端口模型、构建方法、系统及神经网络构建平台与流程

本发明涉及一种神经网络构建，尤其涉及一种端口模型、构建方法、系统及神经网络构建平台。

背景技术：

1、在构建神经网络模型时，构建者通常会借助神经网络构建系统，以降低神经网络模型的构建成本以及提高神经网络模型的构建效率。现有的神经网络构建系统会提供多语言构建环境，使构建者可以选择更为熟悉的环境进行神经网络模型的搭建。

2、对于应用在智能机器人、自动驾驶和自动化等领域的神经网络模型，其结构更大，需要部署大量的神经元、神经层等，构建者在使用现有的神经网络构建系统时，需要手动编写神经元间以及神经层间的信息流向，由于编写工作量大，不仅容易出错，而且效率不高，增大了神经网络模型的构建成本。

技术实现思路

1、有鉴于此，本发明提供了一种端口模型、构建方法、系统及神经网络构建平台，用于解决现有技术中的神经网络模型的构建成本高的问题。为达上述之一或部分或全部目的或是其他目的，本发明提出一种端口模型、构建方法、系统及神经网络构建平台，第一方面：

2、一种端口模型，包括端口和模型主体；

3、所述端口与所述模型主体关联，所述端口为端口模型之间或与神经网络模型其他结构交互信息或关联的接口；

4、所述模型主体关联有数据和/或操作。

5、优选地，所述端口包括输入端口、输出端口、引用端口和连接端口中的至少一种。

6、优选地，所述端口包括代理输入端口和代理输出端口中的至少一种。

7、优选地，所述模型主体与所述端口之间能够进行信息交互。

8、优选地，所述模型主体包括容器；

9、所述容器用于关联所述神经网络模型中的信息或结构；所述容器包括网络容器、汇聚容器、流通容器、模块容器、通道容器、层容器、联接容器、节点容器、边容器和参数容器中的至少一种。

10、第二方面：

11、一种端口模型的构建方法，包括：

12、获取待构建端口模型的对象信息以及描述信息；

13、根据所述对象信息调取对应的目标对象；所述目标对象包括端口和模型主体；

14、将调取的所述目标对象按照所述描述信息进行配置，得到端口模型，所述端口用于所述模型主体与所述端口模型的外部进行信息交互或关联。

15、优选地，所述将调取的所述目标对象按照所述描述信息进行配置，得到端口模型的步骤包括：

16、提取所述描述信息中所述目标对象间的关联信息；

17、按照所述关联信息关联对应的所述目标对象。

18、优选地，在所述按照所述关联信息关联对应的所述目标对象之后，所述方法还包括：

19、根据所述描述信息中的限制信息设置对应所述端口的限制条件。

20、优选地，所述根据所述描述信息中的限制信息设置对应所述端口的限制条件的步骤包括：

21、根据所述限制信息中的连接上限数量为对应所述端口设置上限连接条件；

22、和/或，根据所述限制信息中的数据限制类型为对应所述端口设置数据流转条件。

23、优选地，在所述按照所述关联信息关联对应的所述目标对象之前，所述方法还包括：

24、判断需要关联的所述目标对象间的上限连接条件是否满足；或，

25、判断需要关联的所述目标对象间的所述数据流转条件是否匹配；

26、若不满足或不匹配，则判定关联失败并取消关联。

27、优选地，所述根据所述对象信息调取对应的目标对象的步骤包括：

28、根据所述对象信息中的端口标识信息调取对应的所述端口；所述端口包括输入端口、输出端口、引用端口和连接端口中的至少一种；

29、根据所述对象信息中的主体标识信息调取对应的模型主体；所述模型主体包括函数参数、容器和所述端口模型中的至少一种。

30、第三方面：

31、一种端口模型的构建系统，包括获取模块，用于获取待构建端口模型的对象信息以及描述信息；

32、目标调取模块，用于根据所述对象信息调取对应的目标对象；所述目标对象包括端口和模型主体；

33、模型模块，用于将调取的所述目标对象按照所述描述信息进行配置，得到端口模型，所述端口用于所述模型主体与所述端口模型的外部进行信息交互或关联。

34、优选地，所述模型模块包括提取单元，用于提取所述描述信息中所述目标对象间的关联信息；

35、关联单元，用于按照所述关联信息关联对应的所述目标对象。

36、优选地，所述系统还包括限制模块，用于在所述按照所述关联信息关联对应的所述目标对象之后，根据所述描述信息中的限制信息设置对应所述端口的限制条件。

37、优选地，所述限制单元包括数量子单元，用于根据所述限制信息中的连接上限数量为对应所述端口设置上限连接条件；

38、和/或，类型子单元，用于根据所述限制信息中的数据限制类型为对应所述端口设置数据流转条件。

39、优选地，所述构建系统还包括验证模块，用于在所述按照所述关联信息关联对应的所述目标对象之前，判断需要关联的所述目标对象间的上限连接条件是否满足；或，

40、判断需要关联的所述目标对象间的所述数据流转条件是否匹配；

41、若不满足或不匹配，则判定关联失败并取消关联。

42、优选地，所述目标调取模块包括端口单元，用于根据所述对象信息中的端口标识信息调取对应的所述端口；所述端口包括输入端口、输出端口、引用端口和连接端口中的至少一种；

43、主体单元，用于根据所述对象信息中的主体标识信息调取对应的模型主体；所述模型主体包括函数参数、容器和所述端口模型中的至少一种。

44、第四方面：

45、一种计算机设备，包括存储器和处理器，所述存储器中存储有端口模型的构建方法，所述处理器用于在执行所述端口模型的构建方法时采用上述所述方法。

46、第五方面：

47、一种存储介质，存储有能够被处理器加载并执行上述所述方法的计算机程序。

48、第六方面：

49、一种神经网络构建平台，包括前端部分、后端部分、以及核心部分；其中，

50、所述前端部分，用于代理所述系统外部与所述核心部分和/或所述后端部分进行交互；

51、所述后端部分，用于运行目标模型；

52、所述核心部分，用于响应所述前端部分和/或所述后端部分的请求，进行所述目标模型的描述和/或组织；

53、所述核心部分用于在构建端口模型时，采用上述所述端口模型的构建方法，以完成所述目标模型的构建。

54、在一种可能的实现方式，目标模型是指神经网络模型，该神经网络模型可以是深度神经网络模型、发放率神经网络模型、脉冲神经网络模型，以及它们的混合。在一种可能的实现方式，脉冲神经网络模型包括但不限于上层类脑模型、上层认知模型。在一种可能的实现方式，上层类脑模型包括但不限于全脑模型、脑区级模型、环路模型等。在一种可能的实现方式，上层认知模型包括但不限于语言机制、记忆机制、运动机制、决策机制等。

55、实施本发明实施例，将具有如下有益效果：

56、通过构建端口模型的方式，将多个目标对象间的信息流向固定，使神经网络模型的构建者在构建模型时，可以通过使用预存的端口模型或自行构建端口模型，而后反复使用自行构建的端口模型的手段，减少对信息流向的描写，降低工作量，节省神经网络模型的搭建时间，从而降低神经网络模型的构建成本。