[發明專利]基于深度學習預測部分的跨平臺實現架構及方法

有效

• 申請號: 201810145538.X
• 申請日: 2018-02-11
• 公開（公告）號: CN108279881B
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 劉振
• 申請（專利權）人: 深圳竹信科技有限公司
• 主分類號: G06F8/20
• 分類號: G06F8/20;G06F8/76;G06N20/00
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 胡海國;晏波

1.一種基于深度學習預測部分的跨平臺實現架構，其特征在于，所述架構包括基礎層、接口層和開發層；其中，

所述基礎層包括集成操作內核、跨平臺編譯環境、預測代碼裁剪配置和人工神經網絡；所述基礎層用于封裝出深度學習預測部分統一接口，其中，所述深度學習預測部分統一接口適用于不同操作系統平臺；

所述接口層包括所述深度學習預測部分統一接口及接口轉換工具；其中，所述接口轉換工具用于將所述深度學習預測部分統一接口轉換成預設目標接口；

所述開發層包括開發端，用于連接所述接口層，并調用與開發端支持接口類型對應的適用接口，以實現深度學習預測部分的跨平臺移植；

其中，所述適用接口為所述深度學習預測部分統一接口或者所述預設目標接口。

2.如權利要求1所述的基于深度學習預測部分的跨平臺實現架構，其特征在于，所述集成操作內核為Tensorflow框架內核。

3.如權利要求2所述的基于深度學習預測部分的跨平臺實現架構，其特征在于，所述深度學習預測部分統一接口為C++接口，用于連接支持所述C++接口的開發端的連接，以供支持所述C++接口的開發端進行調用；

所述接口轉換工具為SWIG工具，用于連接不支持所述C++接口的開發端，并將所述C++接口轉換成預設目標接口，以供不支持所述C++接口的開發端進行調用。

4.如權利要求3所述的基于深度學習預測部分的跨平臺實現架構，其特征在于，所述開發層包括支持所述C++接口的第一類開發端、以及不支持所述C++接口的第二類開發端。

5.如權利要求4所述的基于深度學習預測部分的跨平臺實現架構，其特征在于，所述第一類開發端包括：IOS、C++server、Linux、Embedded device；所述第二類開發端包括：Android、Python server、Java server、R server、Go server。

6.一種基于深度學習預測部分的跨平臺實現方法，應用于如權利要求1所述的基于深度學習預測部分的跨平臺實現框架，其特征在于，包括如下步驟：

搭建基礎層，以封裝出深度學習預測部分統一接口；其中，所述基礎層包括集成操作內核、跨平臺編譯環境、預測代碼裁剪配置和人工神經網絡；

基于所述深度學習預測部分統一接口，搭建接口層；其中，所述接口層包括所述深度學習預測部分統一接口及接口轉換工具；所述接口轉換工具用于將所述深度學習預測部分統一接口轉換成預設目標接口；

當檢測到開發端連接所述接口層的請求信號時，確認所述開發端支持的接口類型；

根據所述開發端支持的接口類型，確定對應的適用接口，并實現所述開發端對所述適用接口的調用，以實現深度學習預測部分的跨平臺移植；

其中，所述適用接口為所述深度學習預測部分統一接口或者所述預設目標接口。

7.如權利要求6所述的基于深度學習預測部分的跨平臺實現方法，其特征在于，所述根據所述開發端支持的接口類型，確定對應的適用接口的步驟，具體包括：

當所述開發端支持的接口類型包括所述深度學習預測部分統一接口的接口類型時，確定所述深度學習預測部分統一接口為所述適用接口；

當所述開發端支持的接口類型不包括所述深度學習預測部分統一接口的接口類型時，通過所述接口轉換工具將所述深度學習預測部分統一接口轉換成預設目標接口；其中所述開發端支持的接口類型包括所述預設目標接口的接口類型。

8.如權利要求6所述的基于深度學習預測部分的跨平臺實現方法，其特征在于，所述集成操作內核為Tensorflow框架內核。