一种深度神经网络模型跨平台部署方法

技术领域

本发明涉及深度神经网络模型技术领域，具体为一种深度神经网络模型跨平台部署方法。

背景技术

在监督学习中，以前的多层神经网络的问题是容易陷入局部极值点，如果训练样本足够充分覆盖未来的样本，那么学到的多层权重可以很好的用来预测新的测试样本，但是很多任务难以得到足够多的标记样本，在这种情况下，简单的模型，比如线性回归或者决策树往往能得到比多层神经网络更好的结果(更好的泛化性，更差的训练误差)，非监督学习中，以往没有有效的方法构造多层网络，多层神经网络的顶层是底层特征的高级表示，比如底层是像素点，上一层的结点可能表示横线，三角；而顶层可能有一个结点表示人脸，一个成功的算法应该能让生成的顶层特征最大化的代表底层的样例，如果对所有层同时训练，时间复杂度会太高；如果每次训练一层，偏差就会逐层传递，这会面临跟上面监督学习中相反的问题，会严重欠拟合；

但是目前市场上的深度神经网络模型在跨平台部署不够严谨，造成数据的丢失与数据的部署失败，不能方便平台直接的数据提取，造成了数据的读取不稳定性。

发明内容

本发明提供一种深度神经网络模型跨平台部署方法，可以有效解决上述背景技术中提出目前市场上的深度神经网络模型在跨平台部署不够严谨，造成数据的丢失与数据的部署失败，不能方便平台直接的数据提取，造成了数据的读取不稳定性的问题。

为实现上述目的，本发明提供如下技术方案：一种深度神经网络模型跨平台部署方法，包括部署系统和部署步骤；

所述部署系统包括连接模块、术语规范模块、网络安全模块、部署模块和供电模块；

所述连接模块、术语规范模块、网络安全模块、部署模块均与供电模块信号相连；

所述部署步骤包括如下步骤：

S1、首先通过连接模块相关的深度神经网络模型进行数据连接，确定其数据的正常兼容；

S2、接着通过术语模块对于深度神经网络模型进行定义确定，防止出现歧义；

S3、然后通过网络安全模块将深度神经网络模型进行数据转移，确保正常的传输；

S4、最后通过部署模块对于深度神经网络模型进行正常数据部署，确保数据的分类。

根据上述技术方案，所述连接模块确定深度神经网络的相互连接性，支持不同的软件架构的连接，不牵涉任何外部系统的改造，系统之间的连接可以通过专用网络或公共网络进行，针对所有通信互连加强安全性以保证互连的安全；

所述连接模块还需要保持兼容性，所述连接模块的兼容保持主体与系统的灵活性。

根据上述技术方案，所述术语规范模块按照概念、定义和概念术语进行相关的连接，从而确定术语的定义；

同时建立数据中心，对于数据进行集中管理，并对于术语进行相关的定义，对于数据的传输中相关概念可以通过网络进行检索和定义。

根据上述技术方案，所述网络安全模块包括端口安全与数据传输安全；

所述端口安全定义各种安全模式，让设备学习到合法的源MAC地址，以达到相应的网络管理效果，对于不能通过安全模式学习到源MAC地址的报文或认证失败的设备，当发现非法报文后，系统将触发相应特性，并按照预先指定的方式自动进行处理，减少了用户的维护工作量；

所述数据传输安全为防止伪装IP进行攻击，攻击有也以向网络中的设备发送错误的路由，使路由表中出现错误的路由，引导用户的流量流向攻击者的设备。

根据上述技术方案，所述部署模块对于深度神经网络的模块进行数据的转移和分类，并对于模型的参数进行转移。

根据上述技术方案，所述部署模块对于整体架构先进行混合统一接入，然后以服务形态提供核心，为深度神经网络模型提供统一环境支持，并统一管理与监控；

接着进行分类，然后实现多资源化的统一管理，同一类虚拟化资源可以构成若千个基本资源区，每个资源区一般包含--定数量的物理机，资源区的划分方式取决于业务的区隔。

根据上述技术方案，所述部署模块的整体架构为分布式存储框架，对海量数据的存储，以分布式存储技术，支持快速、海量、多种类型的数据存取，支持从数据源抽取数据大数据基础平台存储，集成多种存储方式，有针对结构化数据、非结构化数据和半结构化数据的存储。

根据上述技术方案，所述部署模块的整体架构采用分层整合,灵活配置,横向扩展,纵向贯穿的大平台，计算框架、存储框架都以容器的方式可轻松灵活的在线进行装卸,以平滑扩充大数据平台的集成能力，以Hadoop平台为基础，可在此基础上集成适应Hadoop体系的二级计算框架、通用的数据处理算法库和数据集市仓库。

与现有技术相比，本发明的有益效果：本发明结构科学合理，使用安全方便，通过连接模块相关的深度神经网络模型进行数据连接，确定其数据的正常兼容，接着通过术语模块对于深度神经网络模型进行定义确定，防止出现歧义，然后通过网络安全模块将深度神经网络模型进行数据转移，确保正常的传输，最后通过部署模块对于深度神经网络模型进行正常数据部署，确保数据的分类，可以确保数据的正常传输，并且连接模块确定深度神经网络的相互连接性，支持不同的软件架构的连接，不牵涉任何外部系统的改造，系统之间的连接可以通过专用网络或公共网络进行，针对所有通信互连加强安全性以保证互连的安全，大大提高了安全效果，而术语规范模块可以更好的对于术语进行确定，大大保持了术语的准确性，而网络安全模块保证了数据的正常传输，且通过部署模块可以更好对于度神经网络模型进行部署转移，大大提高了安全性与后期数据的正常读取的准确率。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明的部署系统结构示意图；

图2是本发明的部署步骤示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1：

如图1-2所示，本发明提供技术方案，一种深度神经网络模型跨平台部署方法，包括部署系统和部署步骤；

部署系统包括连接模块、术语规范模块、网络安全模块、部署模块和供电模块；

连接模块、术语规范模块、网络安全模块、部署模块均与供电模块信号相连；

部署步骤包括如下步骤：

S1、首先通过连接模块相关的深度神经网络模型进行数据连接，确定其数据的正常兼容；

S2、接着通过术语模块对于深度神经网络模型进行定义确定，防止出现歧义；

S3、然后通过网络安全模块将深度神经网络模型进行数据转移，确保正常的传输；

S4、最后通过部署模块对于深度神经网络模型进行正常数据部署，确保数据的分类。

根据上述技术方案，连接模块确定深度神经网络的相互连接性，支持不同的软件架构的连接，不牵涉任何外部系统的改造，系统之间的连接可以通过专用网络进行，针对所有通信互连加强安全性以保证互连的安全；

连接模块还需要保持兼容性，连接模块的兼容保持主体与系统的灵活性。

根据上述技术方案，术语规范模块按照概念、定义和概念术语进行相关的连接，从而确定术语的定义；

同时建立数据中心，对于数据进行集中管理，并对于术语进行相关的定义，对于数据的传输中相关概念可以通过网络进行检索和定义。

根据上述技术方案，网络安全模块包括端口安全与数据传输安全；

端口安全定义各种安全模式，让设备学习到合法的源MAC地址，以达到相应的网络管理效果，对于不能通过安全模式学习到源MAC地址的报文的设备，当发现非法报文后，系统将触发相应特性，并按照预先指定的方式自动进行处理，减少了用户的维护工作量；

数据传输安全为防止伪装IP进行攻击，攻击有也以向网络中的设备发送错误的路由，使路由表中出现错误的路由，引导用户的流量流向攻击者的设备。

根据上述技术方案，部署模块对于深度神经网络的模块进行数据的转移和分类，并对于模型的参数进行转移。

根据上述技术方案，部署模块对于整体架构先进行混合统一接入，然后以服务形态提供核心，为深度神经网络模型提供统一环境支持，并统一管理与监控；

接着进行分类，然后实现多资源化的统一管理，同一类虚拟化资源可以构成若千个基本资源区，每个资源区一般包含--定数量的物理机，资源区的划分方式取决于业务的区隔。

根据上述技术方案，部署模块的整体架构为分布式存储框架，对海量数据的存储，以分布式存储技术，支持快速、海量、多种类型的数据存取，支持从数据源抽取数据大数据基础平台存储，集成多种存储方式，有针对结构化数据、非结构化数据和半结构化数据的存储。

实施例2：

如图1-2所示，本发明提供技术方案，一种深度神经网络模型跨平台部署方法，包括部署系统和部署步骤；

部署系统包括连接模块、术语规范模块、网络安全模块、部署模块和供电模块；

连接模块、术语规范模块、网络安全模块、部署模块均与供电模块信号相连；

部署步骤包括如下步骤：

S1、首先通过连接模块相关的深度神经网络模型进行数据连接，确定其数据的正常兼容；

S2、接着通过术语模块对于深度神经网络模型进行定义确定，防止出现歧义；

S3、然后通过网络安全模块将深度神经网络模型进行数据转移，确保正常的传输；

S4、最后通过部署模块对于深度神经网络模型进行正常数据部署，确保数据的分类。

根据上述技术方案，连接模块确定深度神经网络的相互连接性，支持不同的软件架构的连接，不牵涉任何外部系统的改造，系统之间的连接可以通过公共网络进行，针对所有通信互连加强安全性以保证互连的安全；

连接模块还需要保持兼容性，连接模块的兼容保持主体与系统的灵活性。

根据上述技术方案，术语规范模块按照概念、定义和概念术语进行相关的连接，从而确定术语的定义；

同时建立数据中心，对于数据进行集中管理，并对于术语进行相关的定义，对于数据的传输中相关概念可以通过网络进行检索和定义。

根据上述技术方案，网络安全模块包括端口安全与数据传输安全；

端口安全定义各种安全模式，让设备学习到合法的源MAC地址，以达到相应的网络管理效果，对于不能通过安全模式学习到源MAC认证失败的设备，当发现非法报文后，系统将触发相应特性，并按照预先指定的方式自动进行处理，减少了用户的维护工作量；

数据传输安全为防止伪装IP进行攻击，攻击有也以向网络中的设备发送错误的路由，使路由表中出现错误的路由，引导用户的流量流向攻击者的设备。

根据上述技术方案，部署模块对于深度神经网络的模块进行数据的转移和分类，并对于模型的参数进行转移。

根据上述技术方案，部署模块对于整体架构先进行混合统一接入，然后以服务形态提供核心，为深度神经网络模型提供统一环境支持，并统一管理与监控；

接着进行分类，然后实现多资源化的统一管理，同一类虚拟化资源可以构成若千个基本资源区，每个资源区一般包含--定数量的物理机，资源区的划分方式取决于业务的区隔。

根据上述技术方案，部署模块的整体架构采用分层整合,灵活配置,横向扩展,纵向贯穿的大平台，计算框架、存储框架都以容器的方式可轻松灵活的在线进行装卸,以平滑扩充大数据平台的集成能力，以Hadoop平台为基础，可在此基础上集成适应Hadoop体系的二级计算框架、通用的数据处理算法库和数据集市仓库。

实施例3：

如图1-2所示，本发明提供技术方案，一种深度神经网络模型跨平台部署方法，包括部署系统和部署步骤；

部署系统包括连接模块、术语规范模块、网络安全模块、部署模块和供电模块；

连接模块、术语规范模块、网络安全模块、部署模块均与供电模块信号相连；

部署步骤包括如下步骤：

S1、首先通过连接模块相关的深度神经网络模型进行数据连接，确定其数据的正常兼容；

S2、接着通过术语模块对于深度神经网络模型进行定义确定，防止出现歧义；

S3、然后通过网络安全模块将深度神经网络模型进行数据转移，确保正常的传输；

S4、最后通过部署模块对于深度神经网络模型进行正常数据部署，确保数据的分类。

根据上述技术方案，连接模块确定深度神经网络的相互连接性，支持不同的软件架构的连接，不牵涉任何外部系统的改造，系统之间的连接可以通过专用网络进行，针对所有通信互连加强安全性以保证互连的安全；

连接模块还需要保持兼容性，连接模块的兼容保持主体与系统的灵活性。

根据上述技术方案，术语规范模块按照概念、定义和概念术语进行相关的连接，从而确定术语的定义；

同时建立数据中心，对于数据进行集中管理，并对于术语进行相关的定义，对于数据的传输中相关概念可以通过网络进行检索和定义。

根据上述技术方案，网络安全模块包括端口安全与数据传输安全；

端口安全定义各种安全模式，让设备学习到合法的源MAC地址，以达到相应的网络管理效果，对于不能通过安全模式学习到源MAC地址认证失败的设备，当发现非法报文后，系统将触发相应特性，并按照预先指定的方式自动进行处理，减少了用户的维护工作量；

数据传输安全为防止伪装IP进行攻击，攻击有也以向网络中的设备发送错误的路由，使路由表中出现错误的路由，引导用户的流量流向攻击者的设备。

根据上述技术方案，部署模块对于深度神经网络的模块进行数据的转移和分类，并对于模型的参数进行转移。

根据上述技术方案，部署模块对于整体架构先进行混合统一接入，然后以服务形态提供核心，为深度神经网络模型提供统一环境支持，并统一管理与监控；

接着进行分类，然后实现多资源化的统一管理，同一类虚拟化资源可以构成若千个基本资源区，每个资源区一般包含--定数量的物理机，资源区的划分方式取决于业务的区隔。

根据上述技术方案，部署模块的整体架构为分布式存储框架，对海量数据的存储，以分布式存储技术，支持快速、海量、多种类型的数据存取，支持从数据源抽取数据大数据基础平台存储，集成多种存储方式，有针对结构化数据、非结构化数据和半结构化数据的存储。

与现有技术相比，本发明的有益效果：本发明结构科学合理，使用安全方便，通过连接模块相关的深度神经网络模型进行数据连接，确定其数据的正常兼容，接着通过术语模块对于深度神经网络模型进行定义确定，防止出现歧义，然后通过网络安全模块将深度神经网络模型进行数据转移，确保正常的传输，最后通过部署模块对于深度神经网络模型进行正常数据部署，确保数据的分类，可以确保数据的正常传输，并且连接模块确定深度神经网络的相互连接性，支持不同的软件架构的连接，不牵涉任何外部系统的改造，系统之间的连接可以通过专用网络或公共网络进行，针对所有通信互连加强安全性以保证互连的安全，大大提高了安全效果，而术语规范模块可以更好的对于术语进行确定，大大保持了术语的准确性，而网络安全模块保证了数据的正常传输，且通过部署模块可以更好对于度神经网络模型进行部署转移，大大提高了安全性与后期数据的正常读取的准确率。

最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。