GB_T43782-2024人工智能机器学习系统技术要求.docx

《GB_T43782-2024人工智能机器学习系统技术要求.docx》由会员分享，可在线阅读，更多相关《GB_T43782-2024人工智能机器学习系统技术要求.docx（13页珍藏版）》请在优知文库上搜索。

1、ICS35.240CCS1.70中华人民共和国国家标准GB/T437822024人工智能机器学习系统技术要求Artificialintelligence-Technicalrequirementsformachinelearningsystem2024-03-15发布2024-03-15实施国家市场监督管理总局国家标准化管理委员会目次前言I1范围12规范性引用文件13术语和定义14缩略语25系统框架25.1 概述25.2 机器学习运行时组件35.3 机器学习框架35.4 机器学习服务组件35.5 工具45.6 运维管理46功能要求46.1 机器学习运行时组件46.2 机器学习框架46.3 机器

2、学习服务组件56.4 工具66.5 运维管理77可靠性要求88维护性要求89兼容性要求89.1 软件兼容性要求89.2 硬件兼容性要求810安全性要求9H可扩展性要求9参考文献10本文件按照GB/T1.1-2020标准化工作导则第1部分：标准化文件的结构和起草规则的规定起草。请注意本文件的某些内容可能涉及专利。本文的发布机构不承担识别专利的责任。本文件由全国信息技术标准化技术委员会（SAC/TC28）提出并归口。本文件起草单位：中国电子技术标准化研究院、华为技术有限公司、北京百度网讯科技有限公司、上海商汤智能科技有限公司、腾讯云计算（北京）有限责任公司、网易（杭州）网络有限公司、浪潮电子信息产

3、业股份有限公司、北京眼神科技有限公司、中国工程物理研究院计算机应用研究所、沈阳东软智能医疗科技研究院有限公司、北京软件产品质量检测检验中心、山东省计算中心（国家超级计算济南中心）、上海燧原科技有限公司、美的集团（上海）有限公司、海信集团控股股份有限公司、上海计算机软件技术开发中心、清华大学、北京航天自动控制研究所、中国科学院软件研究所、上海人工智能研究院有限公司、郑州中业科技股份有限公司、北京智芯微电子科技有限公司、武汉精测电子集团股份有限公司、长威信息科技发展股份有限公司、江汉大学、飞腾信息技术（北京）有限公司、中国医学科学院生物医学工程研究所、北京林业大学、中国电子科技集团公司第二十八研究

4、所、常州微亿智造科技有限公司、兴容（上海）信息技术股份有限公司。本文件主要起草人：董建、王莞尔、马骋昊、曹晓琦、靳伟、张琦、符海芳、丁诚、谢永康、郑少秋、于琦、张军、蒋慧、刘海涛、樊峰峰、杨春林、吴庚、王丽媛、程万军、孔吴、漆莲芝、高永超、周昱瑶、王思善、车正平、徐洋、高雪松、陈敏刚、李涓子、薛云志、孟令中、宋海涛、鲍薇、马珊珊、李斌斌、王资凯、李介、袁福生、张胜森、戴文艳、谷潇聪、蒲江波、吴铉祥、赵雅倩、李仁刚、朱宝峰、马泽宇、张单、李亚坤、廖陈志、王丽娜徐颂、黄超、高卉、马元巍、张恒星、夏寅力、卢国鸣、蒋借、梁汝胤人工智能机器学习系统技术要求1范围本文件提出了机器学习系统框架，规定了功能、

5、可靠性、维护性、兼容性、安全性和可扩展性要求。本文件适用于各领域机器学习支持服务的系统及相关解决方案的规划、研发、评估、选型及验收的依据。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本(包括所有的修改单)适用于本文件。GB/T17235.1信息技术连续色调静态图像的数字压缩及编码第1部分：要求和指南GB/T33475.2信息技术高效多媒体编码第2部分：视频GB/T33475.3信息技术高效多媒体编码第3部分：音频GB/T418672022信息技术人工智能术语GB/T42018

6、-2022信息技术人工智能平台计算资源规范IS0/IEC14496-10信息技术视听对象编码第10部分：先进视频编码(InfOrmationtechnologyCodingofaudio-visualobjects-PartIOiAdvancedvideocoding)ISO/IEC15948信息技术计算机图形和图像处理便携式网络图形：功能规范Informationtechnology-Computergraphicsandimageprocessing-PortableNetworkGraphics(PNG):FunctionalspecificationISO/IEC23008-2信息技术

7、异构环境中的富效编码和媒体传输第2部分：富效视频编码(InformationtechnologyHighefficiencycodingandmediadeliveryinheterogeneousenvironments一Part2:Highefficiencyvideocoding)ISO/IEC23008-3信息技术异构环境中的高效编码和媒体传输第3部分：3D音频(Informa-tiontechnology-HighefficiencycodingandmediadeliveryinheterogeneousenvironmentsPart3:3Daudio)3术语和定义GB/T418

8、672022、GB/T420182022界定的以及下列术语和定义适用于本文件。3.1机器学习系统machinelearningsystem能运行或用于开发机器学习模型、算法和相关应用的软件系统。3.2机器学习框架machinelearningframework利用预先构建和优化好的组件集合定义模型，实现对机器学习算法封装、数据调用处理和计算资源使用的软件库。3.3机器学习服务machinelearningservice利用机器学习模型算法及其系统作为工具为组织或个人提供一种其期望的便利的方式的价值的IT服务。注：机器学习算法服务是机器学习服务的一种，用于接受用户的应用请求，对输入数据进行处理，

9、返回处理结果。3.4模型编译器modelcompiler将机器学习模型定义的计算过程转换为能在特定人工智能计算资源上执行的代码序列的计算机程序。注：本文件中定义的模型编译器仅用于机器学习领域。来源：ISO/IEC/IEEE24765:2017,3.6813.5资源池resourcepool各类系统资源的集合体。3.6作业joh机器学习训练或推理任务的逻辑组合。注：一个作业属于且仅属于某一个资源池，一个作业包括一个或多个任务。3.7任务task实现特定目标所需要的活动。注：任务用于完成一个相对独立的业务功能，一个任务属于且仅属于一个作业。来源：IS0/1EC22989:2022,3.1.35,有

10、修改4缩略语下列缩略语适用于本文件。ASIC:专用集成电路(APPliCation-SPeCifiCIntegratedCircuit)CPU:中央处理器(CentralProcessingUnit)DAG:有向无环图(DireCtedAcyclicGniPh)FPGA:现场可编程逻辑门阵列(FieldProgrammableGateArray)GPU:图形处理器(GraPhiCProcessingUnit)IDE:集成开发环境(IntegratedDevelopmentEnvironment)JSON:JavaScript对象注记法OaVaSCriPtObjectNotation)REST:

11、表现层状态转换(RePreSentationalStateTransfer)RPC:远程过程调用(RemoteProcedureCall)SOA:面向服务的架构(SerViCe-OrientedArchitecture)SQ1.:结构化查询语言(StrUCtUredQuery1.anguage)XM1.:可扩展置标语言(EXtenSibIeMarkup1.anguage)5系统框架5.1 雌机器学习系统包含机器学习运行时组件、机器学习框架、机器学习服务组件、工具和运维管理。提供机器学习应用的开发、训练、部署、运行和管理能力，机器学习系统框架见图1。5k机器学习服务组件模犯模型训练模型推理1._

12、JI算法库11_一机潜学习运行时纵件设备骤动软库养子库计算调度.-J终喇备边缘设备1.-JU-JU-J注：图中蛾部分对应本文件相关规定，虚线部分仅为表明人工智能平台的系统组成，不属于本文件规定。图1机器学习系统框架5.2 机器学习运行时组件机器学习运行时组件是为保障机器学习应用按照预期在特定机器学习系统上运行所必需的软件环境，包括设备驱动软件和算子库。设备驱动软件负责机器学习各种类型任务的调度与执行，包括为机器学习任务分配提供资源管理通道，为应用提供存储管理、设备管理、执行流管理、事件管理和核函数执行功能。算子库提供机器学习算法在设备执行调度的最小计算单元，包括面向机器学习计算任务的通用算子和

13、面向特定设备计算加速任务的优化算子。5.3 机器学习框架机器学习框架包含模型训练、模型推理及算法库三个模块，为机器学习应用开发、优化、验证和部署过程提供工具支撑。模型训练用于机器学习应用设计开发阶段，该模块提供自动微分、损失函数和优化器等调用接口，提供模型定义、自动分布式并行训练和多硬件后端适配等能力。模型推理用于机器学习应用的验证部署阶段，该模块提供模型加载、微调、性能评估和转换等接口，提供模型部署及推理加速等能力。算法库面向机器学习训练、推理和模型性能优化任务，提供预先优化好的算法，以封装函数库的方式供用户调用，提升机器学习模型开发、优化、验证和部署的效率。5.4 机器学习服务组件机器学习

14、服务是人工智能行业应用访问、利用机器学习能力和资源的主要方式，机器学习服务组件支持工作流管理、通用算法模板和应用部署。机器学习系统通过服务组件，进行服务部署、运行环境准备、运行状态汇报和服务容错等，并提供服务调用接口，供各领域上层应用调用。为满足应用场景的需求，机器学习系统可提供文本、图像、音频和视频及其他类型智能化操作的算法服务。5.5 T*5.5.1 数据管理工具数据管理工具提供人工智能数据的生存周期，包含定义、采集、预处理、模型构建、系统部署、系统维护、数据退出和系统退出的管理能力。提供各类数据源，包括结构化、半结构化和非结构化数据的接入、标注和质量控制，中间数据的管理、最终数据的管理、

15、元数据的管理和数据使用溯源等能力，支持对海量结构化、非结构化数据的预处理与特征挖掘。5.5.2 模朝榷工具模型管理工具提供常用的机器学习模型及其变形，能按照一定的方式，如算法结构、应用范围，提供模型的分类检索；模型管理工具也可扩展支持模型导入、导出、更新、发布、迁移和版本控制等功能。在机器学习应用开发阶段，通过多模型组合开发、多模型集成、超参数设置和模型二次训练等方式支持模型优化与应用开发。5.5.3 开发环境开发环境是机器学习全流程开发工具链，支持模型开发、算子开发和应用开发三个主流程中的开发任务，提供模型可视化、算力测试和IDE单机仿真调试等功能。5.5.4 模型编译器模型编译器将计算过程的计算图和算子转换为环境兼容的中间表达或设备可执行的代码，支持编译优化、编译参数自动寻优、编译结果存储载入、自定义算子注册编译、模型格式转换等功能。5.6 mtS运维管理提供系统所需的基本运维（例如安装部署、扩展、监控、报警、健康检查、问题及故障定位、升级和补丁、备份恢复和操作审计等）及管理功能（例如计