一种AI推理结果的判优方法及系统与流程

一种ai推理结果的判优方法及系统
技术领域
1.本技术涉及计算机领域，尤其涉及一种ai推理结果的判优方法及系统。


背景技术：

2.目前市面上的云计算具有延时高、功耗高、网络压力大、数据安全风险大等缺点，进而推进了低功耗边缘计算平台的高速发展。边缘计算可广泛应用于智慧城市、智能驾驶、智慧工厂等行业领域，近几年随着ai硬件计算性能的提升以及ai计算模型的小型化，加快了边缘计算网关在各行各业的布局和应用。边缘计算网关具有体积小、功耗低等特点，但通过集成单个ai计算单元，无法实现大运算量的推理任务，此外，边缘计算网关执行推理结果的准确度、可信度完全依赖于单个ai计算单元的性能及算力负载情况，当ai计算单元出现故障、或者因任务过载导致ai计算单元执行缓慢时，将严重影响边缘计算网关推理结果。


技术实现要素：

3.为了解决上述问题，本技术提出了一种ai推理结果的判优方法，包括：通过ai管理单元确定ai计算任务的配置信息，并将所述配置信息发送至ai输入单元；通过所述ai输入单元接收视频源，根据所述配置信息对所述视频源进行预处理，以得到源消息和源数据，并将所述源消息发送至事件处理单元，将所述源数据发送至所述ai计算单元，以使所述ai计算单元根据所述源数据和所述配置信息得到计算结果；通过接收转换单元接收所述计算结果，并对所述计算结果进行解析，以得到结果事件，并将所述结果事件发送至事件处理单元；通过所述事件处理单元根据所述源消息对所述结果事件进行同步，以根据所述结果事件得到事件消息，并将所述事件消息发送至判优分析单元；通过所述判优分析单元对所述事件消息进行判优处理，以得到推理结果。
4.在一个示例中，通过所述事件处理单元根据所述源消息对所述结果事件进行同步，以根据所述结果事件得到事件消息，具体包括：根据所述源消息和所述配置信息确定结果消息队列，其中，所述结果消息队列包括但不限于数据源标识、时间信息、任务标识、计算单元标识；将所述结果事件与所述结果消息队列进行比对，以对所述结果消息队列进行更新，并根据所述数据源标识将所述结果事件进行打包，以得到所述事件消息。
5.在一个示例中，根据所述数据源标识将所述结果事件进行打包之前，所述方法还包括：通过所述事件处理单元确定预先设定的超时机制，根据所述超时机制的时间限制对所述ai计算单元进行超时查询；若所述ai计算单元在所述时间限制内没有生成所述计算结果，则通过所述事件处理单元生成失败事件消息，并将所述失败事件消息发送至所述判优分析单元。
6.在一个示例中，所述ai计算任务对应多个所述ai计算单元；通过所述判优分析单元对所述事件消息进行判优处理之前，所述方法还包括：根据所述任务标识，通过所述判优分析单元对所述事件消息进行分类；根据所述计算单元标识对分类后的所述事件消息进行比对，以判断所述ai计算单元的数量与所述计算结果的数量是否一致；若所述ai计算单元
的数量与所述计算结果的数量一致，则将全部的所述计算结果标记为第一结果；若所述ai计算单元的数量与所述计算结果的数量不一致，则确定所述计算结果中的失败结果，并根据所述失败结果在所述计算结果中确定第二结果；根据所述第一结果和所述第二结果的比值确定所述ai计算任务的成功率。
7.在一个示例中，通过所述判优分析单元对所述事件消息进行判优处理，具体包括：将所述成功率与预先设置的阈值进行比较；若所述成功率小于所述阈值，则通过所述判优分析单元判决所述ai计算任务为失败；若所述成功率大于或等于所述阈值，则确定预先设置的置信度，根据所述置信度通过所述判优分析单元对所述计算结果进行判优，以得到推理结果。
8.在一个示例中，将所述配置信息发送至ai输入单元之后，所述方法还包括：根据所述配置信息确定资源文件和推理任务，通过所述ai输入单元将所述资源文件发和所述推理任务送至所述ai计算单元，以根据所述资源文件对所述ai计算单元进行模型配置，根据所述推理任务对所述ai计算单元进行任务配置，其中，所述推理任务包括但不限于人脸识别、物体检测。
9.在一个示例中，得到推理结果之后，所述方法还包括：将所述推理结果发送至结果处理单元，通过所述结果处理单元确定所述推理结果的显示信息，将所述显示信息进行云端推送。
10.另一方面，本技术还提出了一种ai推理结果的判优系统，包括：背板单元，设置有接口组；所述接口组包括多个接口，所述多个接口之间设置有通信交换总线；ai计算单元，通过所述接口组接入所述背板单元；主控单元，通过所述接口接入所述背板单元，用于通过所述背板单元对所述ai计算单元进行管理；所述主控单元设置有ai管理单元、ai输入单元、接收转换单元、事件处理单元、判优分析单元和结果处理单元。
11.在一个示例中，所述ai管理单元用于确定ai计算任务的配置信息，并将所述配置信息发送至所述ai输入单元；所述ai输入单元用于接收视频源，根据所述配置信息对所述视频源进行预处理，以得到源消息和源数据，并将所述源消息发送至所述事件处理单元，将所述源数据发送至所述ai计算单元，以使所述ai计算单元根据所述源数据和所述配置信息得到计算结果；所述ai输入单元还用于根据所述配置信息确定资源文件和推理任务，并将所述资源文件发和所述推理任务送至所述ai计算单元，以根据所述资源文件对所述ai计算单元进行模型配置，根据所述推理任务对所述ai计算单元进行任务配置；所述接收转换单元用于接收所述计算结果，并对所述计算结果进行解析，以得到结果事件，并将所述结果事件发送至所述事件处理单元；所述事件处理单元用于根据所述源消息对所述结果事件进行同步，以根据所述结果事件得到事件消息，并将所述事件消息发送至所述判优分析单元；所述判优分析单元用于对所述事件消息进行判优处理，以得到推理结果，并将所述推理结果发送至所述结果处理单元；所述结果处理单元用于确定所述推理结果的显示信息，并将所述显示信息进行云端推送。
12.在一个示例中，所述ai计算单元用于通过所述通信交换总线接收所述ai输入单元发出的源数据和配置信息。
13.本技术提出了一种支持对多个ai计算单元输出结果进行判优的方法，从而可以获得高精度、高可靠的ai推理结果。同时支持对多个ai计算单元输出结果的同步判决，可有效
解决因ai计算单元性能差异、ai计算任务分配不均等引起的ai计算结果输出不同步问题。通过支持多个ai计算单元，提升了系统的高可靠性；有效避免了单个ai计算单元故障将影响整体ai计算任务的执行的问题。通过支持多个ai计算单元运行相同ai计算任务，提高了ai计算结果的准确性；可以基于所有ai计算单元的推理结果进行比对，择优判决出最佳的ai计算结果。通过支持多个ai计算单元运行相同ai计算任务，可以进行异构ai计算单元的性能对比。通过支持多个ai计算单元运行相同ai计算任务，基于消息和事件处理单元，可以解决因ai计算单元性能不同引起的ai计算结果不同步问题。通过支持多个ai计算单元运行不同ai计算任务，可以将ai计算任务对算力需求，分配到不同的ai计算单元，从而提升了系统接入算法任务的支持能力。
附图说明
14.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
15.图1为本技术实施例中一种ai推理结果的判优方法的流程示意图；
16.图2为本技术实施例中一种ai推理结果的判优系统的结构示意图；
17.图3为本技术实施例中主控单元和计算单元的结构示意图；
18.图4为本技术实施例中一种ai推理结果的判优设备的示意图。
具体实施方式
19.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
20.以下结合附图，详细说明本技术各实施例提供的技术方案。
21.如图1所示，为了解决上述问题，本技术实施例提供的一种ai推理结果的判优方法，应用在一种ai推理结果的判优系统中，如图2所示，该系统包括背板单元、ai计算单元、主控单元，主控单元设置有ai管理单元、ai输入单元、接收转换单元、事件处理单元、判优分析单元和结果处理单元。方法包括：
22.s101、通过ai管理单元确定ai计算任务的配置信息，并将所述配置信息发送至ai输入单元。
23.由ai管理单元配置ai计算单元执行的ai计算任务类型以及相关信息。该配置信息将发送给ai输入单元，从而完成对ai计算单元的模型管理和ai计算任务管理等。模型管理是指对ai计算单元执行计算任务需要的资源文件的配置、下发、查询等操作，该资源文件包括模型文件、配置文件等。ai计算任务是指ai计算单元具体执行的推理任务，例如，人脸识别、物体检测等。ai计算任务管理则指对ai计算单元执行的推理任务的启动、停止、删除等操作。操作人员通过ai管理单元提供的管理界面、命令行等人机交互方式，完成具体ai计算单元的模型配置和任务配置，ai管理单元会将该配置信息通过背板单元提供的高速通信交换总线发送给对应的ai计算单元。此外，该配置信息将发送给接收转换单元，以用于后续的ai计算结果处理流程；该配置信息还将发送给事件处理单元，以用于后续的ai计算结果事
件处理流程；该配置信息还将发送给判优分析单元，以用于后续的ai计算最优结果判决。
24.s102、通过所述ai输入单元接收视频源，根据所述配置信息对所述视频源进行预处理，以得到源消息和源数据，并将所述源消息发送至事件处理单元，将所述源数据发送至所述ai计算单元，以使所述ai计算单元根据所述源数据和所述配置信息得到计算结果。
25.主控单元将获取的视频源数据发送到ai输入单元，其中，该视频源数据的来源包括网络流、本地文件、视频设备等。ai输入单元将视频源与配置信息进行结合并在内部进行预处理，生成具有特定属性的源消息和数据源。其中，源消息是包含ai源数据标识、采集时间等信息的报文；源数据是指包含ai源数据消息、视频/图片流数据的报文。ai输入单元将源消息发送到事件处理单元，将源数据分发到背板单元的通信交互总线，通过通信交互总线将源数据分发到ai计算单元中。ai计算单元从总线提取出源数据，用于封装ai计算结果响应报文。其中，视频/图片类流式数据将作为ai计算单元执行计算任务的流输入数据。ai输入单元基于ai管理单元的配置，可将ai数据源分发到所有或特定的ai计算单元。计算结果是由ai计算单元根据源数据和配置任务，执行ai计算任务后输出的ai计算任务结果。
26.s103、通过接收转换单元接收所述计算结果，并对所述计算结果进行解析，以得到结果事件，并将所述结果事件发送至事件处理单元。
27.ai计算单元将该计算结果发送到背板单元上总线。主控单元的接收转换单元完成计算结果的接收、报文解析等处理。主控单元的接收转换单元将接收的原始计算结果转换封装成ai计算结果消息，并且以结果事件的方式发送到事件处理单元。由接收转换单元将接收的原始ai计算结果进行报文解析、格式转换成适合事件处理单元的消息格式，从而得到结果事件。结果事件包括指示具体ai计算单元的标识信息、指示ai计算结果接收具体时间信息、具体的ai计算结果信息等。
28.s104、通过所述事件处理单元根据所述源消息对所述结果事件进行同步，以根据所述结果事件得到事件消息，并将所述事件消息发送至判优分析单元。
29.事件消息是由事件处理单元基于内部的消息事件循环机制判决输出的ai计算结果消息。事件处理单元的输入信息包括配置信息、源消息、结果事件等。通过消息事件循环判决机制的处理，可以等待多个ai计算单元的输出结果，然后批量输出，从而可以解决计算结果不同步的问题。
30.在一个实施例中，事件处理单元通过内置的结果消息队列实现对ai计算源数据的缓存，其中，该结果消息队列可以是环形缓存队列。通过内置的事件监听机制对计算结果进行响应，通过内置的超时机制处理无ai计算消息应答或应答太慢的问题，并清理消息缓存，通过基于结果消息队列、事件监听的机制可以将多个计算结果打包成统一的事件消息，从容实现了多ai计算单元结果的同步处理。
31.在一个实施例中，根据源数据提取数据源标识和采集时间信息；根据配置信息提取任务标识和支持的ai计算单元标识。基于数据源标识、时间信息、任务标识和计算单元标识，生成待处理消息，其中包括ai源数据标识、ai计算任务标识、ai计算单元标识列表、ai计算消息时间等。将生成的待处理消息加入到结果消息队列中。此时会检测事件监听处理机制是否运行，如果未运行则会启动基于事件的监听处理机制。接收转换单元生成的结果事件触发内部事件监听处理机制，并将结果事件的ai源数据标识、ai计算单元标识与结果消息队列中的消息进行对比分析，如果匹配一致，则将更新该消息的ai计算结果信息和接收
时间信息。利用事件处理的监听处理机制，当接收到所有ai计算单元的结果事件后，会生成打包的事件消息，交付给判优处理单元。同时，事件处理单元内部还集成了消息超时机制，如果在指定时间内某个ai计算单元没有触发结果事件，则将该ai计算单元按照ai计算任务执行失败处理，强制生成打包表示失败的事件消息(在此成为失败时间消息)。
32.s105、通过所述判优分析单元对所述事件消息进行判优处理，以得到推理结果。
33.推理结果是由判优分析单元根据配置信息、事件消息，采用内部的最优结果判决算法生成的最优ai计算分析结果。判优分析单元的输入信息包括配置信息、事件消息等。结果处理单元会将判优分析单元生成的结果进行存储、显示、网络发送的处理，例如：推理结果的本地化数据存储、推理结果的本地消息显示和推理视频预览、推理结果推送到云端管理平台系统等。
34.在一个实施例中，判优处理单元通过内置最优结果判决算法可实现多个ai计算单元执行相同ai计算任务时，输出最优推理结果的功能。遍历从事件处理单元输入的结果消息集，从中取出每个消息的ai任务标识、ai计算单元标识。基于提取的ai任务标识，将相同ai任务标识的消息放在同一个集合中。：从ai管理单元中查询执行ai计算任务标识的所有ai计算单元标识信息。将执行相同ai计算任务的ai计算单元数量和信息进行比对，如果ai计算单元数量一致，则说明所有的ai计算单元对该源数据执行推理，并输出了ai计算结果，将所有ai计算单元的结果信息(在此成为第一结果)加入到推理成功消息列表中。如果ai计算单元数量不一致，则说明具有某个或某些ai计算单元推理失败或没有推理结果输出，将这些失败、无输出的结果信息(在此成为第二结果)全部加入到推理失败消息列表中，有ai计算结果输出的加入到推理成功消息列表中。基于推理成功消息列表、推理失败消息列表中ai计算单元的数量，采用少数服从多数的方式判决当前ai推理事件是成功还是失败；如果推理成功，则从推理成功列表中提取所有消息，然后采用仲裁判优策略获取最终的推理结果。如果推理失败，则判决给ai事件推理失败。其中，仲裁判优策略可采用取“置信度”最大推理消息为最终推理结果，也可以采用取“置信度”为中间值消息为最终推理结果；具体采用的判优策略可以根据实际业务需求具体处理。
35.在一个实施例中，将配置信息发送至ai输入单元之后，根据配置信息确定资源文件和推理任务，通过ai输入单元将资源文件发和推理任务送至ai计算单元，以根据资源文件对ai计算单元进行模型配置，根据推理任务对ai计算单元进行任务配置，其中，推理任务包括但不限于人脸识别、物体检测。
36.在一个实施例中，得到推理结果之后，将推理结果发送至结果处理单元，通过结果处理单元确定推理结果的显示信息，将显示信息进行云端推送。
37.如图2和图3所示，本技术实施例还提供了一种ai推理结果的系统，包括：背板单元、ai计算单元和主控单元。
38.其中，背板单元，设置有接口组；接口组包括多个接口，多个接口之间设置有通信交换总线。ai计算单元，通过接口组接入背板单元。主控单元，通过接口接入背板单元，用于通过背板单元对ai计算单元进行管理；主控单元设置有ai管理单元、ai输入单元、接收转换单元、事件处理单元、判优分析单元和结果处理单元。如图2所示，背板单元的接口组采用可插拔的设计理论，提供了多个标准接口，支持插入1个主控单元和多个ai计算单元，例如，接口c插入主控单元，接口a1插入ai计算单元1，接口a2插入ai计算单元2等。多个标准接口间
通过交换总线实现数据共享和交换。背板单元上具有多个支持高速数据总线的标准接口，例如，pcie、pxie接口。在本实施例中，主控单元通过接口c接入背板单元，ai计算单元通过接口a接入背板单元，其中，接口c和接口a是功能相同的标准接口，两者采用不同的命名方式，用于却分不同的接入单元。在每个边缘计算网关设备上最多可接入n个ai计算单元，其中，n取决于背板单元提供的接口数量，可以根据实际需要灵活配置接入的ai计算单元数量。ai计算单元通过接口a接入背板单元，接受主控单元的供电控制和任务调度等。本系统支持异构ai计算单元，不同的ai计算单元可采用不同的处理器型号。主控单元通过接口c接入背板单元，并基于背板单元的高速总线实现与ai计算单元的数据通信。主控单元通过接口c可以控制背板单元的电源模块，从而实现对ai计算单元供电管理。
39.在一个实施例中，ai管理单元用于确定ai计算任务的配置信息，并将配置信息发送至ai输入单元；。ai输入单元用于接收视频源，根据配置信息对视频源进行预处理，以得到源消息和源数据，并将源消息发送至事件处理单元，将源数据发送至ai计算单元，以使ai计算单元根据源数据和配置信息得到计算结果；ai输入单元还用于根据配置信息确定资源文件和推理任务，并将资源文件发和推理任务送至ai计算单元，以根据资源文件对ai计算单元进行模型配置，根据推理任务对ai计算单元进行任务配置。接收转换单元用于接收计算结果，并对计算结果进行解析，以得到结果事件，并将结果事件发送至事件处理单元。事件处理单元用于根据源消息对结果事件进行同步，以根据结果事件得到事件消息，并将事件消息发送至判优分析单元。判优分析单元用于对事件消息进行判优处理，以得到推理结果，并将推理结果发送至结果处理单元。结果处理单元用于确定推理结果的显示信息，并将显示信息进行云端推送。
40.在一个实施例中，ai计算单元用于通过通信交换总线接收ai输入单元发出的源数据和配置信息。
41.ai计算结果的准确性以及实时性取决于ai计算单元的算法模型和算力能力；强劲的算力能力与高精度的算法模型的结合才能够获得理想的推理结果；传统的边缘计算网关采用单ai计算单元，如果ai计算单元算力不足或者故障，则会直接影响ai计算结果的实时性和可用性；本技术支持多个ai计算单元的并行任务处理，因此当单个ai计算单元故障时，可由剩余的ai计算单元提供ai计算结果输出，降低了对单个ai计算单元的依赖性，提高了系统的高可靠性。支持多个ai计算单元执行相同的ai计算任务，因此当部分ai计算单元输出错误的推理结果，或无输出推理结果时，则可以根据所有ai计算单元的输出结果进行择优判决，从而得出高可靠、高精度的推理结果。支持多个ai计算单元执行相同的ai计算任务，因此当存在异构ai计算单元时，可以基于长期的推理结果成功率、准确率统计，对不同架构ai计算单元的性能进行分析对比。支持多个ai计算单元执行相同的ai计算任务，由于不同的ai计算单元因为计算性能不同，会存在推理任务执行速度、响应速度不同的问题，对于主控单元获取到的ai计算结果会存在不同步的现象，而通过本发明中“ai数据推理事件处理单元”的消息和事件机制可以完成ai计算结果同步的处理，有效的解决了多个ai计算单元性能差异引起的结果同步问题。支持多个ai计算单元执行不同的ai计算任务，通过将算力需求分配到不同的ai计算单元，可提高本系统支持的ai分析任务能力。同时“ai数据推理结果分析单元”可以不同ai计算任务结果的判决处理。
42.如图4所示，本技术实施例还提供了一种ai推理结果的判优设备，包括：
43.至少一个处理器；以及，
44.与所述至少一个处理器通信连接的存储器；其中，
45.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述一种ai推理结果的判优设备能够执行：
46.通过ai管理单元确定ai计算任务的配置信息，并将所述配置信息发送至ai输入单元；
47.通过所述ai输入单元接收视频源，根据所述配置信息对所述视频源进行预处理，以得到源消息和源数据，并将所述源消息发送至事件处理单元，将所述源数据发送至所述ai计算单元，以使所述ai计算单元根据所述源数据和所述配置信息得到计算结果；
48.通过接收转换单元接收所述计算结果，并对所述计算结果进行解析，以得到结果事件，并将所述结果事件发送至事件处理单元；
49.通过所述事件处理单元根据所述源消息对所述结果事件进行同步，以根据所述结果事件得到事件消息，并将所述事件消息发送至判优分析单元；
50.通过所述判优分析单元对所述事件消息进行判优处理，以得到推理结果。
51.本技术实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
52.通过ai管理单元确定ai计算任务的配置信息，并将所述配置信息发送至ai输入单元；
53.通过所述ai输入单元接收视频源，根据所述配置信息对所述视频源进行预处理，以得到源消息和源数据，并将所述源消息发送至事件处理单元，将所述源数据发送至所述ai计算单元，以使所述ai计算单元根据所述源数据和所述配置信息得到计算结果；
54.通过接收转换单元接收所述计算结果，并对所述计算结果进行解析，以得到结果事件，并将所述结果事件发送至事件处理单元；
55.通过所述事件处理单元根据所述源消息对所述结果事件进行同步，以根据所述结果事件得到事件消息，并将所述事件消息发送至判优分析单元；
56.通过所述判优分析单元对所述事件消息进行判优处理，以得到推理结果。
57.本技术中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
58.本技术实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。
59.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
60.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程
图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
61.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
62.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
63.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
64.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
65.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
66.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
67.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。