[發明專利]任務處理系統和任務處理方法

在審

• 申請號: 202110856820.0
• 申請日: 2021-07-28
• 公開（公告）號: CN113590286A
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 高原;林成龍;徐子豪;李韡;楊凱
• 申請（專利權）人: 北京市商湯科技開發有限公司
• 主分類號: G06F9/48
• 分類號: G06F9/48;G06K9/62;G06N3/04;G06N3/08;G06N5/04
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 王花麗;張穎玲

本公開實施例公開了一種任務處理系統和任務處理方法，包括資源模塊、訓練模塊和推理模塊；所述訓練模塊，用于基于用戶類型調用所述資源模塊內的樣本對所述資源模塊內的神經網絡進行訓練，得到訓練后的神經網絡并將所述訓練后的所述神經網絡發送至所述資源模塊；所述推理模塊，用于基于推理任務的任務類型調用所述資源模塊內的所述訓練后的神經網絡對所述推理任務進行處理，得到推理結果并將所述推理結果發送至所述資源模塊。

技術領域

本公開實施例涉及但不限于人工智能(Artificial Intelligence，AI)技術領域，尤其涉及一種任務處理系統和任務處理方法。

背景技術

人工智能是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。神經網絡是人工智能研究的熱點，并在模式識別、自動控制、信號處理、輔助決策、人工智能等眾多研究領域取得了廣泛的成功。

然而，用戶如何方便的訓練神經網絡并使用訓練后的神經網絡，是本領域一直以來關注的問題。

發明內容

本公開實施例提供一種任務處理系統和任務處理方法。

本公開實施例提供一種任務處理系統，包括資源模塊、訓練模塊和推理模塊；

所述訓練模塊，用于基于用戶類型調用所述資源模塊內的樣本對所述資源模塊內的神經網絡進行訓練，得到訓練后的神經網絡并將所述訓練后的所述神經網絡發送至所述資源模塊；所述推理模塊，用于基于推理任務的任務類型調用所述資源模塊內的所述訓練后的神經網絡對所述推理任務進行處理，得到推理結果并將所述推理結果發送至所述資源模塊。

在一些實施例中，所述訓練模塊，還用于：在所述用戶類型為第一類型的情況下，獲取訓練任務的配置信息；從所述資源模塊中的多個神經網絡中，確定與所述訓練任務的配置信息匹配的所述神經網絡，向所述資源模塊發送所述神經網絡。

這樣，在用戶類型為第一類型的情況下，訓練模塊從資源模塊中的多個神經網絡中，選擇的是與訓練任務的配置信息匹配的神經網絡，從而能夠基于不同的訓練任務的配置信息，確定不同的神經網絡，進而提高了確定的神經網絡的針對性，另外，由于從資源模塊中的多個神經網絡中選擇神經網絡，從而能夠快速地確定神經網絡。

在一些實施例中，所述訓練模塊，還用于：在所述用戶類型為第二類型的情況下，獲取第一全景圖；所述第一全景圖包括至少兩個操作單元和每一所述操作單元對應的至少一個資源單元；所述至少一個資源單元關聯有所述樣本；確定與所述第一全景圖對應的所述神經網絡，向所述資源模塊發送所述神經網絡。

這樣，在用戶類型為第二類型的情況下，訓練模塊獲取第一全景圖，確定與第一全景圖對應的神經網絡，從而能夠實現定制化的神經網絡的制作，使得確定的神經網絡能夠極大地符合需求，提高了確定的神經網絡的針對性；另外，第一全景圖包括操作單元和資源單元，資源單元關聯樣本，從而能夠定制復雜場景的第一全景圖，使得確定的神經網絡能夠應用于各個場景。

在一些實施例中，所述訓練模塊，還用于：將所述第一全景圖轉換為線性排序的至少兩個工作流模板；確定與所述線性排序的至少兩個工作流模板匹配的所述神經網絡。

這樣，由于將第一全景圖轉換為線性排序的至少兩個工作流模板，進而確定與線性排序的至少兩個工作流模板匹配的神經網絡，線性排序的至少兩個工作流模板可以銜接第一全景圖和神經網絡，解決了第一全景圖到神經網絡之間難以轉換的問題，并且由于神經網絡匹配的是線性排序的至少兩個工作流模板，從而使得神經網絡能夠實現復雜場景的有序訓練。