[发明专利]一种业务处理方法、装置及设备

说明书

本申请提供一种业务处理方法、装置及设备，该方法包括：获取与目标业务对应的多个功能类型；针对每个功能类型，确定所述功能类型对应的目标资源值，并基于所述目标资源值从所述功能类型对应的至少一个初始网络模型中选择目标网络模型；生成与所述功能类型对应的模型文件，所述模型文件可以包括所述目标网络模型；基于所述多个功能类型对应的模型文件获取所述目标业务对应的目标文件；将所述目标文件发送给边缘设备，以使所述边缘设备基于所述目标文件对待处理数据进行业务处理，得到与所述目标业务匹配的业务处理结果。通过本申请的技术方案，可以根据可用资源情况自动选择最优的目标网络模型，保证资源充分利用的同时，达到模型效果最优。

技术领域

本申请涉及人工智能领域，尤其是涉及一种业务处理方法、装置及设备。

背景技术

机器学习是实现人工智能的一种途径，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习用于研究计算机如何模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习更加注重算法设计，使计算机能够自动地从数据中学习规律，并利用规律对未知数据进行预测。

机器学习已经有了十分广泛的应用，例如：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用等等。

虽然机器学习技术得到了广泛应用，但是，如何使用机器学习技术实现各种类型的业务处理，如人脸检测，车辆检测等，目前并没有合理的实现方式。

发明内容

本申请提供一种业务处理方法，所述方法包括：

获取与目标业务对应的多个功能类型；

针对每个功能类型，确定所述功能类型对应的目标资源值，基于所述目标资源值从所述功能类型对应的至少一个初始网络模型中选择目标网络模型；生成与所述功能类型对应的模型文件，所述模型文件包括所述目标网络模型；

基于所述多个功能类型对应的模型文件获取所述目标业务对应的目标文件；

将所述目标文件发送给边缘设备。

示例性的，所述确定所述功能类型对应的目标资源值，包括：

基于所述边缘设备为所述目标业务提供的总资源值和所述多个功能类型的总数量，确定所述功能类型对应的目标资源值。

在一种可能的实施方式中，所述基于所述目标资源值从所述功能类型对应的至少一个初始网络模型中选择目标网络模型，包括：

若所有初始网络模型的资源消耗值中存在与所述目标资源值匹配的资源消耗值，则将该资源消耗值对应的初始网络模型选择为目标网络模型；或者，

基于所有初始网络模型的资源消耗值和检测准确率及目标资源值，若确定存在第一候选模型，则将第一候选模型选择为目标网络模型；若确定不存在第一候选模型，且存在第二候选模型，则将第二候选模型选择为目标网络模型；若确定不存在第二候选模型，且存在第三候选模型，且边缘设备为所述目标业务提供的剩余资源值满足第三候选模型的资源消耗，则将第三候选模型选择为目标网络模型；其中，第一候选模型的资源消耗值小于所述目标资源值，第一候选模型的检测准确率大于预设阈值；第二候选模型的资源消耗值与所述目标资源值匹配，第二候选模型的检测准确率大于预设阈值；第三候选模型的资源消耗值大于所述目标资源值，第三候选模型的检测准确率大于预设阈值。