设备应用的生成方法、装置、设备及介质制造方法及图纸

本公开实施例涉及一种设备应用的生成方法、装置、设备及介质，其中该方法包括：响应于针对目标应用场景的应用获取请求，确定与目标应用场景对应的至少一个第一目标设备；获取与目标应用场景关联的至少一个模型标识，并在预设的模型库中获取与至少一个模型标识匹配的至少一个第一模型；根据至少一个第一模型在第一目标设备部署目标应用，以便于至少一个第一目标设备在目标应用场景中运行目标应用。由此，基于预先训练好的模型库快速生成应用，满足了对多类应用的快速生成，通用性较高，且避免了应用终端对应用中模型训练的算力消耗，利用算力更高的平台进行深度学习，提升了生成的应用的可靠性，为基于人工智能的应用推广提供了技术支撑。了技术支撑。了技术支撑。

【技术实现步骤摘要】
设备应用的生成方法、装置、设备及介质


[0001]本公开涉及人工智能
，尤其涉及一种设备应用的生成方法、装置、设备及介质。

技术介绍

[0002]随着人工智能技术的发展，各种基于人工智能技术的应用成为普遍需求，比如，自动驾驶场景中，对人工智能避障驾驶应用的需求，比如，在智能家居场景中的人脸自动识别应用的需求等。
[0003]相关技术中，为了实现有关场景中对人工智能应用的构建，预先在应用设备端搭建深度学习模型，基于该深度学习模型对有关样本数据进行深度学习，根据学习得到的深度模型构建有关人工智能的应用。
[0004]然而，上述有关人工智能的应用的构建方式，依赖于应用设备的算力进行深度学习，当应用设备的算力不高时，显然会导致得到的有关应用的识别可靠性和效率不高。

技术实现思路

[0005]为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种设备应用的生成方法、装置、设备及介质，以解决现有技术中，基于人工智能的应用构建效率和可靠性不高的技术问题。
[0006]本公开实施例提供了一种设备应用的生成方法，包括以下步骤：响应于针对目标应用场景的应用获取请求，确定与所述目标应用场景对应的至少一个第一目标设备；获取与所述目标应用场景关联的至少一个模型标识，并在预设的模型库中获取与所述至少一个模型标识匹配的至少一个第一模型；根据所述至少一个第一模型生成目标应用，并向所述至少一个第一目标设备反馈所述目标应用，以便于所述至少一个第一目标设备在所述目标应用场景中运行所述目标应用。<br/>[0007]本公开实施例还提供了一种设备应用的生成装置，所述装置包括：确定模块，用于响应于针对目标应用场景的应用获取请求，确定与所述目标应用场景对应的至少一个第一目标设备；第一获取模块，用于获取与所述目标应用场景关联的至少一个模型标识；第二获取模块，用于在预设的模型库中获取与所述至少一个模型标识匹配的至少一个第一模型；生成模块，用于根据所述至少一个第一模型生成目标应用；反馈模块，用于向所述至少一个第一目标设备反馈所述目标应用，以便于所述至少一个第一目标设备在所述目标应用场景中运行所述目标应用。
[0008]本公开实施例还提供了一种服务器，所述服务器包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现如本公开实施例提供的设备应用的生成方法。
[0009]本公开实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行如本公开实施例提供的设备应用的生成方法。
[0010]本公开实施例提供的技术方案与现有技术相比具有如下优点：
[0011]本公开实施例提供的设备应用的生成方案，响应于针对目标应用场景的应用获取请求，确定与目标应用场景对应的至少一个第一目标设备，进而，获取与目标应用场景关联的至少一个模型标识，并在预设的模型库中获取与至少一个模型标识匹配的至少一个第一模型，最后，根据至少一个第一模型生成目标应用，并向至少一个第一目标设备反馈目标应用，以便于至少一个第一目标设备在目标应用场景中运行目标应用。由此，基于预先训练好的模型库快速生成应用，满足了对多类应用的快速生成，通用性较高，且避免了应用终端对应用中模型训练的算力消耗，利用算力更高的平台进行深度学习，提升了生成的应用的可靠性，为基于人工智能的应用推广提供了技术支撑。
附图说明
[0012]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
[0013]图1为本公开实施例提供的一种设备应用的生成场景示意图；
[0014]图2为本公开实施例提供的一种设备应用的生成方法的流程示意图；
[0015]图3为本公开实施例提供的一种应用管理页面示意图；
[0016]图4为本公开实施例提供的另一种应用管理页面示意图；
[0017]图5为本公开实施例提供的另一种设备应用的生成方法的流程示意图；
[0018]图6为本公开实施例提供的另一种设备应用的生成方法的流程示意图；
[0019]图7为本公开实施例提供的另一种设备应用的生成场景示意图；
[0020]图8为本公开实施例提供的一种人工智能的物联网平台的网络架构示意图；
[0021]图9为本公开实施例提供的另一种设备应用的生成方法的流程示意图；
[0022]图10为本公开实施例提供的另一种设备应用的生成场景示意图；
[0023]图11为本公开实施例提供的一种设备应用的生成装置的结构示意图。
具体实施方式
[0024]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0025]应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
[0026]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
[0027]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单
元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0028]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0029]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0030]为了解决上述问题，本公开实施例提供了一种设备应用的生成方法，该设备应用的生成方法可以集成在算力较高的人工智能的物联网平台中，如图1所示，在该人工智能的物联网平台中上可以训练得到有关场景应用的模型，基于对应的模型构建场景需要的应用，进而，将对应的应用部署到对应的设备中。
[0031]由此，训练消耗的算力由该平台承担，且训练得到的有关场景应用可以部署到多个场景设备中，通用性较高，进一步为人工智能的推广应用提供了技术支撑。
[0032]下面结合具体的实施例对该设备应用的生成方法进行介绍。
[0033]图2为本公开实施例提供的一种设备应用的生本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设备应用的生成方法，其特征在于，包括以下步骤：响应于针对目标应用场景的应用获取请求，确定与所述目标应用场景对应的至少一个第一目标设备；获取与所述目标应用场景关联的至少一个模型标识，并在预设的模型库中获取与所述至少一个模型标识匹配的至少一个第一模型；根据所述至少一个第一模型生成目标应用，并向所述至少一个第一目标设备反馈所述目标应用，以便于所述至少一个第一目标设备在所述目标应用场景中运行所述目标应用。2.如权利要求1所述的方法，其特征在于，在所述获取与所述目标应用场景关联的至少一个模型标识之前，还包括：确定与所述目标应用场景关联的候选应用标识；在预设的应用库中没有获取到与所述候选应用标识匹配的应用。3.如权利要求1所述的方法，其特征在于，在所述向所述至少一个第一目标设备反馈所述目标应用之前，还包括：获取与所述目标应用关联的第一传感设备类型；获取每个所述第一目标设备设置的第二传感设备类型；确定所述第二传感设备类型包括所述第一传感设备类型。4.如权利要求3所述的方法，其特征在于，在所述向所述至少一个第一目标设备反馈所述目标应用之前，还包括：若第二目标设备的第二传感设备类型不包括所述第一传感设备类型，则获取每个所述第二模型关联的第三传感设备类型，其中，所述第二目标设备属于所述至少一个第一目标设备；将所述第三传感设备类型与所述第二目标设备的第二传感设备类型匹配，确定匹配成功的第三传感设备类型对应的第二模型；根据所述第二模型生成备选应用，并根据所述备选应用更新向所述第二目标设备发送的目标应用。5.如权利要求1所述的方法，其特征在于，还包括：获取每个所述第一目标设备在所述目标应用场景中，运行所述目标应用时每个所述第一模型的模型输入数据和第一模型输出数据；根据所述模型输入数据和第一模型输出数据，训练所述至少一个第一模型。6.如权利要求5所述的方法，其特征在于，所述根据所述模型输入数据和第一模型输出数据，训练所述至少一个第一模型，包括：将所述模型输入数据输入对应的所述第一模型，获取第二模型输出数据；计算所述第...

【专利技术属性】
技术研发人员：颜丙政，戴振衡，
申请(专利权)人：第四范式北京技术有限公司，
类型：发明
国别省市：