公开/公告号CN112668912A
专利类型发明专利
公开/公告日2021-04-16
原文格式PDF
申请/专利权人 广东中科能睿信息科技有限公司;
申请/专利号CN202011641675.6
申请日2020-12-31
分类号G06Q10/06(20120101);G06N3/04(20060101);G06N3/08(20060101);
代理机构44478 广州永华专利代理有限公司;
代理人郭裕彬
地址 510620 广东省广州市天河区体育东路140-148号2807A12房
入库时间 2023-06-19 10:38:35
技术领域
本发明涉及数据处理技术领域,特别涉及人工神经网络的训练方法、动态计算切分调度方法、存储介质及系统。
背景技术
目前现场设备巡检主要采取人工巡视、手工记录的方式,存在偷检、漏检、误检的可能。而在设备检修抢修作业中,会存在由于作业人员疏忽、经验不足,而导致事故发生,或抢修不及时等问题。
AR智能运检系统主要用于电力运维中的现场设备巡检和检修抢修,通过AR智能终端设备,辅助现场运维人员安全作业、高效作业和智能作业,提升运维人员的单兵作业能力。AR智能运检系统主要功能包括作业流可视化、作业过程记录、异常状态报警、作业位置导航、设备数据实时查看、可视化作业指导、远程协同作业、远程专家指导等功能等。
为适应企业不同的应用场景和应用需求,AR智能运检系统同时可以支持AR智能眼镜、智能头戴终端、智能手机、平板、电脑等多种终端设备。因为AR智能运检系统要进行多种实时的检测、识别和渲染任务,所以需要多个终端设备以能支持比较大的动态计算任务,这就需要根据各个终端设备合理地对动态计算任务进行切分调度,以使得各个终端设备所处理的动态计算任务量合理化,但是,由于各个终端设备的网络状况、续航情况和运算负载各不相同,从而会导致各个终端设备所能处理的动态计算任务量各不相同,这就难以合理地对动态计算任务进行切分调度。
发明内容
本发明要解决的技术问题是如何合理地对动态计算任务进行切分调度。
为解决上述技术问题,本发明提供令人工神经网络具备动态计算切分调度能力的训练方法,包括如下步骤:
P.在已存在多个相互配合以执行动态计算任务的终端设备,且已知各个终端设备能处理的动态计算任务量的情况下,对各个终端设备各自执行样本获取步骤,获得多组学习样本,其中对每个终端设备执行的样本获取步骤包括如下A、B、C:
——A.获取该终端设备的网络状况、续航情况和运算负载;
——B.获取该终端设备能处理的动态计算任务量;
——C.以该终端设备的网络状况、续航情况和运算负载作为输入信号,以该终端设备能处理的动态计算任务量作为输出信号,构成供人工神经网络进行动态计算切分调度训练的一组学习样本;
Q.采用上述多组学习样本对人工神经网络进行动态计算切分调度训练,直至该人工神经网络具备根据终端设备的网络状况、续航情况和运算负载分析出终端设备能处理的动态计算任务量的能力,从而使得该人工神经网络能按照终端设备能处理的动态计算任务量对动态计算任务进行切分调度。
优选地,在所述步骤A中,获取该终端设备的网络传输速度,根据所述网络传输速度分析出该终端设备的网络状况。
优选地,在所述步骤A中,获取该终端设备的剩余电量,根据所述剩余电量分析出该终端设备的续航情况。
优选地,在所述步骤A中,获取该终端设备的中央处理器性能参数,根据所述中央处理器性能参数分析出该终端设备的运算负载。
本发明还提供动态计算切分调度方法,包括如下步骤:
a.获取多个终端设备的网络状况、续航情况和运算负载;
b.把各个终端设备的网络状况、续航情况和运算负载输入到已训练好的人工神经网络,由该人工神经网络据此分析出各个终端设备能处理的动态计算任务量;
c.按照各个终端设备能处理的动态计算任务量对动态计算任务进行切分调度。
优选地,在所述步骤a中,获取各个终端设备的网络传输速度,根据所述网络传输速度分析出各个终端设备的网络状况。
优选地,在所述步骤a中,获取各个终端设备的剩余电量,根据所述剩余电量分析出各个终端设备的续航情况。
优选地,在所述步骤a中,获取各个终端设备的中央处理器性能参数,根据各个中央处理器性能参数分析出各个终端设备的运算负载。
本发明还提供计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的训练方法中的步骤和/或如上所述的动态计算切分调度方法中的步骤。
本发明还提供动态计算切分调度系统,包括服务器和多个相互配合以执行动态计算任务的终端设备,所述服务器包括相互连接的计算机可读存储介质和处理器,计算机可读存储介质如上所述。
本发明具有以下有益效果:已训练好的人工神经网络具备根据终端设备的网络状况、续航情况和运算负载分析出终端设备能处理的动态计算任务量的能力,因此该人工神经网络能按照终端设备能处理的动态计算任务量对动态计算任务进行切分调度,使得动态计算任务的切分调度更加合理。
具体实施方式
下文将详细地描述本申请的示例性实施例。虽然下文描述了本申请的示例性实施例,然而应当理解,能够以各种形式实现本申请而不应被这里阐述的实施例所限制。相反地,提供这些实施例是为了令本领域的技术人员能够更透彻地理解本申请,并且能够将本申请的范围完整地传达给本领域的技术人员。
AR智能运检系统在用于电力运维中的现场设备巡检和检修抢修的过程中,需要进行多种实时的检测、识别和渲染任务,所以需要多个终端设备(例如AR智能眼镜、智能头戴终端、智能手机、平板、电脑等)以能支持比较大的动态计算任务,这就需要采用动态计算切分调度系统合理地对动态计算任务进行切分调度,以使得各个终端设备所处理的动态计算任务量合理化。该动态计算切分调度系统包括服务器和多个相互配合以执行动态计算任务的终端设备,该服务器包括相互连接的计算机可读存储介质和处理器,该计算机可读存储介质中存储有计算机程序。在已存在多个相互配合以执行动态计算任务的终端设备,且已知各个终端设备能处理的动态计算任务量的情况下,动态计算切分调度系统令处理器执行计算机可读存储介质中的计算机程序以实现令人工神经网络具备动态计算切分调度能力的训练方法,该训练方法对各个终端设备各自执行样本获取步骤,获得多组学习样本,其中对每个终端设备执行的样本获取步骤包括如下A、B、C:
A.获取该终端设备的网络传输速度,根据所述网络传输速度分析出该终端设备的网络状况;获取该终端设备的剩余电量,根据所述剩余电量分析出该终端设备的续航情况;获取该终端设备的中央处理器性能参数,根据该中央处理器的性能参数分析出该终端设备的运算负载。
B.获取该终端设备能处理的动态计算任务量;
C.以该终端设备的网络状况、续航情况和运算负载作为输入信号,以该终端设备能处理的动态计算任务量作为输出信号,构成供人工神经网络进行动态计算切分调度训练的一组学习样本。这样,每组学习样本就建立了网络状况、续航情况、运算负载这三者与该终端设备能处理的动态计算任务量之间的对应关系。
采用上述多组学习样本对人工神经网络进行动态计算切分调度训练,直至该人工神经网络具备根据终端设备的网络状况、续航情况和运算负载分析出终端设备能处理的动态计算任务量的能力,从而使得该人工神经网络能按照终端设备能处理的动态计算任务量对动态计算任务进行切分调度,这样动态计算切分调度系统就能令处理器执行计算机可读存储介质中的计算机程序以实现动态计算切分调度方法了,详述如下步骤a、b、c:
a.获取多个终端设备的网络传输速度,根据各个网络传输速度分析出各个终端设备的网络状况;获取多个终端设备的剩余电量,根据各个剩余电量分析出各个终端设备的续航情况;获取多个终端设备的中央处理器性能参数,根据各个中央处理器的性能参数分析出各个终端设备的运算负载;
b.把各个终端设备的网络状况、续航情况和运算负载输入到已训练好的人工神经网络,由该人工神经网络据此分析出各个终端设备能处理的动态计算任务量;
c.按照各个终端设备能处理的动态计算任务量对动态计算任务进行切分调度,使得各个终端设备最终调度处理的动态计算任务量适配于自身所能处理的动态计算任务量,从而使得动态计算任务的切分调度更加合理。
最后应当说明的是,以上实施例仅用以说明本申请的技术方案,而非对本申请保护范围的限制,尽管参照较佳实施例对本申请作了详细地说明,本领域的普通技术人员应当理解,可以对本申请的技术方案进行修改或者等同替换,而不脱离本申请技术方案的实质和范围。
机译: 调度方法,调度算法训练方法和相关系统,以及存储介质
机译: 基于不同系统统计数据规模差异估计的人工神经网络训练方法
机译: 用于识别装置的人工神经网络调节系统及其适应的多阶段训练方法