[发明专利]用于处理信息的方法和装置

说明书

本申请实施例公开了用于处理信息的方法和装置。该方法的一具体实施方式包括：获取待处理信息；确定用于处理待处理信息的人工神经网络对应的可执行代码，其中，可执行代码用于实现人工神经网络的功能；基于可执行代码对待处理信息进行处理，得到处理结果信息。该实施方式实现了利用可执行代码来完成人工神经网络对信息的处理。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于处理信息的方法和装置。

背景技术

深度学习是目前计算机领域重要的研究方向之一，而且深度学习已应用于计算机视觉、语音识别、自然语言处理等许多领域。基于此，出现了各种开源的深度学习框架。

用户可以方便地利用这些深度学习框架设计所需的神经网络结构，而且支持自动求导以完成神经网络的训练，不需用户求解梯度。另外，用户只需要编写少量的配置文件即可使用训练好的神经网络实现对数据的处理。

发明内容

本申请实施例提出了用于处理信息的方法和装置。

第一方面，本申请实施例提供了一种用于处理信息的方法，该方法包括：获取待处理信息；确定用于处理待处理信息的人工神经网络对应的可执行代码，其中，可执行代码用于实现人工神经网络的功能；基于可执行代码对待处理信息进行处理，得到处理结果信息。

在一些实施例中，确定用于处理待处理信息的人工神经网络对应的可执行代码，包括：获取预设的、与人工神经网络对应的可执行代码，其中，可执行代码是根据人工神经的网络结构设置的。

在一些实施例中，确定用于处理待处理信息的人工神经网络对应的可执行代码，包括：获取组成人工神经网络的各个层分别对应的可执行代码，得到可执行代码集合；基于可执行代码集合，得到人工神经网络对应的可执行代码。

在一些实施例中，人工神经网络利用深度学习框架训练得到。

第二方面，本申请实施例提供了一种用于处理信息的装置，该装置包括：获取单元，被配置成获取待处理信息；确定单元，被配置成确定用于处理待处理信息的人工神经网络对应的可执行代码，其中，可执行代码用于实现人工神经网络的功能；处理单元，被配置成基于可执行代码对待处理信息进行处理，得到处理结果信息。

在一些实施例中，确定单元进一步被配置成：获取预设的、与人工神经网络对应的可执行代码，其中，可执行代码是根据人工神经的网络结构设置的。

在一些实施例中，确定单元进一步被配置成：获取组成人工神经网络的各个层分别对应的可执行代码，得到可执行代码集合；基于可执行代码集合，得到人工神经网络对应的可执行代码。

在一些实施例中，人工神经网络利用深度学习框架训练得到。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的用于处理信息的方法和装置，通过获取待处理信息；确定用于处理待处理信息的人工神经网络对应的可执行代码，其中，可执行代码用于实现人工神经网络的功能；基于可执行代码对待处理信息进行处理，得到处理结果信息，从而实现了利用可执行代码来完成人工神经网络对信息的处理，避免了编写配置文件利用深度学习框架来使用人工神经网络的过程。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；