一种互联网平台的制作方法

本发明涉及互联网技术领域，尤其涉及一种互联网平台。

背景技术：

随着近几年人工智能技术的火速发展，越来越多的传统行业用户开始涉足这个新兴领域。而由于深度神经网络算法的特殊性，使其能跟各行各业做有机结合：传统行业的数据搭配新的算法模式以满足各行各业的独特需求。然而对大多数传统行业的从业者，他们有想法，有数据，却缺乏相关算法研发能力。相应的对于人工智能开发者，想要涉足实践也面临缺乏优质数据的问题。目前有部分小范围的网络社区可以在特定领域解决数据和算法资源共享的问题。随着行业的发展，未来更大范围的，综合领域性的c2c人工智能算法交易平台，将会成为推动行业发展的重要促进力。c2c网站是采用了c2c经营模式的网站，即consumertoconsumer，译为个人对个人，指直接为个人间提供电子商务活动平台的网站，是现代电子商务的一种。c2c网站就是c2c网站为买卖双方交易提供的互联网平台，卖家可以在网站上登出其想出售商品的信息，买家可以从中选择并购买自己需要的物品。

当前能将传统行业用户的数据和人工智能从业者的算法技术连接起来的只有部分特定开发框架的开源社区，体量和框架限制使之不能满足市场需求。而传统c2c交易或者问答平台由于硬件设施的限制也无法实现算法需求的提交以及在线验证。要良好的解决这个需求需要将高性能计算技术、容器云技术、以及c2c平台策略有机的结合起来。容器云是基于容器技术的云服务平台，采用容器方式代替传统的虚拟化技术实现环境分隔。

技术实现要素：

针对相关技术中存在的问题，本发明的目的在于提供一种互联网平台，可以实现算法用户间的互动，实现企业用户和算法用户的交互，完成c2c业务逻辑。

根据本发明的实施例，一种互联网平台，包括：算法超市核心模块，深度学习平台和竞赛平台核心模块，平台用户根据需求向竞赛平台核心模块提交竞赛用题目，及与竞赛用题目匹配的参考结果数据，竞赛参与用户向深度学习平台提交竞赛用题目对应的第一算法代码，向竞赛平台核心模块提交第一算法代码的运算结果，竞赛平台核心模块比较参考结果数据和运算结果，根据准确率生成第一算法排行榜，并将第一算法排行榜推送给所有平台用户，企业用户向算法超市核心模块提交需求的题目，及与题目匹配的参考结果数据，算法用户通过算法超市核心模块获取需求的题目列表，并在线提交需求的题目对应的第二算法代码，算法超市核心模块通过竞赛平台对第二算法代码进行比较与排序，生成需求的题目对应的第二算法排行榜，并将第二算法排行榜推送给企业用户。

根据本发明的实施例，互联网平台，包括：第一算法代码在深度学习平台进行迭代生成第一模型。

根据本发明的实施例，互联网平台，包括：平台用户向竞赛平台核心模块提交与竞赛用的题目匹配的题目数据集；深度学习平台根据题目数据集验证第一模型。

根据本发明的实施例，互联网平台，包括：平台用户对深度学习平台中的容器环境进行设定。

根据本发明的实施例，互联网平台，包括：第二算法代码在深度学习平台进行迭代生成第二模型。

根据本发明的实施例，互联网平台，包括：将第二模型提交至算法超市核心模块；企业用户根据实际需求从算法超市核心模块购买相应模型和代码。

本发明的有益技术效果在于：可以实现算法用户间的互动，实现企业用户和算法用户的交互，完成c2c业务逻辑。在高性能容器云架构的支持下设计实现的c2c人工智能算法交易平台，可以良好的将产学研三者结合起来，将企业界大量的优质数据提供给学术界的研发人员，同时将算法开发者的技术能力输出到传统行业中。其中的竞赛平台可完成算法池的筛选，评优工作，并促进开发者之间的交流和合作。而算法超市核心模块则能以传统c2c交易网站的形式将企业界和学术界的虚拟资产进行交换，达到各取所需和促进行业发展的目的。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明一个实施例的互联网平台的示意图；

图2是根据本发明一个实施例的竞赛平台核心模块的示意图；

图3是根据本发明一个实施例的算法超市核心模块的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明提供了一种互联网平台，包括：算法超市核心模块11，深度学习平台12和竞赛平台核心模块13。在本发明的方案中互联网平台可以是c2c交易平台。

平台用户根据需求向竞赛平台核心模块提交竞赛用题目，及与竞赛用题目匹配的参考结果数据，竞赛参与用户向深度学习平台提交竞赛用题目对应的第一算法代码，向竞赛平台核心模块提交第一算法代码的运算结果，竞赛平台核心模块比较参考结果数据和运算结果，根据准确率生成第一算法排行榜，并将第一算法排行榜推送给所有平台用户；

企业用户向算法超市核心模块提交需求的题目，及与题目匹配的参考结果数据，算法用户通过算法超市核心模块获取需求的题目列表，并在线提交需求的题目对应的第二算法代码，算法超市核心模块通过竞赛平台对第二算法代码进行比较与排序，生成需求的题目对应的第二算法排行榜，并将第二算法排行榜推送给企业用户。

本发明的上述技术方案，通过平台用户提交题目，竞赛参与用户提交竞赛用题目对应的算法代码，竞赛平台生成相应的算法排行榜推送给平台用户，可以实现算法用户间的互动；通过企业用户向算法超市核心模块提交需求，算法用户提交需求对应的算法代码，算法超市核心模块生成的相应的算法排行榜推送给企业用户，可以实现企业用户和算法用户的交互，完成c2c业务逻辑。

本发明的技术方案通过设计两个主要模块来面向深度学习的c2c算法交易平台，分别对应c2c交易平台中的两种不同的模式。其中一个模块为竞赛平台模块，对应竞赛平台模式，竞赛平台模块包括深度学习平台和竞赛平台核心模块；另一个模块为算法超市模块，对应算法超市模式，算法超市模块包括深度学习平台和算法超市核心模块。

其中，竞赛平台模块和算法超市模块的基础设施中都包含高性能容器云平台，本发明中具体采用深度学习平台，用以对人工智能算法运行提供支持。其中，深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如，人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。

竞赛平台模式用以实现算法用户间的互动，同时也可向企业用户推荐算法池中的优秀算法。如图2所示，在竞赛平台中，平台用户作为问题发布者，根据需求向竞赛平台核心模块提交竞赛用的题目和与竞赛用的题目匹配的题目数据集，竞赛参与用户可在线提交自己的算法代码以或运算结果，算法代码会在深度学习平台进行迭代生成模型，并根据题目数据集对模型进行验证。因此，可以实现算法的在线验证。

同时，平台用户可以对深度学习平台(高性能容器云平台)中的容器环境进行设定。

平台用户还可以向竞赛平台核心模块提交与题目匹配的参考结果数据，竞赛平台核心模块会比较参考结果和竞赛用户的运算结果，根据准确率生成算法排行榜，并向所有平台用户进行推送。

竞赛平台可完成算法池的筛选，评优工作，并促进开发者之间的交流和合作。

算法超市模式用以实现企业用户和算法用户的交互，完成c2c业务逻辑。如图3所示，在算法超市中，企业用户作为问题发布者，向算法超市核心模块提交需求，及与题目匹配的参考结果数据。企业用户还可以向算法超市核心模块提交相应悬赏(实际货币或虚拟货币)。

算法用户可通过算法超市核心模块获取问题列表，并在线提交自己的算法代码，之后算法超市核心模块通过竞赛平台对算法代码进行比较与排序，来生成需求的题目对应的算法排行榜，并将算法排行榜推送给企业用户。

算法代码会在深度学习平台进行迭代生成模型，而后提交至算法超市核心模块。之后企业用户可根据实际需求来购买相应模型和代码，或者联系算法开发者。

算法超市核心模块能以传统c2c交易网站的形式将企业界和学术界的虚拟资产进行交换，达到各取所需和促进行业发展的目的。

本发明在高性能容器云架构的支持下设计实现的c2c人工智能算法交易平台，可以良好的将产学研三者结合起来，将企业界大量的优质数据提供给学术界的研发人员，同时将算法开发者的技术能力输出到传统行业中。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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。