一种在移动端查看模型训练通知和训练日志的方法

摘要

本发明提供了一种跨平台在移动端动态接收人工智能模型训练通知的方法，在人工智能技术开发中，大量深度学习模型任务需要在云端使用GPU集群完成训练任务，通过使用移动端设备可以实时查看深度学习模型训练状态消息通知，将会大大提升用户查看模型训练状态、实时查看训练状态反馈的体验，参与竞赛的过程越来越便利、高效。为此，本发明提出的技术方案，能够实现在移动端HTML5页面或本地端PC等设备上将竞赛训练任务指令发送到GPU服务器进行训练，在移动端设备中随时查看训练通知、训练过程的方法，从而解决了用户在进行竞赛训练的过程中查看训练过程和通知的单一使用场景限制。用户能够在任意场景下通过移动端设备实时查看竞赛训练过程和结果通知，提升了参与竞赛训练的用户体验和竞赛训练时间效率。

权利要求

1.一种跨平台在移动端动态接收人工智能模型训练通知的方法，所述方法基于包括云端、Android终端和IOS移动终端的平台实现，所述方法包括：S101：将云端训练模块的通知内容与人工智能模型数据训练流程关联；

S102：基于用户在GPU服务器训练完成的模型数据和执行模型训练的程序代码，生成人工审核通知，发送给云端人工处理模块；

S103：Android终端和IOS移动终端通过API与云端建立消息通知协议，云端向Android终端和IOS移动终端发送消息数据请求；

S104：Android终端和IOS移动终端的应用接收消息数据字段信息并解析消息数据内容保存在本地数据库，通过UI展现给用户所接收的通知消息数据；

如果用户成功执行人工智能模型GPU服务器训练指令，网页应用服务器通过API接口向Android终端和IOS移动终端应用发送提交训练成功的消息内容数据请求，Android终端和IOS移动终端应用通过解析消息内容数据字段，将数据存储在本地数据库中，同时在移动端应用UI界面实时展示训练成功的消息数据内容；

所述通过UI展现给用户所接收的通知消息数据，具体包括如下步骤：

通过训练任务的唯一识别编码生成展示网页WEB和移动端HTML5的URL地址；

以全量加载数据的方式在WEB和移动HTML5端产生数据动态变化图表；

GPU服务器实时向网页应用服务器发送训练日志数据，网页应用服务器将日志数据存储在日志数据库中，并以固定数据点坐标的方式向WEB和移动HTML5端发送训练数据，WEB和移动HTML5端通过图表的方式将所传输的固定数据点坐标实时动态展示。

2.如权利要求1所述的方法，其中，步骤S101进一步包括：

S201：用户提交模型训练指令；

S202：服务器将用户所提交的模型训练指令代码打包成ZIP文件并储存到云端服务器；

S203：云端服务器下载ZIP文件包并自动解压文件；

S204：云端训练任务正式开始；

S205：若用户主动停止训练，训练任务将立即终止，云端将返回训练终止的状态和消息数据；

S206：若训练正常进行，判断模型预训练是否成功，如果预训练失败云端将立即停止训练；

S207：云端检测文件内代码逻辑，判断模型正式训练是否成功，如果正式训练失败将立即停止训练；

S208：云端检测模型上传过程是否成功，如果上传失败将立即停止训练；

S209：云端检测评估模型是否成功，若评估失败将立即停止训练；

S210：云端训练过程顺利完成并取得最终模型评估得分，云端将返回训练成功的状态和消息数据；

S211：如果在训练过程中非用户主动停止训练，因过程中错误停止训练，云端将返回训练失败的状态和消息数据。

3.如权利要求1所述的方法，其中，步骤S102进一步包括：

管理人员通过后台管理页面对用户执行模型训练的程序代码进行审核，若程序代码合格，则给该用户发送程序代码审核通过的消息通知。

4.如权利要求3所述的方法，其特征在于：若对用户执行模型训练的程序代码进行审核，发现代码不合格，则给该用户发送程序代码审核不通过的消息通知。

5.如权利要求2所述的方法，其中，步骤S104进一步包括：

若模型训练状态为正式开始训练，服务器通过API接口向Android终端和IOS移动终端应用发送开始训练的消息内容数据请求，Android终端和IOS移动终端应用通过解析消息内容数据字段，将数据存储在本地数据库中，同时在Android终端和IOS移动终端应用UI界面实时展示开始训练的消息数据内容。

6.如权利要求2所述的方法，其中，步骤S104进一步包括：

若人工智能模型未能正常开始进行训练，服务器通过API接口向Android终端和IOS移动终端应用发送训练失败的消息内容数据请求，Android终端和IOS移动终端应用通过解析消息内容数据，将数据储存在本地数据库中，同时在Android终端和IOS移动终端应用UI界面展示训练失败的消息数据内容。

7.一种移动端应用与PC端WEB网页中实现跨平台消息数据同步的方法，所述方法用于在移动端微信应用程序中接收权利要求1-6任一项所述的人工智能模型训练通知，该方法包括如下步骤：WEB网站通过API与微信服务平台进行关联对接，采用微信服务平台实现网站消息实时推送到移动端；微信服务平台依次完成对WEB网站服务器URL、Token、消息加密密钥的内容配置并将WEB网站与微信端完成绑定操作。

8.如权利要求7所述的方法，用户若在注册WEB网站账号时未通过微信扫码绑定微信，则在WEB网站中通过绑定微信号功能实现在移动端实时接收消息内容数据，具体实现方法如下：当用户在网页发送绑定微信的指令时，服务器向微信服务平台发送接口请求同意请求后在网页弹出弹窗，网站所关联的微信服务号URL地址被渲染成动态二维码；

用户使用微信扫码跳转关注WEB网站所关联的微信服务号，关注成功后网站服务器将微信ID与人工智能模型训练竞赛网站完成绑定。

9.一种查看人工智能模型训练通知和训练过程的可视化平台，所述可视化平台包括云端、Android端和IOS移动端；云端包括训练模块和人工处理模块，其中训练模块为人工智能模型数据在云端使用GPU进行训练的过程中产生状态通知；人工处理模块为在程序后台对用户相关数据进行人工处理产生状态通知；云端和Android移动端、IOS移动端通过API接口发送消息通知数据，其中云端向Android移动端和IOS移动端推送指定格式的消息数据；

Android移动端和IOS移动端接受来自云端所推送的消息数据及动态解析消息数据内容并展示在移动端；

其特征在于：

如果用户成功执行人工智能模型GPU服务器训练指令，网页应用服务器通过API接口向Android终端和IOS移动终端应用发送提交训练成功的消息内容数据请求，Android终端和IOS移动终端应用通过解析消息内容数据字段，将数据存储在本地数据库中，同时在移动端应用UI界面实时展示训练成功的消息数据内容。

说明书

一种在移动端查看模型训练通知和训练日志的方法

技术领域

[0001] 本发明涉及云计算技术领域，尤其涉及到一种在移动端查看模型训练通知和训练日志的方法以及查看人工智能模型训练通知和训练过程的可视化平台。

背景技术

[0002] 在人工智能技术开发中，大量深度学习模型任务需要在云端使用GPU集群完成训练任务。在人工智能数据处理领域，现有两种方式进行模型的训练：

[0003] 1)完全在本地端具有GPU硬件的PC等设备中利用GPU的计算进行人工智能模型的训练工作。

[0004] 2)将本地的数据模型完全发送至GPU服务器中进行人工智能模型的训练工作。

[0005] 不管是哪一种，现有技术都只能在PC端等本地不方便移动的设备中查看训练过程和训练结果反馈。

[0006] 当前只能通过PC端等本地设备查看训练过程的方式，需要消耗大量的时间和精力。用户不能够多场景随时查看训练过程和接收训练通知；同时，深度学习模型训练时间一般很长，并且反馈的情况很多，如果不能够及时的查看训练过程和最终结果反馈，将会导致训练效果和输出结果达不到目标要求。

[0007] 申请号为CN201910633633.9的中国发明专利申请提出一种基于本地模型与云端反馈的全流程人工智能竞赛系统及其数据处理方法，通过本地设备(PC)运行的支持PyTorch、TensorFlow、Keras、Scikit-learn、caffe、MXNet、Theano、Torch等深度学习框架的一套脚本命令及代码实现开发环境依赖的自动化检测和安装、利用本地设备(PC等)CPU、GPU进行小样本数据调试和通过脚本命令提交代码进行云端GPU训练、云端训练日志实时展现、云端自动评估模型得分、多平台自动反馈训练结果；

[0008] 公布号CN 106060097B、分类号为H04L29/06的授权专利″一种信息安全竞赛的管理系统及管理方法″提供一种信息安全竞赛的管理系统，所述管理系统包括公有云身份管理子系统和私有云靶机管理子系统，所述公有云身份管理子系统包括账号管理模块、认证授权管理模块和查询模块，所述私有云靶机管理子系统包括资源管理模块、审计管理模块和信息库，其中：所述账号管理模块，其用于响应账号注册请求，创建并存储账号信息，所述账号信息包括相关联的用户账号和密码；所述认证授权管理模块，其用于接收目标用户发来的认证请求，所述认证请求中包括相关联的目标用户账号和目标密码；当所述相关联的目标用户账号和目标密码与所述账号管理模块中存储的账号信息相匹配时，确认通过所述认证请求；所述查询模块，其用于响应用户的查询请求，提供用户的竞赛成绩以及在竞赛过程中产生的日志；所述资源管理模块，其用于在所述私有云靶机管理子系统中配置终端设备、网络安全设备以及服务器，以构建靶机网络；所述审计管理模块，其用于采集用户在竞赛过程中产生的行为数据，并根据所述行为数据生成日志和竞赛成绩；所述信息库，其用于存储所述资源管理模块中配置的终端设备、网络安全设备以及服务器的配置信息以及所述审计管理模块中产生的行为数据、日志以及竞赛成绩。

[0009] 然而，上述技术方案都只能通过PC端等本地设备查看训练过程。

[0010] 近年来随着移动终端功能的丰富、移动互联网的大力发展，人们更习惯于通过手机及时查看消息通知，通过使用移动端设备可以实时查看深度学习模型训练状态消息通知，将会大大提升用户查看模型训练状态、实时查看训练状态反馈的体验，参与人工智能模型训练竞赛的过程越来越便利、高效。然而，对此，现有技术并未给出有效的技术方案。

发明内容

[0011] 在人工智能技术开发中，大量深度学习模型任务需要在云端使用GPU集群完成训练任务，通过使用移动端设备可以实时查看深度学习模型训练状态消息通知，将会大大提升用户查看模型训练状态、实时查看训练状态反馈的体验，参与竞赛的过程越来越便利、高效。为此，本发明提出的技术方案，能够实现在移动端HTML5页面或本地端PC等设备上将竞赛训练任务指令发送到GPU服务器进行训练，在移动端设备中随时查看训练通知、训练过程的方法，从而解决了用户在进行竞赛训练的过程中查看训练过程和通知的单一使用场景限制。用户能够在任意场景下通过移动端设备实时查看竞赛训练过程和结果通知。提升了参与竞赛训练的用户体验和竞赛训练时间效率。

[0012] 在本发明的第一个方面，提供一种跨平台在移动端动态接收人工智能模型训练通知的方法，所述方法基于包括云端、Android终端和IOS移动终端的平台实现，所述方法包括：

[0013] S101：将云端训练模块的通知内容与人工智能模型数据训练流程关联；

[0014] S102：基于用户在GPU服务器训练完成的模型数据和执行模型训练的程序代码，生成人工审核通知，发送给云端人工处理模块；

[0015] S103：Android终端和IOS移动终端通过API与云端建立消息通知协议，云端向Android终端和IOS移动终端发送消息数据请求；

[0016] S104：Android终端和IOS移动终端的应用接收消息数据字段信息并解析消息数据内容保存在本地数据库，通过UI展现给用户所接收的通知消息数据；

[0017] 作为体现本发明创新点的关键技术手段，其中，通过UI展现给用户所接收的通知消息数据，具体包括如下步骤：

[0018] 通过训练任务的唯一识别编码生成展示网页WEB和移动端HTML5的URL地址；

[0019] 以全量加载数据的方式在WEB和移动HTML5端产生数据动态变化图表；

[0020] GPU服务器实时向网页应用服务器发送训练日志数据，网页应用服务器将日志数据存储在日志数据库中，并以固定数据点坐标的方式向WEB和移动HTML5端发送训练数据，WEB和移动HTML5端通过图表的方式将所传输的固定数据点坐标实时动态展示。

[0021] 在具体实现上，其中，步骤S101进一步包括：

[0022] S201：用户提交模型训练指令；

[0023] S202：服务器将用户所提交的模型训练指令代码打包成ZIP文件并储存到云端服务器；

[0024] S203：云端服务器下载ZIP文件包并自动解压文件；

[0025] S204：云端训练任务正式开始；

[0026] S205：若用户主动停止训练，训练任务将立即终止，云端将返回训练终止的状态和消息数据；

[0027] S206：若训练正常进行，判断模型预训练是否成功，如果预训练失败云端将立即停止训练；

[0028] S207：云端检测文件内代码逻辑，判断模型正式训练是否成功，如果正式训练失败将立即停止训练；

[0029] S208：云端检测模型上传过程是否成功，如果上传失败将立即停止训练；

[0030] S209：云端检测评估模型是否成功，若评估失败将立即停止训练；

[0031] S210：云端训练过程顺利完成并取得最终模型评估得分，云端将返回训练成功的状态和消息数据；

[0032] S211：如果在训练过程中非用户主动停止训练，因过程中错误停止训练，云端将返回训练失败的状态和消息数据。

[0033] 在具体实现上，其中，步骤S102进一步包括：

[0034] 管理人员通过后台管理页面对用户执行模型训练的程序代码进行审核，若程序代码合格，那么将会给该用户发送程序代码审核通过的消息通知。

[0035] 更具体的，步骤S102中，若对用户执行模型训练的程序代码进行审核，发现代码不合格，那么将会给该用户发送程序代码审核不通过的消息通知。

[0036] 在具体实现上，其中，步骤S104进一步包括：

[0037] 如果用户成功执行人工智能模型GPU服务器训练指令，网页应用服务器通过API接口向Android终端和IOS移动终端应用发送提交训练成功的消息内容数据请求，Android终端和IOS移动终端应用通过解析消息内容数据字段，将数据存储在本地数据库中，同时在移动端应用UI界面实时展示训练成功的消息数据内容。

[0038] 在具体实现上，其中，步骤S104进一步包括：

[0039] 若模型训练状态为正式开始训练，服务器通过API接口向Android终端和IOS移动终端应用发送开始训练的消息内容数据请求，Android终端和IOS移动终端应用通过解析消息内容数据字段，将数据存储在本地数据库中，同时在Android终端和IOS移动终端应用UI界面实时展示开始训练的消息数据内容。

[0040] 在具体实现上，其中，步骤S104进一步包括：

[0041] 若人工智能模型未能正常开始进行训练，服务器通过API接口向Android终端和IOS移动终端应用发送训练失败的消息内容数据请求，Android终端和IOS移动终端应用通过解析消息内容数据，将数据储存在本地数据库中，同时在Android终端和IOS移动终端应用UI界面展示训练失败的消息数据内容。

[0042] 在本发明的另一个方面，提供一种移动端应用与PC端WEB网页中实现跨平台消息数据同步的方法，所述方法用于在移动端微信应用程序中接收前述的人工智能模型训练通知，该方法包括如下步骤：

[0043] WEB网站通过API与微信服务平台进行关联对接，采用微信服务平台实现网站消息实时推送到移动端；

[0044] 微信服务平台依次完成对WEB网站服务器URL、Token、消息加密密钥的内容配置并将WEB网站与微信端完成绑定操作。

[0045] 具体应用时，用户若在注册WEB网站账号时未通过微信扫码绑定微信，则在WEB网站中通过绑定微信号功能实现在移动端实时接收消息内容数据，具体实现方法如下：

[0046] 当用户在网页发送绑定微信的指令时，服务器向微信服务平台发送接口请求同意请求后在网页弹出弹窗，网站所关联的微信服务号URL地址被渲染成动态二维码；

[0047] 用户使用微信扫码跳转关注WEB网站所关联的微信服务号，关注成功后网站服务器将微信ID与人工智能模型训练竞赛网站完成绑定。

[0048] 在本发明的第三个方面，提供一种查看人工智能模型训练通知和训练过程的可视化平台，所述可视化平台包括云端、Android端和IOS移动端；云端包括训练模块和人工处理模块，其中训练模块为人工智能模型数据在云端使用GPU进行训练的过程中产生状态通知；人工处理模块为在程序后台对用户相关数据进行人工处理产生状态通知；云端和Android移动端、IOS移动端通过API接口发送消息通知数据，其中云端向Android移动端和IOS移动端推送指定格式的消息数据；Android移动端和IOS移动端接受来自云端所推送的消息数据及动态解析消息数据内容并展示在移动端。

[0049] 利用上述查看人工智能模型训练通知和训练过程的可视化平台，可以执行前述在移动端动态接收人工智能模型训练通知的方法的全部或者部分步骤，并且还可以完成前述移动端应用与PC端WEB网页中实现跨平台消息数据同步的方法。

[0050] 本发明的有益效果至少体现在：

[0051] 通过设计一种移动端实时同步云端在竞赛模型训练中获得消息通知内容的方法，在竞赛模型训练场景中提供了更加及时、便利的消息反馈，提高了研发人员模型迭代的效率，在多场景下可以通过移动端进行竞赛模型训练操作；

[0052] 从企业开发角度考虑，本发明中通过对接第三方应用服务接口实现云端服务器到移动端的消息通知数据传输，大大节约了企业独立开发移动端应用的开发成本、人力成本。

[0053] 本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。

附图说明

[0054] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，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。

[0055] 图1是本发明一个实施例的在移动端动态接收人工智能模型训练通知的方法的流程图

[0056] 图2-4是图1所述方法各个步骤的进一步详细实现流程图

[0057] 图5是本发明一个实施例的移动端应用与PC端WEB网页中实现跨平台消息数据同步的方法的流程图

[0058] 图6是本发明一个实施例的查看人工智能模型训练通知和训练过程的可视化平台结构图。

具体实施方式

[0059] 下面，结合附图以及具体实施方式，对发明做出进一步的描述：

[0060] 请参阅图1，是本发明一个实施例的在移动端动态接收人工智能模型训练通知的方法的流程图，图1所述方法包括步骤S101-S104，各个步骤具体实现功能如下：

[0061] S101：将云端训练模块的通知内容与人工智能模型数据训练流程关联；

[0062] S102：基于用户在GPU服务器训练完成的模型数据和执行模型训练的程序代码，生成人工审核通知，发送给云端人工处理模块；

[0063] S103：Android终端和IOS移动终端通过API与云端建立消息通知协议，云端向Android终端和IOS移动终端发送消息数据请求；

[0064] S104：Android终端和IOS移动终端的应用接收消息数据字段信息并解析消息数据内容保存在本地数据库，通过UI展现给用户所接收的通知消息数据。

[0065] 在本实施例中，其中，通过UI展现给用户所接收的通知消息数据，具体包括如下步骤：

[0066] 通过训练任务的唯一识别编码生成展示网页WEB和移动端HTML5的URL地址；

[0067] 以全量加载数据的方式在WEB和移动HTML5端产生数据动态变化图表；

[0068] GPU服务器实时向网页应用服务器发送训练日志数据，网页应用服务器将日志数据存储在日志数据库中，并以固定数据点坐标的方式向WEB和移动HTML5端发送训练数据，WEB和移动HTML5端通过图表的方式将所传输的固定数据点坐标实时动态展示。

[0069] 接下来结合图2-4，对图1所述方法各个步骤的详细实现进一步进行说明。

[0070] 在图2中，展示云端训练模块的通知内容与人工智能模型数据训练流程关联的具体训练流程如下：

[0071] S201，用户在移动端或本地端PC等设备提交模型训练指令

[0072] S202，服务器将用户所提交的代码打包成ZIP文件(一种文件的压缩包格式)并储存在云端服务器

[0073] S203，云端服务器下载ZIP文件包并自动解压文件

[0074] S204，云端训练任务正式开始

[0075] S205，若用户主动停止训练，训练任务将立即终止，云端将返回训练终止的状态和消息数据

[0076] S206，若训练正常进行，判断模型预训练是否成功，如果预训练失败云端将立即停止训练

[0077] S207，云端检测文件内代码逻辑，判断模型正式训练是否成功，如果正式讯训练失败将立即停止训练

[0078] S208，云端检测模型上传过程是否成功，如果上传失败将立即停止训练[0079] S209，云端检测评估模型是否成功，若评估失败将立即停止训练

[0080] S210，云端训练过程顺利完成并取得最终模型评估得分，云端将返回训练成功的状态和消息数据

[0081] S211，如果在训练过程中非用户主动停止训练，因过程中错误停止训练，云端将返回训练失败的状态和消息数据。

[0082] 图3中，云端人工处理模块的通知主要是对用户在GPU服务器训练完成的模型数据和执行模型训练的程序代码进行人工审核的通知。

[0083] 管理人员通过后台管理页面对用户执行模型训练的程序代码进行审核，若程序代码合格，那么将会给该用户发送程序代码审核通过的消息通知；

[0084] 若对用户执行模型训练的程序代码进行审核，发现代码不合格，那么将会给该用户发送程序代码审核不通过的消息通知。

[0085] 在图4中，移动端(包含Android终端和IOS移动终端)通过API(应用程序接口)与云端建立消息通知协议，云端向移动端发送消息数据请求；

[0086] 移动端应用接收消息数据字段信息并解析消息数据内容保存在本地数据库，通过UI展现给用户所接收的通知消息数据；

[0087] 根据上述关于人工智能模型在GPU服务器训练路程及反馈状态的描述，在移动端实现跨平台同步模型训练状态的通知数据信息的方法描述为：

[0088] 若如上S201所述，用户成功执行人工智能模型GPU服务器训练指令，网页应用服务器通过APT接口向移动端应用发送提交训练成功的消息内容数据请求，移动端应用通过解析消息内容数据字段，将数据存储在本地数据库中，同时在移动端应用UI界面实时展示训练成功的消息数据内容；

[0089] 若如上S204所述，模型训练状态为正式开始训练，服务器通过API接口向移动端应用发送开始训练的消息内容数据请求，移动端应用通过解析消息内容数据字段，将数据存储在本地数据库中，同时在移动端应用UI界面实时展示开始训练的消息数据内容；

[0090] 若如上S204所述，人工智能模型未能正常开始进行训练，服务器通过API接口向移动端应用发送训练失败的消息内容数据请求，移动端应用通过解析消息内容数据，将数据储存在本地数据库中，同时在移动端应用UI界面展示训练失败的消息数据内容；

[0091] 若如上S204-S210过程中所述，人工智能模型在开始训练的状态下，用户主动进行模型训练终止的操作，GPU服务器将停止当前用户的模型训练任务。

[0092] 若人工智能模型在开始训练的状态下，用户未主动停止模型训练的操作，但是由于用户所实现的程序代码出现程序逻辑错误导致GPU服务器自动停止训练，服务器通过APT接口向移动端应用发送训练失败的消息内容数据请求

[0093] 移动端应用通过解析消息内容数据，将数据存储在本地数据库中，同时在移动端应用UI界面展示训练失败的消息数据内容；

[0094] 若如上S204-S210过程中所述，人工智能在开始训练的状态下未出现程序代码错误及用户未主动停止模型训练任务，服务器向移动端发送开始训练的消息内容数据，同时在移动端(包含Android终端和IOS移动终端)以HTML5页面的形式跨平台同步Web端人工智能模型训练日志。

[0095] 其中，HTML5(网页在移动端的一种展现形式)页面实时同步加载训练日志作为一个子流程。

[0096] 结合图1-4，实现训练日志动态实时加载并可在移动端(包含Android移动终端和IOS移动终端)同步展示的具体实现方法如下：

[0097] 由于训练日志内容量较大，为缓解性能问题和提升日志加载的流畅性，训练日志的动态实时加载采用增量加载日志的方式进行日志的读取和加载，涉及到GPU服务器、网页应用服务器的运行工作；

[0098] 如S201所述，提交模型训练指令到GPU服务器进行训练，GPU服务器将会生成训练任务唯一性的Train ID(训练任务的唯一识别编码)

[0099] 网页应用服务器通过Train ID生成展示网页WEB或和移动端HTML5的URL地址，地址后缀以不同的Train ID区分不同的训练任务。

[0100] GPU服务器在进行某一训练任务的实时向网页应用服务器发送日志数据，网页应用服务器将日志数据存储到日志数据库中，并记录日志存储的时间戳；

[0101] 网页应用服务器将日志数据库中的日志数据通过API的方式发送给WEB和移动端HTML5前端UI界面进行日志数据展示；

[0102] 若GPU服务器继续向网页应用服务器发送训练日志数据，网页应用服务器将新的日志数据存储到日志数据库中，并记录新日志存储的时间戳；

[0103] 网页应用服务器将所述生成的新的日志文件和旧日志文件进行比较，并向WEB端和移动HTML5端发送带有新时间戳的日志数据，形成增量日志文件；

[0104] 若如S205所述，GPU训练任务终止，GPU服务器将停止该训练任务并不再向网页应用服务器发送训练日志数据；

[0105] 同时，网页应用服务器以全量加载数据的方式在WEB和移动HTML5端产生数据动态变化图表；

[0106] 在GPU服务器实时向网页应用服务器发送训练日志数据后，网页应用服务器将日志数据存储在日志数据库中；

[0107] 并以固定数据点坐标的方式向WEB和移动HTML5端发送训练数据，WEB和移动HTML5端通过图表的方式将所传输的固定数据点坐标实时动态展示。

[0108] 若如上S210所述，人工智能模型在GPU服务器正常完成训练并得出结果，网站服务器将人工智能模型训练结果消息内容数据和生成的HTML5网页数据内容请求发送到移动端应用

[0109] 移动端应用解析消息类型和消息体字段并通过移动端应用向用户发送模型训练成功的消息通知内容，用户在移动端应用消息列表查看训练成功的消息通知并可以点击消息通知UI界面跳转到HTML5页面查看模型最终的准确率结果。

[0110] 训练成功并得到竞赛模型结果后，可实时计算出用户当前的得分排名情况，并在移动端用户可以在HTML5页面实时查看训练结束的排名情况。

[0111] 若如上S303所述，管理人员通过后台审核用户的程序代码并执行通过操作，服务器将仅向该用户发送程序代码通过审核的消息数据内容，移动端应用解析消息内容字段并将消息内容数据展示在移动端应用UI界面；

[0112] 若如上S305所述，管理人员通过后台审核用户的程序并执行不通过的操作，服务器将仅向该用户发送程序代码未通过审核的消息数据内容，移动端应用解析消息内容字段并将消息内容数据展示在移动端应用UI界面；

[0113] 以上为跨平台在移动端动态查看人工智能模型训练过程通知和实时消息内容数据的实现方案。

[0114] 接下来参见图5，是关于移动端应用与PC端WEB网页中实现跨平台消息数据同步的解决方案。

[0115] 使用微信应用第三方公众服务平台实现跨平台消息数据同步的方案描述：

[0116] WEB网站通过API(应用程序接口)并与微信服务平台进行关联对接，采用微信服务平台提供的能力实现网站消息实时推送到移动端。

[0117] 通过微信服务平台依次完成对WEB网站服务器URL(网址路径)、Token(令牌)、EncodingAESKey(消息加密密钥)的内容配置并将WEB网站与微信端完成绑定操作。

[0118] WEB网站获取消息通知调用权限需每次向微信服务平台提供ACCESS_TOKEN(公众号的全局唯一接口调用凭据)，由于ACCESS_TOKEN实时刷新，2个小时需重新获取一次，可以通过与WEB网站绑定的微信服务号APPID和APPSercret实时请求获取ACCESS_TOKEN以成功调用微信服务平台接口。

[0119] 用户在注册WEB网站过程中关联并绑定微信服务平台的方式：用户若选择直接使用微信扫码登录及注册的方式，服务器将通过调用WEB网页所绑定的微信服务平台URL地址并渲染生成动态二维码显示在前端WEB页面中。

[0120] 当用户使用移动端微信应用在WEB网站扫描二维码后，用户信息数据和WEB页面URL信息一并发送给微信服务端，微信服务端响应请求并跳转″关注″服务平台账号页面，用户点击″关注″可以实现WEB网站与用户微信之间的账号信息绑定操作。

[0121] 用户若在注册WEB网站账号时未通过微信扫码绑定微信，用户还可以在WEB网站中通过绑定微信号功能实现在移动端实时接收消息内容数据，过程如下：

[0122] 当用户在网页发送绑定微信的指令时，服务器向微信服务平台发送接口请求同意请求后在网页弹出弹窗，网站所关联的微信服务号URL地址同样被渲染成动态二维码[0123] 用户使用微信扫码跳转关注WEB网站所关联的微信服务号，关注成功后网站服务器将微信ID与竞赛网站完成绑定。

[0124] 接下来参见图6，图1-5所述的方法均可以在图6所述的平台上实现。图6展示了一种查看人工智能模型训练通知和训练过程的可视化平台，所述可视化平台包括云端、Android端和IOS移动端；云端包括训练模块和人工处理模块，其中训练模块为人工智能模型数据在云端使用GPU进行训练的过程中产生状态通知；人工处理模块为在程序后台对用户相关数据进行人工处理产生状态通知；云端和Android移动端、IOS移动端通过API接口发送消息通知数据，其中云端向Android移动端和IOS移动端推送指定格式的消息数据；Android移动端和IOS移动端接受来自云端所推送的消息数据及动态解析消息数据内容并展示在移动端。

[0125] 本发明中使用到的相关技术术语均遵从本领域的惯用表达，包括：

[0126] HTML5：HTML5是Web中核心语言HTML的规范，用户使用任何手段进行网页浏览时看到的内容原本都是HTML格式的，在浏览器中通过一些技术处理将其转换成为了可识别的信息。

[0127] 深度学习模型：深度学习是机器学习的一种，而机器学习是实现人工智能的必经路径。深度学习模型即代表一种解决人工智能技术的方案，这种方案需要不断的迭代、推敲，即模型训练。

[0128] URL：URL是统一资源定位符，对可以从互联网上得到的资源的位置和访问方法的一种简洁的表示，是互联网上标准资源的地址。

[0129] UI：user interface，用户接口，也可以称之为人机交互接口，人机界面接口(GUI)等。

[0130] 基于以上介绍，本领域技术人员可以看到，本发明解决了现有技术没有提及或者解决的技术问题，优化了用户在进行竞赛训练的过程中查看训练过程和通知的单一使用场景限制。用户能够在任意场景下通过移动端设备实时查看竞赛训练过程和结果通知。提升了参与竞赛训练的用户体验和竞赛训练时间效率。

[0131] 本发明首次实现跨平台展示人工智能模型训练的训练日志同时以WEB和HTML5页面的形式动态增量加载日志数据，降低数据处理时间，提升数据加载的流畅性和及时性；同时本发明实现人工智能竞赛模型在云端GPU服务器进行模型训练过程的状态消息通知可实时同步到Android移动端和IOS移动端应用，使用户及时查看消息通知；在竞赛模型训练场景中提供了更加及时、便利的消息反馈，提高了研发人员模型迭代的效率，在多场景下可以通过移动端进行竞赛模型训练操作；通过对接第三方应用服务接口实现云端服务器到移动端的消息通知数据传输，大大节约了企业独立开发移动端应用的开发成本、人力成本。

[0132] 尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。