用于处理信息的方法和装置制造方法及图纸

本申请实施例公开了用于处理信息的方法和装置。该方法的一具体实施方式包括：获取待处理信息；确定用于处理待处理信息的人工神经网络对应的可执行代码，其中，可执行代码用于实现人工神经网络的功能；基于可执行代码对待处理信息进行处理，得到处理结果信息。该实施方式实现了利用可执行代码来完成人工神经网络对信息的处理。

Methods and devices for processing information

The embodiment of this application discloses methods and devices for processing information. One specific implementation of the method includes: acquiring information to be processed; determining the executable code corresponding to the artificial neural network for processing information to be processed, in which the executable code is used to realize the function of the artificial neural network; and processing information based on the executable code to obtain the processing result information. In this implementation, the information is processed by the artificial neural network using executable code.

【技术实现步骤摘要】
用于处理信息的方法和装置
本申请实施例涉及计算机
，具体涉及用于处理信息的方法和装置。
技术介绍
深度学习是目前计算机领域重要的研究方向之一，而且深度学习已应用于计算机视觉、语音识别、自然语言处理等许多领域。基于此，出现了各种开源的深度学习框架。用户可以方便地利用这些深度学习框架设计所需的神经网络结构，而且支持自动求导以完成神经网络的训练，不需用户求解梯度。另外，用户只需要编写少量的配置文件即可使用训练好的神经网络实现对数据的处理。
技术实现思路
本申请实施例提出了用于处理信息的方法和装置。第一方面，本申请实施例提供了一种用于处理信息的方法，该方法包括：获取待处理信息；确定用于处理待处理信息的人工神经网络对应的可执行代码，其中，可执行代码用于实现人工神经网络的功能；基于可执行代码对待处理信息进行处理，得到处理结果信息。在一些实施例中，确定用于处理待处理信息的人工神经网络对应的可执行代码，包括：获取预设的、与人工神经网络对应的可执行代码，其中，可执行代码是根据人工神经的网络结构设置的。在一些实施例中，确定用于处理待处理信息的人工神经网络对应的可执行代码，包括：获取组成人工神经网络的各个层分别对应的可执行代码，得到可执行代码集合；基于可执行代码集合，得到人工神经网络对应的可执行代码。在一些实施例中，人工神经网络利用深度学习框架训练得到。第二方面，本申请实施例提供了一种用于处理信息的装置，该装置包括：获取单元，被配置成获取待处理信息；确定单元，被配置成确定用于处理待处理信息的人工神经网络对应的可执行代码，其中，可执行代码用于实现人工神经网络的功能；处理单元，被配置成基于可执行代码对待处理信息进行处理，得到处理结果信息。在一些实施例中，确定单元进一步被配置成：获取预设的、与人工神经网络对应的可执行代码，其中，可执行代码是根据人工神经的网络结构设置的。在一些实施例中，确定单元进一步被配置成：获取组成人工神经网络的各个层分别对应的可执行代码，得到可执行代码集合；基于可执行代码集合，得到人工神经网络对应的可执行代码。在一些实施例中，人工神经网络利用深度学习框架训练得到。第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。本申请实施例提供的用于处理信息的方法和装置，通过获取待处理信息；确定用于处理待处理信息的人工神经网络对应的可执行代码，其中，可执行代码用于实现人工神经网络的功能；基于可执行代码对待处理信息进行处理，得到处理结果信息，从而实现了利用可执行代码来完成人工神经网络对信息的处理，避免了编写配置文件利用深度学习框架来使用人工神经网络的过程。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是本申请的一个实施例可以应用于其中的示例性系统架构图；图2是根据本申请的用于处理信息的方法的一个实施例的流程图；图3是根据本申请实施例的用于处理信息的方法的一个应用场景的示意图；图4是根据本申请的用于处理信息的方法的又一个实施例的流程图；图5是根据本申请的用于处理信息的装置的一个实施例的结构示意图；图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出了可以应用本申请的用于处理信息的方法或用于处理信息的装置的实施例的示例性架构100。如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用。例如网页浏览器应用、搜索类应用、编程开发类应用等。终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。服务器105可以是提供各种服务的服务器，例如为终端设备101、102、103发送的待处理信息进行处理的信息处理服务器。信息处理服务器可以运行可执行代码对待处理信息进行处理以得到处理结果信息。需要说明的是，上述待处理信息也可以直接存储在服务器105的本地，服务器105可以直接提取本地所存储的待处理信息并进行处理，此时，可以不存在终端设备101、102、103和网络104。需要说明的是，本申请实施例所提供的用于处理信息的方法一般由服务器105执行，相应地，用于处理信息的装置一般设置于服务器105中。还需要指出的是，终端设备101、102、103中也可以运行可执行代码对待处理信息进行处理，此时，用于处理信息的方法也可以由终端设备101、102、103执行，相应地，用于处理信息的装置也可以设置于终端设备101、102、103中。此时，示例性系统架构100可以不存在服务器105和网络104。需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。继续参考图2，其示出了根据本申请的用于处理信息的方法的一个实施例的流程200。该用于处理信息的方法包括以下步骤：步骤201，获取待处理信息。在本实施例中，用于处理信息的方法的执行主体(如图1所示的服务器)可以利用有线或无线连接的方式从本地或其它存储设备获取待处理信息。其中，待处理信息可以是各种形式的信息。例如，待处理信息可以是图像、文本、视频、音频等等。步骤202，确定用于处理待处理信息的人工神经网络对应的可执行代码。在本实施例中，人工神经网络可以是预先训练好的、用于处理所获取的待处理信息的神经网络模型。其中，人工神经网络可以是用户基于已训练好的一个或多个人工神经网络进行调整、组合等处理后得到的。可选地，人工神经网络本文档来自技高网...

【技术保护点】
1.一种用于处理信息的方法，包括：获取待处理信息；确定用于处理所述待处理信息的人工神经网络对应的可执行代码，其中，所述可执行代码用于实现所述人工神经网络的功能；基于所述可执行代码对所述待处理信息进行处理，得到处理结果信息。

【技术特征摘要】
1.一种用于处理信息的方法，包括：获取待处理信息；确定用于处理所述待处理信息的人工神经网络对应的可执行代码，其中，所述可执行代码用于实现所述人工神经网络的功能；基于所述可执行代码对所述待处理信息进行处理，得到处理结果信息。2.根据权利要求1所述的方法，其中，所述确定用于处理所述待处理信息的人工神经网络对应的可执行代码，包括：获取预设的、与所述人工神经网络对应的可执行代码，其中，所述可执行代码是根据所述人工神经的网络结构设置的。3.根据权利要求1所述的方法，其中，所述确定用于处理所述待处理信息的人工神经网络对应的可执行代码，包括：获取组成所述人工神经网络的各个层分别对应的可执行代码，得到可执行代码集合；基于所述可执行代码集合，得到所述人工神经网络对应的可执行代码。4.根据权利要求1-3之一所述的方法，其中，所述人工神经网络利用深度学习框架训练得到。5.一种用于处理信息的装置，包括：获取单元，被配置成获取待处理信息；确定单元，被配置成确定用于处理所述待处理信息的人工神经网络对应的可执...

【专利技术属性】
技术研发人员：李振鹏，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京,11