一种基于网络云协同的人工智能深度学习方法技术

本发明专利技术公开了一种基于网络云协同的人工智能深度学习方法。先在本地获取输入层数据，并将输入层数据输出到云服务器，然后在云服务器端将输入层数据输入到云服务器的人工智能分析模型中，得到输出层数据，有效解决了现有技术中只能在用户本地进行人工智能学习的技术问题，实现了提高人工智能的学习精度的技术效果。

【技术实现步骤摘要】
一种基于网络云协同的人工智能深度学习方法
本专利技术涉及人工智能
，尤其涉及一种基于网络云协同的人工智能深度学习方法。
技术介绍
随着科学技术的不断发展，人工智能也得到了飞速发展，并已经越来越受到人们的重视。目前，对于人工智能的学习往往都是通过用户本地的学习网络进行的。在本地进行人工智能学习网络的学习，具有局限性，从而会影响人工智能的学习效果。
技术实现思路
本专利技术通过提供一种基于网络云协同的人工智能深度学习方法，解决了现有技术中只能在用户本地进行人工智能学习的技术问题，实现了提高人工智能的学习精度的技术效果。本专利技术提供了一种基于网络云协同的人工智能深度学习方法，至少包括：本地获取输入层数据；将所述输入层数据输出到云服务器；将所述输入层数据输入到所述云服务器的人工智能分析模型中，得到输出层数据。进一步地，在所述将所述输入层数据输出到云服务器之前，还包括：对所述输入层数据进行压缩。进一步地，在所述将所述输入层数据输出到云服务器之前，还包括：对压缩后的数据进行加密。进一步地，所述将所述输入层数据输出到云服务器，具体包括：将所述输入层数据输出到负载均衡设备，由所述负载均衡设备分配到相应的云服务器中。进一步地，在所述将所述输入层数据输入到所述云服务器的人工智能分析模型中之前，还包括：对接收到的数据进行解密和解压缩。进一步地，在所述得到输出层数据之后，还包括：将所述输出层数据回传到本地。本专利技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：先在本地获取输入层数据，并将输入层数据输出到云服务器，然后在云服务器端将输入层数据输入到云服务器的人工智能分析模型中，得到输出层数据，有效解决了现有技术中只能在用户本地进行人工智能学习的技术问题，实现了提高人工智能的学习精度的技术效果。附图说明图1为本专利技术实施例提供的基于网络云协同的人工智能深度学习方法的流程图。具体实施方式本专利技术实施例通过提供一种基于网络云协同的人工智能深度学习方法，解决了现有技术中只能在用户本地进行人工智能学习的技术问题，实现了提高人工智能的学习精度的技术效果。本专利技术实施例中的技术方案为解决上述技术问题，总体思路如下：先在本地获取输入层数据，并将输入层数据输出到云服务器，然后在云服务器端将输入层数据输入到云服务器的人工智能分析模型中，得到输出层数据，有效解决了现有技术中只能在用户本地进行人工智能学习的技术问题，实现了提高人工智能的学习精度的技术效果。为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。参见图1，本专利技术实施例提供的基于网络云协同的人工智能深度学习方法，至少包括：步骤S110：本地获取输入层数据；步骤S120：将输入层数据输出到云服务器；步骤S130：将输入层数据输入到云服务器的人工智能分析模型中，得到输出层数据，从而在云端进行人工智能分析。具体地，在步骤S120之前，还包括：对输入层数据进行压缩，以提高数据的传输效率。对压缩后的数据进行加密，以提高数据的安全性。在这种情况下，在步骤S130之前，还包括：对接收到的数据进行解密和解压缩。步骤S130具体包括：将输入层数据输出到负载均衡设备，由负载均衡设备分配到相应的云服务器中，从而将数据分配到相对空闲的云服务器，以提高通信网络的利用率。步骤S140：将输出层数据回传到本地。本领域内的技术人员应明白，本专利技术的实施例可提供为方法、系统、或计算机程序产品。因此，本专利技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本专利技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本专利技术是参照根据本专利技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本专利技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本专利技术范围的所有变更和修改。显然，本领域的技术人员可以对本专利技术进行各种改动和变型而不脱离本专利技术的精神和范围。这样，倘若本专利技术的这些修改和变型属于本专利技术权利要求及其等同技术的范围之内，则本专利技术也意图包含这些改动和变型在内。本文档来自技高网...

【技术保护点】
1.一种基于网络云协同的人工智能深度学习方法，其特征在于，至少包括：本地获取输入层数据；将所述输入层数据输出到云服务器；将所述输入层数据输入到所述云服务器的人工智能分析模型中，得到输出层数据。

【技术特征摘要】
1.一种基于网络云协同的人工智能深度学习方法，其特征在于，至少包括：本地获取输入层数据；将所述输入层数据输出到云服务器；将所述输入层数据输入到所述云服务器的人工智能分析模型中，得到输出层数据。2.如权利要求1所述的方法，其特征在于，在所述将所述输入层数据输出到云服务器之前，还包括：对所述输入层数据进行压缩。3.如权利要求2所述的方法，其特征在于，在所述将所述输入层数据输出到云服务器之前，还包括：对压缩后的数据进行加密。...

【专利技术属性】
技术研发人员：黄辰，王时绘，张龑，
申请(专利权)人：湖北大学，
类型：发明
国别省市：湖北,42