[发明专利]分散式网络运算系统、方法及非暂态计算机可读取记录媒体

说明书

本揭示文件提出一种分散式网络运算系统、方法及非暂态计算机可读取记录媒体。该系统包含多个运算节点，这些运算节点包含至少一第一节点以及至少一第二节点。至少一第一节点撷取至少一第二节点的动态资源参数，以根据动态资源参数于预运算资源查找表查询类神经网络分层讯息。至少一第一节点根据类神经网络分层讯息执行类神经网络运算模型，并产生第一特征数据。至少一第一节点传送第一特征信息至至少一第二节点。其中至少一第二节点根据该第一特征数据执行类神经网络运算模型以分析该目标影像。当目标影像符合预定条件时，则判定已完成对目标影像的辨识，据此，可以依据运算的类神经网络的特性，提供弹性的分散式运算的运算资源分配的技术功效。

技术领域

本揭示文件涉及一种网络系统与处理方法，且特别是有关于一种分散式网络系统与运用类神经网络的分散式网络运算方法。

背景技术

在计算资源丰富的集中式云端(cloud)环境下，执行深度学习类神经网络运算的技术越来越成熟。然而在分散式边雾运算(edge/fog computing)环境下，可能将许多类神经网络运算分布于不同的运算节点(例如边雾装置)中进行运算。由这些运算节点间的网络接口与其下一个运算节点交换运算结果，共同来完成人工智能的分析运算。

然而，不同运算节点拥有的资源不同(例如运算资源、网络资源、储存资源等)，各运算节点被分配到的逻辑运算所耗用的资源亦不相同。此外，各运算节点会随着前一个运算节点的处理结果，而影响所收到的数据量，导致每次收到的数据流量会动态改变，此也会影响是否要将处理结果输出至下一个运算节点，以及把数据输出至下一个运算节点所适宜采用的运算处理方式(例如快速处理但准确度较低，或处理速度不是最重要考量，但准确度必须达到某个程度)。据此，如何在整个运算节点所组成的网络环境中妥善运用资源，成为亟需解决的问题。

发明内容

发明内容旨在提供本揭示内容的简化摘要，以使阅读者对本揭示内容具备基本的理解。此发明内容并非本揭示内容的完整概述，且其用意并非在指出本发明实施例的重要/关键元件或界定本发明的范围。

根据本揭示文件的一实施例，揭示一种分散式网络运算系统，包含多个运算节点。所述多个运算节点包含至少一第一节点以及至少一第二节点。至少一第一节点，用以接收目标影像。至少一第二节点通讯连接至少一第一节点，其中至少一第一节点执行类神经网络运算模型以分析目标影像，当至少一第一节点判断目标影像不符合预定条件时，至少一第一节点用以：撷取至少一第二节点的动态资源参数；根据动态资源参数于预运算资源查找表中查询，以获得对应的类神经网络分层讯息；根据类神经网络分层讯息执行类神经网络运算模型，并产生第一特征数据；以及传送第一特征数据至至少一第二节点；其中至少一第二节点根据第一特征数据执行类神经网络运算模型以分析目标影像，以及当至少一第二节点判断目标影像符合预定条件时，则判定已完成对目标影像的辨识。

根据本揭示文件的一实施例的分散式网络运算系统，其中所述多个运算节点还包含至少一第三节点，通讯连接该至少一第二节点，该至少一第二节点判断该目标影像不符合该预定条件时，该至少一第二节点用以：撷取该至少一第三节点的该动态资源参数；根据该第三节点的该动态资源参数于该预运算资源查找表中查询，以获得对应的该类神经网络分层讯息；以及根据该类神经网络分层讯息产生一第二特征数据。

根据本揭示文件的一实施例的分散式网络运算系统，其中该至少一第二节点传送该第二特征数据至该至少一第三节点，该至少一第三节点根据该第二特征数据执行该类神经网络运算模型以分析该目标影像，当该目标影像符合该预定条件时，则该至少一第三节点判定已完成对该目标影像的辨识。