模型部署方法、数据处理方法、装置、电子设备及介质与流程

1.本公开涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域。具体地，涉及一种模型部署方法、数据处理方法、装置、电子设备及介质。


背景技术：

2.随着计算机技术的发展，人工智能已经用到各种各样的技术领域，人工智能技术可以包括计算机视觉技术、语音识别技术、自然语言处理技术、机器学习、深度学习、大数据处理技术及知识图谱技术等。利用人工智能技术可以有效处理各种类型的数据，为用户较好的服务。


技术实现要素：

3.本公开提供了一种模型部署方法、数据处理方法、装置、电子设备以及存储介质。
4.根据本公开的一方面，提供了一种模型部署方法，包括：根据模型拆分模式，将预设模型拆分为客户端模型和服务器模型；向客户端发送上述客户端模型，以便上述客户端将上述客户端模型部署于上述客户端；将上述服务器模型部署于服务器。
5.根据本公开的另一方面，提供了一种数据处理方法，包括：接收来自客户端的转换向量数据，其中，上述转换向量数据是上述客户端利用客户端模型处理目标数据得到的；利用服务器模型处理上述转换向量数据，得到处理结果，其中，上述客户端模型是上述模型部署方法中的部署于上述客户端的客户端模型，上述服务器模型是上述模型部署方法中的部署于服务器的服务器模型。
6.根据本公开的另一方面，提供了一种数据处理方法，包括：利用客户端模型处理目标数据，得到转换向量数据；向服务器发送上述转换向量数据，以便上述服务器利用服务器模型处理上述转换向量数据，得到处理结果，其中，上述客户端模型是上述模型部署方法中的部署于客户端的客户端模型，上述服务器模型是上述模型部署方法中的部署于上述服务器的服务器模型。
7.根据本公开的另一方面，提供了一种模型部署装置，包括：拆分模块，用于根据模型拆分模式，将预设模型拆分为客户端模型和服务器模型；第一发送模块，用于向客户端发送上述客户端模型，以便上述客户端将上述客户端模型部署于上述客户端；以及第一部署模块，用于将上述服务器模型部署于服务器。
8.根据本公开的另一方面，提供了一种数据处理装置，包括：第一接收模块，用于接收来自客户端的转换向量数据，其中，上述转换向量数据是上述客户端利用客户端模型处理目标数据得到的；以及第一处理模块，用于利用服务器模型处理上述转换向量数据，得到处理结果，其中，上述客户端模型是上述模型部署装置中的部署于上述客户端的客户端模型，上述服务器模型是上述模型部署装置中的部署于服务器的服务器模型。
9.根据本公开的另一方面，提供了一种数据处理装置，包括：第二处理模块，用于利用客户端模型处理目标数据，得到转换向量数据；以及第三发送模块，用于向服务器发送上
述转换向量数据，以便上述服务器利用服务器模型处理上述转换向量数据，得到处理结果，其中，上述客户端模型是上述模型部署装置中的部署于客户端的客户端模型，上述服务器模型是上述模型部署装置中的部署于上述服务器的服务器模型。
10.根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，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，以使所述至少一个处理器能够执行如上所述的方法。
11.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如上所述的方法。
12.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方法。
13.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
14.附图用于更好地理解本方案，不构成对本公开的限定。其中：
15.图1示意性示出了根据本公开实施例的可以应用模型部署方法、数据处理方法及装置的示例性系统架构；
16.图2示意性示出了根据本公开实施例的模型部署方法的流程图；
17.图3示意性示出了根据本公开实施例的模型部署过程的示例示意图；
18.图4示意性示出了根据本公开另一实施例的数据处理方法的流程图；
19.图5示意性示出了根据本公开实施例的数据处理方法的流程图；
20.图6示意性示出了根据本公开实施例的数据处理方法的示意图；
21.图7示意性示出了根据本公开实施例的模型部署装置的框图；
22.图8示意性示出了根据本公开实施例的数据处理装置的框图；
23.图9示意性示出了根据本公开另一实施例的数据处理装置的框图；以及
24.图10示意性示出了根据本公开实施例的适于实现模型部署方法和数据处理方法的电子设备的框图。
具体实施方式
25.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
26.可以利用预设模型处理客户端的目标数据。针对预设模型的部署可以利用如下方式实现。客户端需要使用服务器提供的模型进行数据处理时，客户端希望能使用服务器提供的模型进行计算，但不希望服务器看到所要处理的内容，例如，机密文件等。同时，服务器希望满足客户端的使用需求，但需要对模型进行保护。
27.对模型的部署可以利用如下方式实现。
28.一种方式在于：完整的预设模型被部署于服务器。例如，将完整的预设模型部署于服务器，服务器向客户端提供应用程序接口，以便客户端可以利用服务器接口将目标数据发送至服务器，服务器利用预设模型处理目标数据，得到处理结果，再利用应用服务器接口向客户端发送处理结果。
29.另一种方式在于：完整的预设模型被部署于客户端。例如，将完整的预设模型部署于客户端，客户端利用预设模型处理目标数据，得到处理结果。
30.针对上述一种方式，由于预设模型全部部署于服务器，因此，使得客户端未对目标数据进行处理。客户端以明文形式将目标数据发送给服务器，由此，较难以保护客户端的目标数据的安全性。此外，由于服务器获取到的是明文形式的目标数据，因此，较难以限制服务器利用目标数据的方式和范围，进一步降低了目标数据的安全性。
31.针对上述另一种方式，由于是将完整的预设模型部署于客户端，因此，预设模型可能会被反推得到。如果预设模型被反推得到，则可能存在预设模型被二次分发的风险，由此，降低了服务器的预设模型的安全性。
32.为此，本公开实施例提出的方案在于：将完整的预设模型进行拆分，将模型的部分(即服务器模型)部署于服务器，模型的其他部分(即客户端模型)部署于客户端。将预设模型拆分为被部署于客户端的客户端模型和被部署于服务器的服务器模型，客户端模型可以用于对目标数据进行处理，得到处理后的目标数据，服务器模型可以用于对处理后的目标数据继续进行处理，得到处理结果。因此，使得服务器获取到的数据不是明文形式的目标数据而是处理后的非明文形式的目标数据。非明文形式的数据较难以被破解，由此，提高了客户端的目标数据的安全性。此外，由于部署于客户端的是客户端模型而不是完整的预设模型，因此，增加了客户端获得完整预设模型的难度，由此，提高了服务器的预设模型的安全性。
33.图1示意性示出了根据本公开实施例的可以应用模型部署方法、数据处理方法及装置的示例性系统架构。
34.如图1所示，根据该实施例的系统架构100可以包括客户端101、102、103，网络104和服务器105。网络104用以在客户端101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等。
35.用户可以使用客户端101、102、103通过网络104与服务器105交互，以接收或发送消息等。客户端101、102、103上可以安装有各种通讯客户端应用，例如知识阅读类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
36.客户端101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等。
37.例如，客户端101、102、103可以利用客户端模型处理目标数据，得到转换向量数据，向服务器105发送转换向量数据，以便服务器105利用服务器模型处理转换向量数据，得到处理结果。
38.服务器105可以是提供各种服务的服务器，例如对用户利用客户端101、102、103所浏览的内容提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
39.服务器105可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，解决了传统物理主机与vps服务(virtual private server，vps)中，存在的管理难度大，业务扩展性弱的缺陷。服务器105也可以为分布式系统的服务器，或者是结合了区块链的服务器。
40.例如，服务器105可以根据模型拆分模式，将预设模型拆分为客户端模型和服务器模型，向客户端101、102、103发送客户端模型，以便客户端101、102、103将客户端模型部署于客户端101、102、103，并将服务器模型部署于服务器105。
41.例如，服务器105可以接收来自客户端101、102、103的转换向量数据，转换向量数据是客户端101、102、103利用客户端模型处理目标数据得到的，并利用服务器模型处理转换向量数据，得到处理结果。
42.应该理解，图1中的客户端、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的客户端、网络和服务器。
43.图2示意性示出了根据本公开实施例的模型部署方法的流程图。
44.如图2所示，该方法200包括操作s210～s230。
45.在操作s210，根据模型拆分模式，将预设模型拆分为客户端模型和服务器模型。
46.在操作s220，向客户端发送客户端模型，以便客户端将客户端模型部署于客户端。
47.在操作s230，将服务器模型部署于服务器。
48.根据本公开的实施例，模型拆分模式可以是能够将完整的预设模型拆分为至少两个部分的拆分模式。模型拆分模式可以包括用于实现将完整的预设模型拆分为至少两个部分所需要的模型拆分规则。模型拆分规则可以包括基于预设模型的类型和基于预设模型的应用场景中的至少一项。
49.根据本公开的实施例，预设模型可以是完整的模型。例如预设模型可以是能够将客户端的目标数据处理成客户端需要的结果的模型。预设模型的结构可以根据客户端的目标数据的特征确定。目标数据可以包括音频数据、视频数据、图像数据或文本数据等。目标数据的特征可以包括音频频谱特征、视频频谱特征、图像像素特征或文本编码特征等。预设模型可以包括机器学习模型、深度学习模型、强化学习模型和迁移学习模型中的至少一项。
50.根据本公开的实施例，客户端模型可以是预设模型的一部分，被部署于客户端。服务器模型可以是预设模型的其他部分，被部署于服务器。客户端模型可以用于对目标数据进行处理，得到处理后的目标数据，服务器模型可以用于对处理后的目标数据继续进行处理，得到处理结果。客户端模型和服务器模型相配合，实现了预设模型所实现的功能。
51.根据本公开的实施例，在服务器获取到客户端模型和服务器模型之后，服务器模型可以根据服务器模型部署模式，将服务器模型部署于服务器。将可以将客户端模型发送给客户端，以便客户端可以根据客户端模型部署模式将客户端模型部署于客户端。
52.根据本公开的实施例，服务器模型部署模式可以是可用于将服务器模型部署于服务器的模型部署模式。服务器模型部署模式可以包括服务器模型部署规则，可用于将服务器模型部署于服务器。服务器模型部署规则可以包括对服务器模型运行模式进行修改的规则。
53.根据本公开的实施例，客户端模型部署模式可以是可用于将客户端模型部署于客户端的模型部署模式。客户端模型部署模式可以包括客户端模型部署规则，用于将客户端
模型部署于客户端。客户端模型部署规则可以包括对客户端模型运行模式进行修改的规则。
54.根据本公开的实施例，将预设模型拆分为被部署于客户端的客户端模型和被部署于服务器的服务器模型，客户端模型可以用于对目标数据进行处理，得到处理后的目标数据，服务器模型可以用于对处理后的目标数据继续进行处理，得到处理结果。因此，服务器获取到的数据不是明文形式的目标数据而是处理后的非明文形式的目标数据。非明文形式的数据较难以被破解，由此，提高了客户端的目标数据的安全性。此外，由于部署于客户端的是客户端模型而不是完整的预设模型，因此，增加了客户端获得完整预设模型的难度，由此，提高了服务器的预设模型的安全性。
55.根据本公开的实施例，操作s230可以包括如下操作。
56.对第一模型运行模式进行修改，得到修改后的第一模型运行模式，修改后的第一模型运行模式是服务器支持运行服务器模型的运行模式。利用修改后的第一模型运行模式，将服务器模型部署于服务器。
57.根据本公开的实施例，第一模型运行模式可以是服务器支持运行完整的预设模型部的运行模式。
58.根据本公开的实施例，可以根据服务器部署模式对第一模型运行模式进行修改，得到修改后的第一模型运行模式，使得修改后的第一模型运行模式是服务器支持运行服务器模型的运行模式。服务器模型部署模式可以包括服务器模型部署规则。服务器模型部署规则可以包括对第一模型运行模式(即服务器模型运行模式)进行修改的规则。
59.根据本公开的实施例，根据服务器模型部署模式对第一模型运行模式进行修改，得到修改后的第一模型运行模式可以包括：根据服务器模型部署规则对第一模型运行模式的相关参数进行调整，得到修改后的第一模型运行模式。第一模型运行模式的相关参数可以包括服务器运行预设模型所利用的参数。
60.根据本公开的实施例，在获得修改后的第一模型运行模式之后，可以利用修改后的第一模型运行模式，将服务器模型部署于服务器，以支持运行服务器模型，便于利用服务器模型进行数据处理。
61.根据本公开的实施例，根据模型拆分模式，将预设模型拆分为客户端模型和服务器模型可以包括如下操作。
62.根据预设模型的类型和预设模型的应用场景，将预设模型拆分为客户端模型和服务器模型。
63.根据本公开的实施例，预设模型的类型可以包括机器学习模式、深度学习模型、强化学习模型和迁移学习模型中的至少一项。机器学习模型可以包括随机森林模型或决策树模型等。深度学习模型可以包括卷积神经网络模型、循环神经网络模型或深度神经网络模型等。
64.根据本公开的实施例，预设模型的应用场景可以包括文本翻译、图像识别、目标检测、图像分割和语音识别等中的至少一项。
65.根据本公开的实施例，在确定预设模型的类型和预设模型的应用场景之后，可以根据预设模型的类型和应用场景，确定模型拆分模式，使得在利用部署于客户端的客户端模型和部署于服务器的服务器模型进行数据处理的情况下，能够有效保护数据的安全性。
66.根据本公开的实施例，客户端模型是加密后的模型。
67.根据本公开的实施例，可以利用加密方法对客户端模型进行加密，加密方法可以包括同态加密方法、秘密分享方法或差分隐私方法中的至少一项。
68.根据本公开的实施例，通过对部署于客户端的客户端模型进行加密，增加了对客户端模型的保护力度，提高了服务器的预设模型的安全性。
69.根据本公开的实施例，预设模型包括神经网络模型，神经网络模型包括输入层、n个隐层和输出层，客户端模型包括输入层和第1隐层至第m隐层，服务器模型包括输出层和第(m 1)隐层至第n隐层，n是大于或等于2的整数，(m 1)是小于n的整数，m是大于或等于1的整数。
70.根据本公开的实施例，神经网络模型可以包括n个隐层，n的数值可以根据实际业务需求进行配置，在此不作限定。可以根据预设模型的类型和预设模型的应用场景确定m的数值。
71.例如，n＝2。客户端模型可以包括第1隐层，服务器模型可以包括第2隐层。
72.例如，n＝4。客户端模型可以包括第1隐层，服务器模型可以包括第2隐层至第4隐层。备选地，客户端模型可以包括第1隐层和第2隐层，服务器模型可以包括第3隐层和第4隐层。备选地，客户端模型可以包括第1隐层至第3隐层，服务器模型可以包括第4隐层。
73.图3示意性示出了根据本公开实施例的模型部署过程的示例示意图。本领域技术人员可以理解，图3所示的实施例仅作为示例，用于理解本公开实施例，而不应被看作是本公开实施例的限制。
74.如图3所示，在该过程300中，预设模型301可以包括输入层3010、隐层集3011和输出层3012，隐层集3011包括n个隐层，在本示例中，n＝3。图3中的
“○”
表征神经元。图3中两个神经元之间的
“→”
表征可以将经第一神经元处理后得到的数据，按照箭头方向从第一神经元传递至第二神经元。第一神经元表征位于
“→”
左侧的神经元，第二神经元表征位于
“→”
右侧的神经元。隐层集3011包括3个隐层，即，第1隐层、第2隐层和第3隐层。
75.根据模型拆分模式，将预设模型301拆分为部署于客户端的客户端模型302和部署于服务器的服务器模型303。客户端模型302包括输出层3010和隐层子集3011
c
，隐层子集3011
c
包括第1隐层和第2隐层。服务器模型303包括输出层3012和隐层子集3011
s
，隐层子集3011
s
包括第3隐层。
76.图4示意性示出了根据本公开实施例的数据处理方法的流程图。
77.如图4所示，该方法400包括操作s410～s420。
78.在操作s410，接收来自客户端的转换向量数据，其中，转换向量数据是客户端利用客户端模型处理目标数据得到的。
79.在操作s420，利用服务器模型处理转换向量数据，得到处理结果。
80.根据本公开的实施例，客户端模型是上述模型部署方法中的部署于客户端的客户端模型，服务器模型是上述模型部署方法中的部署于服务器的服务器模型。
81.根据本公开的实施例，目标数据可以包括音频数据、视频数据、图像数据或文本数据等。目标数据所具有的特征可以包括音频频谱特征、视频频谱特征、图像像素特征或文本编码特征等。预设模型可以包括机器学习模型、深度学习模型、强化学习模型和迁移学习模型中的至少一项。
82.根据本公开的实施例，转换向量数据可以是客户端利用客户端模型对目标数据进行特征提取之后得到的数据，即，客户端将目标数据输入客户端模型，得到转换向量数据。
83.根据本公开的实施例，目标数据可以是明文形式的数据，转换向量数据可以是非明文形式的数据。客户端利用客户端模型将目标数据从明文形式的数据转换成非明文形式的数据，由于非明文形式的数据较难以被破解，因此，提高了客户端的目标数据的安全性。
84.根据本公开的实施例，服务器接收到来自客户端的转换向量数据，利用服务器模型对转换向量数据进行处理，得到处理结果。
85.根据本公开的实施例，客户端模型可以用于对目标数据进行处理，得到转换向量数据，服务器模型可以用于转换向量数据继续进行处理，得到处理结果。因此，服务器获取到的数据不是明文形式的目标数据而是非明文形式的转换向量数据。非明文形式的转换向量数据较难以被破解，由此，提高了客户端的目标数据的安全性。此外，由于部署于客户端的是客户端模型而不是完整的预设模型，因此，增加了客户端获得完整预设模型的难度，由此，提高了服务器的预设模型的安全性。
86.根据本公开的实施例，转换向量数据是加密后的转换向量数据。
87.根据本公开的实施例，客户端可以利用加密方法对转换向量数据进行加密，得到加密后的转换向量数据，加密方法可以包括同态加密方法、秘密分享方法或差分隐私方法中的至少一项。
88.根据本公开的实施例，通过利用客户端模型对目标数据进行处理，得到转换向量数据，再对转换向量数据进行加密，进一步增加了对目标数据的保护力度，提高了客户端的目标数据的安全性。
89.根据本公开的实施例，上述数据处理方法还可以包括如下操作。
90.向客户端发送处理结果，以便客户端展示处理结果。
91.根据本公开的实施例，在利用服务器模型对接收来自客户端的转换向量数据进行处理，得到处理结果之后，服务器可以将处理结果发送给客户端，客户端可以对处理结果进行展示。展示的形式可以根据实际业务需求进行设定，在此不作限定，例如，展示的形式可以包括文本形式、图像形式或音频形式。
92.图5示意性示出了根据本公开另一实施例的数据处理方法的流程图。
93.如图5所示，该方法500包括操作s510～s520。
94.在操作s510，利用客户端模型处理目标数据，得到转换向量数据。
95.在操作s520，向服务器发送转换向量数据，以便服务器利用服务器模型处理转换向量数据，得到处理结果。
96.根据本公开的实施例，客户端模型是上述模型部署方法中的部署于客户端的客户端模型，服务器模型是上述模型部署方法中的部署于服务器的服务器模型。
97.根据本公开的实施例，客户端模型可以用于对目标数据进行处理，得到转换向量数据，服务器模型可以用于转换向量数据继续进行处理，得到处理结果。因此，服务器获取到的数据不是明文形式的目标数据而是非明文形式的转换向量数据。非明文形式的转换向量数据较难以被破解，由此，提高了客户端的目标数据的安全性。此外，由于部署于客户端的是客户端模型而不是完整的预设模型，因此，增加了客户端获得完整预设模型的难度，由此，提高了服务器的预设模型的安全性。
98.根据本公开的实施例，上述数据处理方法还可以包括如下操作。
99.对转换向量数据进行加密处理，得到加密向量数据。
100.根据本公开的实施例，操作s520可以包括如下操作。
101.向服务器发送加密向量数据，以便服务器利用服务器模型处理加密向量数据，得到处理结果。
102.根据本公开的实施例，客户端可以利用加密方法对转换向量数据进行加密，得到加密后的转换向量数据，加密方法可以包括同态加密方法、秘密分享方法或差分隐私方法中的至少一项。
103.根据本公开的实施例，通过利用客户端模型对目标数据进行处理，得到转换向量数据，再对转换向量数据进行加密，进一步增加了对目标数据的保护力度，提高了客户端的目标数据的安全性。
104.根据本公开的实施例，上述数据处理方法还可以包括如下操作。
105.接收来自服务器的处理结果。展示处理结果。
106.根据本公开的实施例，上述数据处理方法还可以包括如下操作。
107.接收来自服务器的客户端模型。将客户端模型部署于所述客户端。
108.根据本公开的实施例，在客户端获取到客户端模型之后，客户端可以根据客户端模型部署模式将客户端模型部署于客户端。客户端模型部署模式可以理解能够将客户端模型部署于客户端的模型部署模式。
109.根据本公开的实施例，将客户端模型部署于客户端可以包括如下操作。
110.对第二模型运行模式进行修改，得到修改后的第二模型运行模式，修改后的第二模型运行模式是客户端支持运行客户端模型的运行模式。利用修改后的第二模型运行模式将客户端模型部署于客户端。
111.根据本公开的实施例，第二模型运行模式可以是客户端支持运行完整的预设模型的运行模式。
112.根据本公开的实施例，可以根据客户端部署模式对第二模型运行模式进行修改，得到修改后的第二模型运行模式，使得修改后的第二模型运行模式是客户端支持运行客户端模型的运行模式。客户端模型部署模式可以包括客户端模型部署规则。客户端模型部署规则可以包括对第二模型运行模式(即客户端模型运行模式)进行修改的规则。
113.根据本公开的实施例，根据客户端模型部署模式对第二模型运行模式进行修改，得到修改后的第二模型运行模式可以包括：根据客户端模型部署规则对第二模型运行模式的相关参数进行调整，得到修改后的第二模型运行模式。第二模型运行模式的相关参数可以包括客户端运行预设模型所利用的参数。
114.根据本公开的实施例，在获得修改后的第二模型运行模式之后，可以利用修改后的第二模型运行模式，将客户端模型部署于客户端，以支持运行客户端模型，便于利用客户端模型进行数据处理。
115.根据本公开的实施例，利用修改后的第二模型运行模式将客户端模型部署于客户端可以包括如下操作。
116.在确定客户端是应用程序客户端的情况下，利用修改后的第二模型运行模式，将客户端模型以软件开发工具包的形式部署于客户端。在确定客户端是网页客户端的情况
下，利用修改后的第二模型运行模式，基于网页前端方法将客户端模型部署于客户端。
117.根据本公开的实施例，应用程序(application，app)可以是为完成某项或多项工作的计算机程序。应用程序运行在用户模式，可以和用户进行交互，具有可视的用户界面。应用程序是用户所使用的软件的执行程序。
118.根据本公开的实施例，软件开发工具包(software development kit，sdk，sdk)可以包括被软件工程师用于为特定的软件包、软件框架、硬件平台或操作系统等建立应用软件的开发工具的集合。
119.根据本公开的实施例，网页客户端可以包括web浏览器。网页前端方法可以包括webassembly。
120.根据本公开的实施例，客户端如果确定是应用程序客户端，则可以利用修改后的第二模型运行模式，基于软件开发工具包提供的接口将客户端模型部署于客户端。客户端如果确定客户端是网页客户端，则可以利用修改后的第二模型运行模式，基于网页前端的方式将客户端模型部署于客户端。
121.下面参考图6，结合具体实施例对根据本公开实施例所述的数据处理方法做进一步说明。
122.图6示意性示出了根据本公开实施例的数据处理方法的示意图。
123.如图6所示，在该方法600中，客户端602利用客户端模型603对目标数据601处理，得到转换向量数据604。客户端602将转换向量数据604发送给服务器605。
124.服务器605利用服务器模型606对转换向量数据604进行处理，得到处理结果607。服务器605将处理结果607发送给客户端602。
125.以上仅是示例性实施例，但不限于此，还可以包括本领域已知的其他模型部署方法和数据处理方法，只要能够模型部署和数据处理即可。
126.需要说明的是，本公开的技术方案中，所涉及的目标数据和预设模型的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
127.图7示意性示出了根据本公开实施例的模型部署装置的框图。
128.如图7所示，模型部署装置700可以包括拆分模块710、第一发送模块720和第一部署模块730。
129.拆分模块710，用于根据模型拆分模式，将预设模型拆分为客户端模型和服务器模型。
130.第一发送模块720，用于向客户端发送客户端模型，以便客户端将客户端模型部署于客户端。
131.第一部署模块730，用于将服务器模型部署于服务器。
132.根据本公开的实施例，第一部署模块730可以包括修改子模块和第一部署子模块。
133.修改子模块，用于对第一模型运行模式进行修改，得到修改后的第一模型运行模式，修改后的第一模型运行模式是服务器支持运行服务器模型的运行模式。
134.第一部署子模块，利用修改后的第一模型运行模式，将服务器模型部署于服务器。
135.根据本公开的实施例，拆分模块710可以包括拆分子模块。
136.拆分子模块，用于根据预设模型的类型和预设模型的应用场景，将预设模型拆分为客户端模型和服务器模型。
137.根据本公开的实施例，客户端模型是加密后的模型。
138.根据本公开的实施例，预设模型包括神经网络模型，神经网络模型包括输入层、n个隐层和输出层，客户端模型包括输入层和第1隐层至第m隐层，服务器模型包括输出层和第(m 1)隐层至第n隐层，n是大于或等于2的整数，(m 1)是小于n的整数，m是大于或等于1的整数。
139.图8示意性示出了根据本公开实施例的数据处理装置的框图。
140.如图8所示，数据处理装置800可以包括第一接收模块810和第一处理模块820。
141.第一接收模块810，用于接收来自客户端的转换向量数据，其中，转换向量数据是客户端利用客户端模型处理目标数据得到的。
142.第一处理模块820，用于利用服务器模型处理转换向量数据，得到处理结果。
143.根据本公开的实施例，客户端模型是上述模型部署装置中的部署于客户端的客户端模型，服务器模型是上述模型部署装置中的部署于服务器的服务器模型。
144.根据本公开的实施例，转换向量数据是加密后的转换向量数据。
145.根据本公开的实施例，上述数据处理装置800还可以包括第二发送模块。
146.第二发送模块，用于向所述客户端发送所述处理结果，以便所述客户端展示所述处理结果。
147.图9示意性示出了根据本公开另一实施例的数据处理装置的框图。
148.如图9所示，数据处理装置900可以包括第二处理模块910和第三发送模块920。
149.第二处理模块910，用于利用客户端模型处理目标数据，得到转换向量数据。
150.第三发送模块920，用于向服务器发送转换向量数据，以便服务器利用服务器模型处理转换向量数据，得到处理结果。
151.根据本公开的实施例，客户端模型是上述模型部署装置中的部署于客户端的客户端模型，服务器模型是上述模型部署装置中的部署于服务器的服务器模型。
152.根据本公开的实施例，上述数据处理装置900还可以包括第二接收模块和第二部署模块。
153.第二接收模块，用于接收来自服务器的客户端模型。
154.第二部署模块，用于将客户端模型部署于客户端。
155.根据本公开的实施例，第二部署模块可以包括获得子模块和第二部署子模块。
156.获得子模块，用于对第二模型运行模式进行修改，得到修改后的第二模型运行模式，其中，修改后的第二模型运行模式是客户端支持运行客户端模型的运行模式。
157.第二部署子模块，用于利用修改后的第二模型运行模式将客户端模型部署于客户端。
158.根据本公开的实施例，第二部署子模块可以包括第一部署单元和第二部署单元。
159.第一部署单元，用于在确定客户端是应用程序客户端的情况下，利用修改后的第二模型运行模式，将客户端模型以软件开发工具包的形式部署于客户端。
160.第二部署单元，用于在确定客户端是网页客户端的情况下，利用修改后的第二模型运行模式，基于网页前端方法将客户端模型部署于客户端。
161.根据本公开的实施例，上述数据处理装置900还可以包括加密模块。
162.加密模块，用于对转换向量数据进行加密处理，得到加密向量数据。
163.根据本公开的实施例，第三发送模块920可以包括发送子模块。
164.发送子模块，用于向服务器发送加密向量数据，以便服务器利用服务器模型处理加密向量数据，得到处理结果。
165.根据本公开的实施例，上述数据处理装置900还可以包括第三接收模块和展示模块。
166.第三接收模块，用于接收来自服务器的处理结果。
167.展示模块，用于展示处理结果。
168.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
169.根据本公开的实施例，一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如上所述的方法。
170.根据本公开的实施例，一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行如上所述的方法。
171.根据本公开的实施例，一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如上所述的方法。
172.图10示意性示出了根据本公开实施例的适于实现模型部署方法和数据处理方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
173.如图10所示，电子设备1000包括计算单元1001，其可以根据存储在只读存储器(rom)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(ram)1003中的计算机程序，来执行各种适当的动作和处理。在ram 1003中，还可存储电子设备1000操作所需的各种程序和数据。计算单元1001、rom 1002以及ram 1003通过总线1004彼此相连。输入/输出(i/o)接口1005也连接至总线1004。
174.电子设备1000中的多个部件连接至i/o接口1005，包括：输入单元1006，例如键盘、鼠标等；输出单元1007，例如各种类型的显示器、扬声器等；存储单元1008，例如磁盘、光盘等；以及通信单元1009，例如网卡、调制解调器、无线通信收发机等。通信单元1009允许电子设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
175.计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理，例如模型部署方法和数据处理方法。例如，在一些实施例中，模型部署方法和数据处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由rom 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到ram 1003并由计算单元1001执行时，可
以执行上文描述的模型部署方法和数据处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行模型部署方法和数据处理方法。
176.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
177.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
178.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd
‑
rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
179.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
180.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
181.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端
‑
服务器关系的计
算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以是分布式系统的服务器，或者是结合了区块链的服务器。
182.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
183.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。