[发明专利]人工神经网络的训练方法、动态计算切分调度方法、存储介质及系统

说明书

本发明提供人工神经网络的训练方法、动态计算切分调度方法、存储介质及系统，该训练方法对各个终端设备各自执行样本获取步骤获得多组学习样本，其中对每个终端设备执行的样本获取步骤包括：获取该终端设备的网络状况、续航情况和运算负载；获取该终端设备能处理的动态计算任务量；以该终端设备的网络状况、续航情况和运算负载作为输入信号，以该终端设备能处理的动态计算任务量作为输出信号，构成供人工神经网络进行动态计算切分调度训练的一组学习样本；采用上述多组学习样本对人工神经网络进行动态计算切分调度训练，直至该人工神经网络具备根据终端设备的网络状况、续航情况和运算负载分析出终端设备能处理的动态计算任务量的能力。

技术领域

本发明涉及数据处理技术领域，特别涉及人工神经网络的训练方法、动态计算切分调度方法、存储介质及系统。

背景技术

目前现场设备巡检主要采取人工巡视、手工记录的方式，存在偷检、漏检、误检的可能。而在设备检修抢修作业中，会存在由于作业人员疏忽、经验不足，而导致事故发生，或抢修不及时等问题。

AR智能运检系统主要用于电力运维中的现场设备巡检和检修抢修，通过AR智能终端设备，辅助现场运维人员安全作业、高效作业和智能作业，提升运维人员的单兵作业能力。AR智能运检系统主要功能包括作业流可视化、作业过程记录、异常状态报警、作业位置导航、设备数据实时查看、可视化作业指导、远程协同作业、远程专家指导等功能等。

为适应企业不同的应用场景和应用需求，AR智能运检系统同时可以支持AR智能眼镜、智能头戴终端、智能手机、平板、电脑等多种终端设备。因为AR智能运检系统要进行多种实时的检测、识别和渲染任务，所以需要多个终端设备以能支持比较大的动态计算任务，这就需要根据各个终端设备合理地对动态计算任务进行切分调度，以使得各个终端设备所处理的动态计算任务量合理化，但是，由于各个终端设备的网络状况、续航情况和运算负载各不相同，从而会导致各个终端设备所能处理的动态计算任务量各不相同，这就难以合理地对动态计算任务进行切分调度。

发明内容

本发明要解决的技术问题是如何合理地对动态计算任务进行切分调度。

为解决上述技术问题，本发明提供令人工神经网络具备动态计算切分调度能力的训练方法，包括如下步骤：

P.在已存在多个相互配合以执行动态计算任务的终端设备，且已知各个终端设备能处理的动态计算任务量的情况下，对各个终端设备各自执行样本获取步骤，获得多组学习样本，其中对每个终端设备执行的样本获取步骤包括如下A、B、C：

——A.获取该终端设备的网络状况、续航情况和运算负载；

——B.获取该终端设备能处理的动态计算任务量；

——C.以该终端设备的网络状况、续航情况和运算负载作为输入信号，以该终端设备能处理的动态计算任务量作为输出信号，构成供人工神经网络进行动态计算切分调度训练的一组学习样本；

Q.采用上述多组学习样本对人工神经网络进行动态计算切分调度训练，直至该人工神经网络具备根据终端设备的网络状况、续航情况和运算负载分析出终端设备能处理的动态计算任务量的能力，从而使得该人工神经网络能按照终端设备能处理的动态计算任务量对动态计算任务进行切分调度。

优选地，在所述步骤A中，获取该终端设备的网络传输速度，根据所述网络传输速度分析出该终端设备的网络状况。

优选地，在所述步骤A中，获取该终端设备的剩余电量，根据所述剩余电量分析出该终端设备的续航情况。

优选地，在所述步骤A中，获取该终端设备的中央处理器性能参数，根据所述中央处理器性能参数分析出该终端设备的运算负载。

本发明还提供动态计算切分调度方法，包括如下步骤：

a.获取多个终端设备的网络状况、续航情况和运算负载；