的所述任务算子地址对应的所述从节点上执行，并返回第二执行结果；根据所述第二执行结果更新所述下一级节点的执行状态。
14.如上所述，所述c)根据所述梯度、所述节点标识和所述节点间的拓扑关系，确定下一个执行优先级的节点为下一级节点，将所述第一执行结果，以及所述下一级节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述下一级节点的所述任务算子地址对应的所述从节点上执行，并返回第二执行结果，根据所述第二执行结果更新所述下一级节点的执行状态的步骤还包括多输出分支节点处理的步骤，具体为：
15.若所述下一级节点中包含两个或两个以上的分支节点，则比较各分支节点的所述节点拖入时间，并根据比较结果分别执行所述分支节点的所述节点任务；1)将所述第一执行结果，以及拖入时间在前的分支节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述分支节点的所述任务算子地址对应的所述从节点上执行，得到分支节点执行结果，并根据所述分支节点执行结果更新所述分支节点的执行状态；2)根据所述分支节点的所述梯度、所述节点标识、所述节点间的拓扑关系，将所述分支节点执行结果，发送至与所述分支节点的下一个分支节点的所述任务算子地址对应的所述从节点上执行，得到下一个
分支节点执行结果，并根据下一个分支节点执行结果更新所述分支节点的执行状态；3)重复步骤1)和步骤2)，直到所有分支节点的所述节点任务全部执行完成。
16.相应的，本发明还提供了一种人工智能模型项目的执行系统，部署于由主节点和从节点并行连接的数据库系统上，所述系统包括模型定义单元、请求解析单元、模型生成单元和项目执行单元；
17.其中，所述模型定义单元，用于根据画布信息的构成和图拓扑关系结构，定义画布信息数据结构和人工智能模型数据结构；所述请求解析单元，用于接收并解析网页端发出的人工智能模型项目的项目执行请求，得到项目id和项目版本id，根据所述项目id、所述项目版本id和所述画布信息数据结构，获取与所述项目执行请求对应的画布信息；所述模型生成单元，用于基于所述人工智能模型数据结构，对与所述项目执行请求对应的画布信息进行解析，生成与所述项目执行请求对应的ms模型，并获取任务算子地址；所述项目执行单元，用于根据与所述项目执行请求对应的ms模型、所述任务算子地址和节点拖入时间执行所述人工智能模型项目，并返回执行结果。
18.本发明通过应用以上技术方案，实现了通过根据画布信息的构成和图拓扑关系结构定义画布信息数据结构和人工智能模型数据结构，并基于画布信息数据结构和人工智能模型数据结构，根据用户的人工智能模型项目的项目执行请求，将项目执行请求对应的画布信息解析生成匹配了任务算子地址的人工智能模型图结构和任务执行序列，进而实现了根据用户的业务需求和项目执行请求，自动解析与该项目执行请求对应的画布信息，并利用人工智能模型任务算子自动生成人工智能模型拓扑关系图结构和人工智能模型项目，并在执行人工智能模型项目后自动返回执行结果，解决了现有技术中人工智能项目生成和执行依赖人工、成本高、时间长等问题，从而简化人工智能模型的项目生成过程、提升项目执行的效率，降低时间和人力成本，提升可视化人工智能操作平台的易用性。
附图说明
19.为了更清楚地说明本技术实施例中的技术方案，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技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
20.图1示出了本发明实施例提出的一种人工智能模型项目的执行方法的流程示意图；
21.图2示出了本发明实施例提出的一种人工智能模型项目的执行系统的结构示意图。
具体实施方式
22.下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
23.本发明提供了一种人工智能模型项目的执行方法，所述方法应用于由主节点和从
节点并行连接的数据库系统中，如图1所示，所述方法包括以下步骤：
24.s101，根据画布信息的构成和图拓扑关系结构，定义画布信息数据结构和人工智能模型数据结构。
25.本实施例中，所述画布信息数据结构包括节点属性、节点连接关系和节点拖入时间；
26.所述人工智能模型数据结构包括节点标识、节点间的拓扑关系、节点梯度、节点任务、所述任务算子地址、初始参数、参数地址、处理结果记录标记和执行状态；
27.其中，
28.所述节点属性包括节点标识和节点位置；
29.所述节点连接关系包括输入节点和输出节点；
30.所述执行状态包括待执行、执行错误和执行完成。
31.s102，接收并解析网页端发出的人工智能模型项目的项目执行请求，得到项目id和项目版本id，根据所述项目id、所述项目版本id和所述画布信息数据结构，获取与所述项目执行请求对应的画布信息。
32.为了提高对画布信息解析的准确度和效率，本实施例中，所述s102，接收并解析网页端发出的人工智能模型项目的项目执行请求，得到项目id和项目版本id，根据所述项目id、所述项目版本id和所述画布信息数据结构，获取与所述项目执行请求对应的画布信息的步骤包括：
33.所述主节点接收所述网页端发出的人工智能模型项目的项目执行请求，并对所述项目执行请求进行解析，得到所述人工智能模型项目的所述项目id和所述项目版本id，并向所述数据库系统发送画布信息获取请求；
34.所述数据库系统收到所述画布信息获取请求后，根据所述项目id、所述项目版本id和所述画布信息数据结构，向所述主节点返回与项目执行请求对应的画布信息；
35.其中，所述与项目执行请求对应的画布信息包括与项目执行请求对应的所述节点属性、所述节点连接关系和所述节点拖入时间。
36.s103，基于所述人工智能模型数据结构，对与所述项目执行请求对应的画布信息进行解析，生成与所述项目执行请求对应的ms模型，并获取任务算子地址。
37.本实施例中，所述s103，基于所述人工智能模型数据结构，对与所述项目执行请求对应的画布信息进行解析，生成与所述项目执行请求对应的ms模型，并获取任务算子地址的步骤包括：
38.构建节点间拓扑关系，基于所述画布信息数据结构，所述主节点对与所述项目执行请求对应的画布信息进行解析，根据与项目执行请求对应的所述节点属性，得到所述节点标识、所述节点位置，根据与项目执行请求对应的所述节点连接关系和所述节点标识，得到所述输入节点和所述输出节点，以及各节点的所述节点任务、所述任务算子地址、所述初始参数、所述参数地址、所述处理结果记录标记和所述节点拖入时间，并构建所述节点间的拓扑关系和所述节点梯度；
39.生成ms模型，基于所述人工智能模型数据结构，根据所述节点标识、所述节点间的拓扑关系、所述任务算子地址、所述初始参数、所述参数地址和所述处理结果记录标记，生成与所述项目执行请求对应的ms模型，并初始化各节点的所述执行状态均为待执行；
40.其中，
41.与所述项目执行请求对应的ms模型为根据所述节点标识和所述节点间的拓扑关系，按照执行的先后顺序将各节点承载的人工智能运算任务与所述任务算子地址匹配后生成的人工智能模型图结构；
42.所述节点梯度为与所述节点间的拓扑关系对应的节点任务执行的先后顺序标识，同一个所述节点梯度包含一个或多个节点，所述节点梯度的值越小，节点任务执行优先级越高。
43.s104，根据与所述项目执行请求对应的ms模型、所述任务算子地址和节点拖入时间执行所述人工智能模型项目，并返回执行结果。
44.本实施例中，所述s104，根据与所述项目执行请求对应的ms模型、所述任务算子地址和节点拖入时间执行所述人工智能模型项目，并返回执行结果的步骤包括：
45.a)根据各节点的所述执行状态、所述梯度和所述节点标识，确定节点任务执行优先级最高的所述节点为第一级节点；
46.b)将所述第一级节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述第一级节点的所述任务算子地址对应的所述从节点上执行，并返回第一执行结果，根据所述第一执行结果更新所述第一级节点的执行状态；
47.c)根据所述梯度、所述节点标识和所述节点间的拓扑关系，确定下一个执行优先级的节点为下一级节点，将所述第一执行结果，以及所述下一级节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述下一级节点的所述任务算子地址对应的所述从节点上执行，并返回第二执行结果，根据所述第二执行结果更新所述下一级节点的执行状态；
48.d)重复步骤c)，直到所有所述执行状态为待执行的节点任务均执行完成，生成最终执行结果，并将所述最终执行结果返回至所述主节点。
49.为了对节点任务执行状态进行更好地管理，本实施例中，所述b)将所述第一级节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述第一级节点的所述任务算子地址对应的所述从节点上执行，并返回第一执行结果，根据所述第一执行结果更新所述第一级节点的执行状态的步骤还包括节点状态处理步骤，具体为：
50.若所述第一级节点的所述节点任务执行失败，则所述第一执行结果为空集，将所述第一级节点的执行状态设置为执行错误；
51.若所述第一级节点的所述节点任务执行成功，则获取所述第一执行结果，将所述第一级节点的执行状态设置为执行完成，并根据所述处理结果记录标记处理所述第一执行结果。
52.为了更好地处理同一节点存在的两个或两个以上的输入节点的情况，本实施例中，所述c)根据所述梯度、所述节点标识和所述节点间的拓扑关系，确定下一个执行优先级的节点为下一级节点，将所述第一执行结果，以及所述下一级节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述下一级节点的所述任务算子地址对应的所述从节点上执行，并返回第二执行结果，根据所述第二执行结果更新所述下一级节点的执行状态的步骤还包括多输入节点处理的步骤，具体为：
53.若所述下一级节点存在两个或两个以上的输入节点，
54.则所述下一级节点获取全部所述输入节点的执行结果后，所述下一级节点将全部
所述输入节点的执行结果，以及所述下一级节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述下一级节点的所述任务算子地址对应的所述从节点上执行，并返回第二执行结果；
55.根据所述第二执行结果更新所述下一级节点的执行状态。
56.为了更好地处理同一节点存在的两个或两个以上的输出节点的情况，本实施例中，所述c)根据所述梯度、所述节点标识和所述节点间的拓扑关系，确定下一个执行优先级的节点为下一级节点，将所述第一执行结果，以及所述下一级节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述下一级节点的所述任务算子地址对应的所述从节点上执行，并返回第二执行结果，根据所述第二执行结果更新所述下一级节点的执行状态的步骤还包括多输出分支节点处理的步骤，具体为：
57.若所述下一级节点中包含两个或两个以上的分支节点，则比较各分支节点的所述节点拖入时间，并根据比较结果分别执行所述分支节点的所述节点任务；
58.1)将所述第一执行结果，以及拖入时间在前的分支节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述分支节点的所述任务算子地址对应的所述从节点上执行，得到分支节点执行结果，并根据所述分支节点执行结果更新所述分支节点的执行状态；
59.2)根据所述分支节点的所述梯度、所述节点标识、所述节点间的拓扑关系，将所述分支节点执行结果，发送至与所述分支节点的下一个分支节点的所述任务算子地址对应的所述从节点上执行，得到下一个分支节点执行结果，并根据下一个分支节点执行结果更新所述分支节点的执行状态；
60.3)重复步骤1)和步骤2)，直到所有分支节点的所述节点任务全部执行完成。
61.通过应用以上技术方案，根据画布信息的构成和图拓扑关系结构定义画布信息数据结构和人工智能模型数据结构，并基于画布信息数据结构和人工智能模型数据结构，根据用户的人工智能模型项目的项目执行请求，将项目执行请求对应的画布信息解析生成匹配了任务算子地址的人工智能模型图结构和任务执行序列，进而实现了根据用户的业务需求和项目执行请求，自动解析与该项目执行请求对应的画布信息，并利用人工智能模型任务算子自动生成人工智能模型拓扑关系图结构和人工智能模型项目，并在执行人工智能模型项目后自动返回执行结果，解决了现有技术中人工智能项目生成和执行依赖人工、成本高、时间长等问题，从而简化人工智能模型的项目生成过程、提升项目执行的效率，降低时间和人力成本，提升可视化人工智能操作平台的易用性。
62.与本发明实施例中的一种所述人工智能模型项目的执行方法相对应，本发明还公开了一种人工智能模型项目的执行系统，所述系统部署于由主节点和从节点并行连接的数据库系统上，如图2所示，所述系统包括模型定义单元、请求解析单元、模型生成单元和项目执行单元；
63.其中，所述模型定义单元，用于根据画布信息的构成和图拓扑关系结构，定义画布信息数据结构和人工智能模型数据结构；
64.所述请求解析单元，用于接收并解析网页端发出的人工智能模型项目的项目执行请求，得到项目id和项目版本id，根据所述项目id、所述项目版本id和所述画布信息数据结构，获取与所述项目执行请求对应的画布信息；
65.所述模型生成单元，用于基于所述人工智能模型数据结构，对与所述项目执行请求对应的画布信息进行解析，生成与所述项目执行请求对应的ms模型，并获取任务算子地址；
66.所述项目执行单元，用于根据与所述项目执行请求对应的ms模型、所述任务算子地址和节点拖入时间执行所述人工智能模型项目，并返回执行结果。
67.本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
68.以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

技术特征：
1.一种人工智能模型项目的执行方法，应用于由主节点和从节点并行连接的数据库系统中，其特征在于，所述方法包括：s101，根据画布信息的构成和图拓扑关系结构，定义画布信息数据结构和人工智能模型数据结构；s102，接收并解析网页端发出的人工智能模型项目的项目执行请求，得到项目id和项目版本id，根据所述项目id、所述项目版本id和所述画布信息数据结构，获取与所述项目执行请求对应的画布信息；s103，基于所述人工智能模型数据结构，对与所述项目执行请求对应的画布信息进行解析，生成与所述项目执行请求对应的ms模型，并获取任务算子地址；s104，根据与所述项目执行请求对应的ms模型、所述任务算子地址和节点拖入时间执行所述人工智能模型项目，并返回执行结果。2.如权利要求1所述的方法，其特征在于，所述画布信息数据结构包括节点属性、节点连接关系和节点拖入时间；所述人工智能模型数据结构包括节点标识、节点间的拓扑关系、节点梯度、节点任务、所述任务算子地址、初始参数、参数地址、处理结果记录标记和执行状态；其中，所述节点属性包括节点标识和节点位置；所述节点连接关系包括输入节点和输出节点；所述执行状态包括待执行、执行错误和执行完成。3.如权利要求2所述的方法，其特征在于，所述s102，接收并解析网页端发出的人工智能模型项目的项目执行请求，得到项目id和项目版本id，根据所述项目id、所述项目版本id和所述画布信息数据结构，获取与所述项目执行请求对应的画布信息的步骤包括：所述主节点接收所述网页端发出的人工智能模型项目的项目执行请求，并对所述项目执行请求进行解析，得到所述人工智能模型项目的所述项目id和所述项目版本id，并向所述数据库系统发送画布信息获取请求；所述数据库系统收到所述画布信息获取请求后，根据所述项目id、所述项目版本id和所述画布信息数据结构，向所述主节点返回与项目执行请求对应的画布信息；其中，所述与项目执行请求对应的画布信息包括与项目执行请求对应的所述节点属性、所述节点连接关系和所述节点拖入时间。4.如权利要求2所述的方法，其特征在于，所述s103，基于所述人工智能模型数据结构，对与所述项目执行请求对应的画布信息进行解析，生成与所述项目执行请求对应的ms模型，并获取任务算子地址的步骤包括：构建节点间拓扑关系，基于所述画布信息数据结构，所述主节点对与所述项目执行请求对应的画布信息进行解析，根据与项目执行请求对应的所述节点属性，得到所述节点标识、所述节点位置，根据与项目执行请求对应的所述节点连接关系和所述节点标识，得到所述输入节点和所述输出节点，以及各节点的所述节点任务、所述任务算子地址、所述初始参数、所述参数地址、所述处理结果记录标记和所述节点拖入时间，并构建所述节点间的拓扑关系和所述节点梯度；生成ms模型，基于所述人工智能模型数据结构，根据所述节点标识、所述节点间的拓扑
关系、所述任务算子地址、所述初始参数、所述参数地址和所述处理结果记录标记，生成与所述项目执行请求对应的ms模型，并初始化各节点的所述执行状态均为待执行；其中，与所述项目执行请求对应的ms模型为根据所述节点标识和所述节点间的拓扑关系，按照执行的先后顺序将各节点承载的人工智能运算任务与所述任务算子地址匹配后生成的人工智能模型图结构；所述节点梯度为与所述节点间的拓扑关系对应的节点任务执行的先后顺序标识，同一个所述节点梯度包含一个或多个节点，所述节点梯度的值越小，节点任务执行优先级越高。5.如权利要求2所述的方法，其特征在于，所述s104，根据与所述项目执行请求对应的ms模型、所述任务算子地址和节点拖入时间执行所述人工智能模型项目，并返回执行结果的步骤包括：a)根据各节点的所述执行状态、所述梯度和所述节点标识，确定节点任务执行优先级最高的所述节点为第一级节点；b)将所述第一级节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述第一级节点的所述任务算子地址对应的所述从节点上执行，并返回第一执行结果，根据所述第一执行结果更新所述第一级节点的执行状态；c)根据所述梯度、所述节点标识和所述节点间的拓扑关系，确定下一个执行优先级的节点为下一级节点，将所述第一执行结果，以及所述下一级节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述下一级节点的所述任务算子地址对应的所述从节点上执行，并返回第二执行结果，根据所述第二执行结果更新所述下一级节点的执行状态；d)重复步骤c)，直到所有所述执行状态为待执行的节点任务均执行完成，生成最终执行结果，并将所述最终执行结果返回至所述主节点。6.如权利要求5所述的方法，其特征在于，所述b)将所述第一级节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述第一级节点的所述任务算子地址对应的所述从节点上执行，并返回第一执行结果，根据所述第一执行结果更新所述第一级节点的执行状态的步骤还包括节点状态处理步骤，具体为：若所述第一级节点的所述节点任务执行失败，则所述第一执行结果为空集，将所述第一级节点的执行状态设置为执行错误；若所述第一级节点的所述节点任务执行成功，则获取所述第一执行结果，将所述第一级节点的执行状态设置为执行完成，并根据所述处理结果记录标记处理所述第一执行结果。7.如权利要求5所述的方法，其特征在于，所述c)根据所述梯度、所述节点标识和所述节点间的拓扑关系，确定下一个执行优先级的节点为下一级节点，将所述第一执行结果，以及所述下一级节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述下一级节点的所述任务算子地址对应的所述从节点上执行，并返回第二执行结果，根据所述第二执行结果更新所述下一级节点的执行状态的步骤还包括多输入节点处理的步骤，具体为：若所述下一级节点存在两个或两个以上的输入节点，则所述下一级节点获取全部所述输入节点的执行结果后，所述下一级节点将全部所述输入节点的执行结果，以及所述下一级节点的所述节点任务、所述初始参数和所述参数地
址，发送至与所述下一级节点的所述任务算子地址对应的所述从节点上执行，并返回第二执行结果；根据所述第二执行结果更新所述下一级节点的执行状态。8.如权利要求5所述的方法，其特征在于，所述c)根据所述梯度、所述节点标识和所述节点间的拓扑关系，确定下一个执行优先级的节点为下一级节点，将所述第一执行结果，以及所述下一级节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述下一级节点的所述任务算子地址对应的所述从节点上执行，并返回第二执行结果，根据所述第二执行结果更新所述下一级节点的执行状态的步骤还包括多输出分支节点处理的步骤，具体为：若所述下一级节点中包含两个或两个以上的分支节点，则比较各分支节点的所述节点拖入时间，并根据比较结果分别执行所述分支节点的所述节点任务；1)将所述第一执行结果，以及拖入时间在前的分支节点的所述节点任务、所述初始参数和所述参数地址，发送至与所述分支节点的所述任务算子地址对应的所述从节点上执行，得到分支节点执行结果，并根据所述分支节点执行结果更新所述分支节点的执行状态；2)根据所述分支节点的所述梯度、所述节点标识、所述节点间的拓扑关系，将所述分支节点执行结果，发送至与所述分支节点的下一个分支节点的所述任务算子地址对应的所述从节点上执行，得到下一个分支节点执行结果，并根据下一个分支节点执行结果更新所述分支节点的执行状态；3)重复步骤1)和步骤2)，直到所有分支节点的所述节点任务全部执行完成。9.一种实施权利要求1所述人工智能模型项目的执行方法的系统，部署于由主节点和从节点并行连接的数据库系统上，其特征在于，所述系统包括模型定义单元、请求解析单元、模型生成单元和项目执行单元；其中，所述模型定义单元，用于根据画布信息的构成和图拓扑关系结构，定义画布信息数据结构和人工智能模型数据结构；所述请求解析单元，用于接收并解析网页端发出的人工智能模型项目的项目执行请求，得到项目id和项目版本id，根据所述项目id、所述项目版本id和所述画布信息数据结构，获取与所述项目执行请求对应的画布信息；所述模型生成单元，用于基于所述人工智能模型数据结构，对与所述项目执行请求对应的画布信息进行解析，生成与所述项目执行请求对应的ms模型，并获取任务算子地址；所述项目执行单元，用于根据与所述项目执行请求对应的ms模型、所述任务算子地址和节点拖入时间执行所述人工智能模型项目，并返回执行结果。

技术总结
本发明公开了一种人工智能模型项目的执行方法和系统，该方法包括：根据画布信息的构成和图拓扑关系结构，定义画布信息数据结构和人工智能模型数据结构；接收并解析网页端发出的人工智能模型项目的项目执行请求，得到项目id和项目版本id，根据所述项目id、所述项目版本id和所述画布信息数据结构，获取与所述项目执行请求对应的画布信息；基于所述人工智能模型数据结构，对与所述项目执行请求对应的画布信息进行解析，生成与所述项目执行请求对应的MS模型，并获取任务算子地址；根据与所述项目执行请求对应的MS模型、所述任务算子地址和节点拖入时间执行所述人工智能模型项目，并返回执行结果，从而提升人工智能模型的项目生成和执行的效率。执行的效率。执行的效率。


技术研发人员：陶杨 易水寒 刘睿民
受保护的技术使用者：北京柏睿数据技术股份有限公司
技术研发日：2023.04.03
技术公布日：2023/7/7