[发明专利]一种深度神经网络模型跨平台部署方法

权利要求书

1.一种深度神经网络模型跨平台部署方法，其特征在于：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。

2.根据权利要求1所述的一种深度神经网络模型跨平台部署方法，其特征在于，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。

3.根据权利要求1所述的一种深度神经网络模型跨平台部署方法，其特征在于，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。

4.根据权利要求1所述的一种深度神经网络模型跨平台部署方法，其特征在于，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。

5.根据权利要求1所述的一种深度神经网络模型跨平台部署方法，其特征在于，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。

6.根据权利要求5所述的一种深度神经网络模型跨平台部署方法，其特征在于，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。

7.根据权利要求6所述的一种深度神经网络模型跨平台部署方法，其特征在于，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。

8.根据权利要求6所述的一种深度神经网络模型跨平台部署方法，其特征在于，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。