一种人工智能云平台制造技术

本发明专利技术提供了一种人工智能云平台，包括：资源配置模块，用于对智能云平台进行硬件资源配置，构建基础服务层；资源抽象模块，用于对所述基层服务层中的目标资源进行资源分配；资源训练模块，用于基于分配结果，构建智能模型并将所述智能模型在目标神经网络中进行训练；资源存储模块，用于将训练后的模型数据存储至所述智能云平台；通过获取基层服务层中的目标资源进行云计算以及分配，实现对资源的合理化训练，有效提高云计算的计算效率。

【技术实现步骤摘要】
一种人工智能云平台
本专利技术涉及人工智能
，特别涉及一种人工智能云平台。
技术介绍
目前，智能应用随着社会的发展也在不断地发展，云计算是信息
的一场革命，其在网格计算、效用计算、软件即服务等技术基础上发展而来，随着人工智能的不断发展，出现了很多人工智能云平台；然而，现有技术云平台没有很好的对资源进行合理分配，从而使得云计算的计算效率降低，无法完成对资源的合理训练，因此，本专利技术提供了一种人工智能云平台。
技术实现思路
本专利技术提供一种人工智能云平台，用以通过确定目标资源，从而对目标资源进行云计算及分配，实现对资源的合理化训练，提高云计算的计算效率。一种人工智能云平台，包括：资源配置模块，用于对智能云平台进行硬件资源配置，构建基础服务层；资源抽象模块，用于对所述基层服务层中的目标资源进行资源分配；资源训练模块，用于基于分配结果，构建智能模型并将所述智能模型在目标神经网络中进行训练；资源存储模块，用于将训练后的模型数据存储至所述智能云平台。优选的，一种人工智能云平台，所述资源配置模块，包括：指令获取单元，用于接收客户域执行网络硬件资源配置操作，生成操作指令；指令读取单元，用于获取所述操作指令的指令读取逻辑，同时根据所述读取逻辑读取与所述操作指令相关的指令信息，并将所述指令信息在预设逻辑表中进行有序排列，生成指令执行信息；执行单元，用于根据所述执行信息在所述人工智能云平台中进行硬件资源配置，并获取配置结果；处理单元，用于对所述配置结果进行处理，并构建与所述配置结果相对应的基础服务层。优选的，一种人工智能云平台，所述资源抽象模块，包括：匹配单元，用于获取所述基础服务层中目标资源的资源标识，并根据所述资源标识匹配所述基础服务层所对应的抽象阵列；绑定单元，用于计算所述抽象阵列，并基于计算结果将所述基础服务层中的目标资源进行实例化，同时，根据实例化结果与所述智能云平台的网络资源进行匹配绑定，生成资源信息节点；其中，所述资源信息节点等于或大于1；云计算单元，用于为所述资源信息节点匹配对应的分配向量，并为所述分配向量配置对应的节点权重，同时，根据所述节点权重为所述分配向量在预设数据文件中进行关系映射，并根据映射结果生成与所述分配向量相对应的分配策略；其中，所述分配策略等于或大于1；资源分配单元，用于对所述分配策略进行评价并基于评价进行等级划分，同时，根据所述评价等级划分结果生成对应的资源分配维度并基于所述资源分配维度将所述基层服务层中的目标资源按照所述等级划分结果进行资源分配。优选的，一种人工智能云平台，所述资源训练模块，包括：资源节点获取单元，用于获取所述分配结果的特征，并基于所述分配结果的特征匹配所述目标资源的资源节点；智能模型获取单元，用于将所述资源节点作为叶节点生成树状结构，获取所述树状结构的关系矩阵，并基于所述关系矩阵以及所述树状结构构建智能模型；输入信号获取单元，用于将所述智能模型在所述智能云平台中生成控制信息，并基于所述控制信息获取生成信号的基准时间，同时，基于所述基准时间与所述控制信息生成输入信号；目标神经网络获取单元，用于基于所述输入信号匹配对应的网络神经元，并根据所述网络神经元生成目标神经网络；学习率获取单元，用于基于所述目标神经网络获取所述输入信号对应的特征方程，并获取所述特征方程的泰勒展开，确定所述特征方程的相关系数，基于所述相关系数确定所述智能模型在所述目标神经网络的学习率；训练单元，用于基于所述智能模型在所述目标神经网路的学习率，确定所述智能模型的迭代次数，并在所述迭代次数完成后获取所述智能模型的预测值，并根据所述预测值确定对所述智能模型进行训练的约束条件，同时，根据所述约束条件以及所述迭代次数对所述智能模型在所述目标神经网络中进行训练；数据获取单元，用于基于所述训练结果生成对应的模型数据。优选的，一种人工智能云平台，所述训练单元，还包括：权重计算单元，用于计算所述智能模型的初始权重；第一比较单元，用于将所述初始权重与所述智能模型的预设目标权重进行比较；当所述初始权重等于或大于所述预设目标权重时，将所述智能模型在所述目标神经网络中进行训练；否则，将所述初始权重传输至第一计算单元；所述第一计算单元，用于将所述初始权重与所述预设目标权重进行作差运算，获取校正权重；校正单元，用于根据所述校正权重对所述智能模型的权重进行校正，直至所述智能模型的初始权重等于或大于所述预设目标权重。优选的，一种人工智能云平台，所述资源存储模块，包括：数据整理单元，用于对所述模型数据进行数据整理，确定所述模型数据中是否存在异常数据；数据删除单元，用于将所述模型数据中的异常数据进行删除；数据打包单元，用于将删除异常数据后的所述模型数据进行数据分装，获取模型数据包；数据存储单元，用于对所述模型数据包进行数据存储；断电保护单元，用于当所述模型数据包在存储时出现断电时，根据预设工作频率，将所述模型数据包存储于所述智能云平台。优选的，一种人工智能云平台，所述资源抽象模块中，对资源进行分配后，还包括：资源容量获取单元，用于获取所述目标资源的资源总量；请求量获取单元，用于获取对所述目标资源的请求量；第二计算单元，用于根据所述目标资源的资源总量以及所述目标资源的请求量计算在所述智能云平台中所述目标资源的资源利用率；其中，Uj表示在第j维度上所述目标资源的资源利用率；N表示对所述目标资源进行分配的维度数；j表示当前维度；d表示在所述智能云平台中虚拟机到物理机中的变量常数，一般取1；rj表示在第j维度上对所述目标资源的请求量；Z表示所述目标资源的资源总量；第三计算单元，用于根据所述目标资源的资源率计算所述目标资源的资源利用率方差；其中，F表示所述目标资源的资源利用率方差；第二比较单元，用于将所述目标资源的资源利用率方差与基准资源利用率方差进行比较；当所述目标资源的资源利用率方差小于或等与所述基准资源利用率方差时，判定所述目标资源的利用率均衡；否则，重新获取所述目标资源。优选的，一种人工智能云平台，资源存储模块，还包括：数据量获取单元，用于获取所述模型数据的数据总量；数据量接收单元，用于将所述模型数据存储至所述智能云平台时，获取所述智能云平台在单位时间内对所述模型数据的接收量；第四计算单元，用于根据所述模型数据的数据总量以及所述智能云平台在单位时间内对所述模型数据的接收量，计算对所述模型数据的存储效率；其中，η表示对所述模型数据的存储效率；σ表示存储误差因子，其取值范围为(0.1*10-2，0.25*10-2)；g表示所述智能云平台对所述模型数据的接收量；t表示单位时间；G表示所述模型数据的数据总量；c表示对所述模型本文档来自技高网...

【技术保护点】
1.一种人工智能云平台，其特征在于，包括：/n资源配置模块，用于对智能云平台进行硬件资源配置，构建基础服务层；/n资源抽象模块，用于对所述基层服务层中的目标资源进行资源分配；/n资源训练模块，用于基于分配结果，构建智能模型并将所述智能模型在目标神经网络中进行训练；/n资源存储模块，用于将训练后的模型数据存储至所述智能云平台。/n

【技术特征摘要】
1.一种人工智能云平台，其特征在于，包括：
资源配置模块，用于对智能云平台进行硬件资源配置，构建基础服务层；
资源抽象模块，用于对所述基层服务层中的目标资源进行资源分配；
资源训练模块，用于基于分配结果，构建智能模型并将所述智能模型在目标神经网络中进行训练；
资源存储模块，用于将训练后的模型数据存储至所述智能云平台。


2.根据权利要求1所述的一种人工智能云平台，其特征在于，所述资源配置模块，包括：
指令获取单元，用于接收客户域执行网络硬件资源配置操作，生成操作指令；
指令读取单元，用于获取所述操作指令的指令读取逻辑，同时根据所述读取逻辑读取与所述操作指令相关的指令信息，并将所述指令信息在预设逻辑表中进行有序排列，生成指令执行信息；
执行单元，用于根据所述执行信息在所述人工智能云平台中进行硬件资源配置，并获取配置结果；
处理单元，用于对所述配置结果进行处理，并构建与所述配置结果相对应的基础服务层。


3.根据权利要求1所述的一种人工智能云平台，其特征在于，所述资源抽象模块，包括：
匹配单元，用于获取所述基础服务层中目标资源的资源标识，并根据所述资源标识匹配所述基础服务层所对应的抽象阵列；
绑定单元，用于计算所述抽象阵列，并基于计算结果将所述基础服务层中的目标资源进行实例化，同时，根据实例化结果与所述智能云平台的网络资源进行匹配绑定，生成资源信息节点；
其中，所述资源信息节点等于或大于1；
云计算单元，用于为所述资源信息节点匹配对应的分配向量，并为所述分配向量配置对应的节点权重，同时，根据所述节点权重为所述分配向量在预设数据文件中进行关系映射，并根据映射结果生成与所述分配向量相对应的分配策略；
其中，所述分配策略等于或大于1；
资源分配单元，用于对所述分配策略进行评价并基于评价进行等级划分，同时，根据所述评价等级划分结果生成对应的资源分配维度并基于所述资源分配维度将所述基层服务层中的目标资源按照所述等级划分结果进行资源分配。


4.根据权利要求1所述的一种人工智能云平台，其特征在于，所述资源训练模块，包括：
资源节点获取单元，用于获取所述分配结果的特征，并基于所述分配结果的特征匹配所述目标资源的资源节点；
智能模型获取单元，用于将所述资源节点作为叶节点生成树状结构，获取所述树状结构的关系矩阵，并基于所述关系矩阵以及所述树状结构构建智能模型；
输入信号获取单元，用于将所述智能模型在所述智能云平台中生成控制信息，并基于所述控制信息获取生成信号的基准时间，同时，基于所述基准时间与所述控制信息生成输入信号；
目标神经网络获取单元，用于基于所述输入信号匹配对应的网络神经元，并根据所述网络神经元生成目标神经网络；
学习率获取单元，用于基于所述目标神经网络获取所述输入信号对应的特征方程，并获取所述特征方程的泰勒展开，确定所述特征方程的相关系数，基于所述相关系数确定所述智能模型在所述目标神经网络的学习率；
训练单元，用于基于所述智能模型在所述目标神经网路的学习率，确定所述智能模型的迭代次数，并在所述迭代次数完成后获取所述智能模型的预测值，并根据所述预测值确定对所述智能模型进行训练的约束条件，同时，根据所述约束条件以及所述迭代次数对所述智能模型在所述目标神经网络中进行训练；
数据获取单元，用于基于所述训练结果生成对应的模型数据。


5.根据权利要求4所述的一种人工智能云平台，其特征在于，所述训练单元，还包括：

【专利技术属性】
技术研发人员：汪承刚，陈恭祥，
申请(专利权)人：深圳市中盛瑞达科技有限公司，
类型：发明
国别省市：广东;44