基于Docker容器引擎的类脑大规模神经网络管理系统及方法技术方案

本发明专利技术公开了基于Docker容器引擎的类脑大规模神经网络管理系统及方法，方法包括S1、在后端管理模块中，预先上传并存储神经网络模型的不同属性；S2、在前端交互模块中录入请求模型的基础信息；S3、在后端管理模块中，根据录入的基础信息选择对应不同属性构建神经网络模型任务；S4、根据神经网络模型任务，在在Docker容器中组装并训练请求模型，获得模型训练结果并存入预训练模型；S5、将模型训练结果在前端交互模块中展示，实现神经网络管理。本发明专利技术系统采用了Docker容器技术，实现了类脑功能区管理系统的前后台分离设计，并有效地管理神经网络模型，从而在系统的各个层面实现了高度的灵活性和可扩展性。

【技术实现步骤摘要】

本专利技术属于类脑神经网络，具体涉及基于docker容器引擎的类脑大规模神经网络管理系统及方法。

技术介绍

1、近年来，神经网络技术在人工智能领域取得了显著的进步，包括图像识别、自然语言处理、目标检测等方面。大规模神经网络展现出强大的端到端表示能力和非线性函数的无线逼近能力，在多个领域表现出有优异的性能，成为一个重要的发展方向。然而，按照现有的神经网络组织方式，目前的大规模神经网络难以达到人脑生物神经网络连接的规模。人工很久网络构建过程受人脑神经元工作原理启发，一直以来，研究者都尝试构建复杂神经网络模型以模仿大脑功能。但人脑大于1000亿个神经元，每个神经元通过数千甚至上万个神经突触和其他神经元相连接，整个生物神经网络拥有约100万亿连接，人脑生物神经网络的复杂程度远超目前的人工神经网络模型。同时，现有的大规模网络在多通道协同处理、持续学习、知识存储和迁移方面表现不佳。目前的超大规模神经网络往往也是人为预先设计好的，主要解决的是某一个领域内的多个问题，但跨领域泛化问题的能力较弱。例如:bert模型虽然在nlp领域效果较好，但若将其直接应用于其他领域，则效果本文档来自技高网...

【技术保护点】

1.基于Docker容器引擎的类脑大规模神经网络管理系统，其特征在于，包括：

2.根据权利要求1所述的基于Docker容器引擎的类脑大规模神经网络管理系统，其特征在于，所述后端管理模块包括类脑功能区单元、模型属性管理单元、预训练模型构建单元和模型任务构建单元；

3.根据权利要求1所述的基于Docker容器引擎的类脑大规模神经网络管理系统，其特征在于，所述前端交互模块通过Ajax与后端管理模块通信；

4.根据权利要求1所述的基于Docker容器引擎的类脑大规模神经网络管理系统，其特征在于，所述系统还包括文档生成模块，所述文档生成模块采用Swagger生成...

【技术特征摘要】

1.基于docker容器引擎的类脑大规模神经网络管理系统，其特征在于，包括：

2.根据权利要求1所述的基于docker容器引擎的类脑大规模神经网络管理系统，其特征在于，所述后端管理模块包括类脑功能区单元、模型属性管理单元、预训练模型构建单元和模型任务构建单元；

3.根据权利要求1所述的基于docker容器引擎的类脑大规模神经网络管理系统，其特征在于，所述前端交互模块通过ajax与后端管理模块通信；

4.根据权利要求1所述的基于docker容器引擎的类脑大规模神经网络管理系统，其特征在于，所述系统还包括文档生成模块，所述文档生成模块采用swagger生成api文档，并提供查看和调试的api接口。

5.一种基于权利要求1～4任一项权利要求所述的基于docker容器引擎的类脑大规模神经网络管理系统的类脑大规模神经网络管理方法，其特征在于，包括以下步骤：

6.根...

【专利技术属性】
技术研发人员：吕建成，高海心，吕金地，叶庆，
申请(专利权)人：四川大学，
类型：发明
国别省市：