【技术实现步骤摘要】
任务执行方法和设备
[0001]本公开涉及机器学习技术，具体涉及一种任务执行方法和设备。
技术介绍
[0002]近几年，深度学习技术的发展非常迅速，随着理论的不断成熟，应用越来越广泛，人脸识别、车牌识别、商品识别和自动驾驶等多种业务，都可以通过神经网络来处理，将神经网络用于处理某种具体的任务，即神经网络任务，比如可以是通过运行神经网络进行人脸识别这样的人脸识别任务，也可以是通过运行神经网络来进行车牌识别这样的车牌识别任务。深度学习技术的突破极大地推动了计算机视觉领域的发展，新的应用领域也在不断拓展。
[0003]但是神经网络任务在实际执行时，运行的参数量较为庞大，需要强大的算力来支撑，学界和工程应用领域都提出了不同的方案，以期尽可能的使神经网络任务执行的更为快速，这样才能使得车牌识别任务、人脸识别任务等业务加快处理。但是，相关技术中发现，神经网络任务在实际执行时的效率仍然较低，影响了业务的处理速度。
技术实现思路
[0004]有鉴于此，本公开实施例至少提供一种任务执行方法和设备，以提高任务的运行效率。...
【技术保护点】
【技术特征摘要】
1.一种任务执行方法，其特征在于，所述方法包括：通过解码线程池中的至少一个解码线程对待处理的任务数据进行解码处理，得到线程解码数据；将所述线程解码数据输入网络运行线程池，通过所述网络运行线程池中的多个网络运行线程对所述线程解码数据进行处理，得到结果数据；其中，所述多个网络运行线程中至少包括两个并行运行的网络运行线程。2.根据权利要求1所述的方法，其特征在于，所述将所述线程解码数据输入网络运行线程池，包括：分别获取所述解码线程池中的多个解码线程解码得到的线程解码数据；将所述多个解码线程对应的线程解码数据组成解码数据组，将所述解码线程组输入所述网络运行线程池中的网络运行线程。3.根据权利要求2所述的方法，其特征在于，所述通过解码线程池中的至少一个解码线程对待处理的任务数据进行解码处理，得到线程解码数据，包括：通过解码线程池中的多个解码线程对多路视频流进行解码处理，得到所述多路视频流中包括的图像帧；所述将所述各个解码线程对应的线程解码数据组成解码数据组，包括：将所述多路视频流中包括的图像帧组成解码数据组。4.根据权利要求3所述的方法，其特征在于，所述通过解码线程池中的多个解码线程对多路视频流进行解码处理，包括：分别通过不同的解码线程对不同路的视频流进行解码处理，所述不同路的视频流的路数与所述解码线程的线程数量相同。5.根据权利要求2所述的方法，其特征在于，所述分别获取所述解码线程池中的各个解码线程解码得到的线程解码数据，将所述各个解码线程对应的线程解码数据组成解码数据组，包括：响应于到达预定的输送周期，将已获取到的多个解码线程的线程解码数据组成所述解码数据组；或者，响应于获取到所述解码线程池中预设解码线程的线程解码数据，将已获取到的预设解码线程的线程解码数据组成解码数据组。6.根据权利要求2所述的方法，其特征在于，所述分别获取所述解码线程池中的多个解码线程解码得到的线程解码数据，包括：通过队列管理线程分别获取所述多个解码线程解码得到的线程解码数据，并将所述线程解码数据输入至所述解码线程对应的数据队列；所述将所述多个解码线程对应的线程解码数据组成解码数据组，包括：通过所述队列管理线程从所述多个解码线程分别对应的数据队列中，获取对应同一个任务的多个解码线程的线程解码数据组成所述解码数据组。7.根据权利要求2所述的方法，其特征在于，所述将所述多个解码线程对应的线程解码数据组成解码数据组，包括：生成K个所述解码数据组，所述K大于或等于所述网络运行线程池中的网络运行线程的
数量，且每个所述解码数据组中包括多个解码线程得到的线程解码数据；所述将所述解码数据组输入所述网络运行线程池中的网络运行线程，包括：将所述K个所述解码数据组分别输入所述网络运行线程池中的对应网络运行线程，每个解码数据组对应一个网络运行线程。8.根据权利要求1所述的方法，其特征在于，所述通过解码线程池中的至少一个解码线程对待处理的任务数据进行解码处理，得到线程解码数据，包括：通过所述解码线程池中的解码线程对所述待处理的任务数据进行解码处理，将得到的线程解码数据存储至所述解码线程对应的缓存池；响应于所述缓存池的容量超过容量阈值，控制所述解码线程停止对所述任务数据进行解码。9.一种任务执行设备，其特征在于，所述设备包括...
【专利技术属性】
技术研发人员：王彪，王凯，
申请(专利权)人：上海阵量智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。