训练流水线模型的生成方法、装置、设备以及存储介质与流程

1.本公开涉及深度学习、计算机视觉等人工智能技术领域，具体涉及一种训练流水线模型的生成方法、装置、设备以及存储介质。


背景技术：

2.随着科技的不断进步发展，越来越多的企业会将自己的产品数据进行模型训练，以加快产品的研发进度。
3.但是，大部分企业自生的算法研发能力有限，需要依赖第三方提供的训练流水线，因此，企自身的产品数据存在泄漏的风险；而且，目前通用的模型训练方法，会有很多重复性工作，需要耗费大量人力以及时间。
4.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

5.本公开提供了一种用于训练流水线模型的生成的方法、装置、设备以及存储介质。
6.根据本公开的一方面，提供了一种训练流水线模型的生成方法，其中，包括：获取预先设置的配置文件和数据处理函数，其中，上述配置文件包括用于生成训练流水线模型的至少一个训练参数，上述数据处理函数包括训练处理函数和服务处理函数；将多个上述训练参数和上述训练处理函数嵌入至训练代码模板中，生成上述训练代码文件，其中，上述训练代码模板基于上述配置文件得到；获取与上述配置文件对应的推理代码和服务架构框架，将上述推理代码、上述服务架构框架和上述服务处理函数嵌入至服务代码模板中，生成上述服务代码文件；基于上述训练代码文件和上述服务代码文件生成上述训练流水线模型。
7.可选的，上述获取上述数据处理函数，包括：从预先设置的训练处理模块中获取上述训练处理函数，以及从预先设置的训练处理模块中获取上述服务处理函数。
8.可选的，在将上述训练参数和上述训练处理函数嵌入至训练代码模板中，生成上述训练代码文件之前，上述方法还包括：采用训练模块为生成上述训练流水线模型提供多个训练代码模板，其中，上述训练代码中包含：深度学习任务训练代码；从多个训练代码模板中选取与上述配置文件对应的上述训练代码模板。
9.可选的，上述获取与上述配置文件对应的推理代码和服务架构框架，包括：从服务部署模块获取与上述配置文件对应的上述推理代码和上述服务架构框架，其中，上述服务部署模块用于为生成上述训练流水线模型提供对应的上述推理代码和上述服务架构框架，上述推理代码用于为上述训练流水线模型提供模型推理服务，上述服务架构框架用于为上述训练流水线模型搭建训练服务。
10.可选的，在生成上述训练代码文件之前，上述方法还包括：获取预先配置的模型加解密模块与鉴权模块；将上述模型加解密模块与上述鉴权模块嵌入至上述训练代码文件中。
11.可选的，在生成上述服务代码文件之前，上述方法还包括：获取预先配置的模型加解密模块与鉴权模块；将上述模型加解密模块与上述鉴权模块嵌入至上述服务代码文件。
12.可选的，上述基于上述训练代码文件和上述服务代码文件生成上述训练流水线模型，包括：对上述训练代码文件和上述服务代码文件进行加固处理，生成加固后代码文件；采用上述加固后代码文件生成上述训练流水线模型。
13.根据本公开的另一方面，提供了一种训练流水线模型的生成装置，其中，包括：获取模块，用于获取预先设置的配置文件和数据处理函数，其中，上述配置文件包括用于生成训练流水线模型的至少一个训练参数，上述数据处理函数包括训练处理函数和服务处理函数；第一生成模块，用于将多个上述训练参数和上述训练处理函数嵌入至训练代码模板中，生成上述训练代码文件，其中，上述训练代码模板基于上述配置文件得到；第二生成模块，用于获取与上述配置文件对应的推理代码和服务架构框架，将上述推理代码、上述服务架构框架和上述服务处理函数嵌入至服务代码模板中，生成上述服务代码文件；处理模块，用于基于上述训练代码文件和上述服务代码文件生成上述训练流水线模型。
14.可选的，上述获取模块，包括：第一获取单元，用于从预先设置的训练处理模块中获取上述训练处理函数，以及从预先设置的训练处理模块中获取上述服务处理函数。
15.可选的，上述第一生成模块，包括：供给单元，用于采用训练模块为生成上述训练流水线模型提供多个训练代码模板，其中，上述训练代码中包含：深度学习任务训练代码；选取单元，用于从多个训练代码模板中选取与上述配置文件对应的上述训练代码模板。
16.可选的，上述第二生成模块，包括：第二获取单元，用于从服务部署模块获取与上述配置文件对应的上述推理代码和上述服务架构框架，其中，上述服务部署模块用于为生成上述训练流水线模型提供对应的上述推理代码和上述服务架构框架，上述推理代码用于为上述训练流水线模型提供模型推理服务，上述服务架构框架用于为上述训练流水线模型搭建训练服务。
17.可选的，上述第一生成模块还包括：第三获取单元，用于获取预先配置的模型加解密模块与鉴权模块；第一嵌入单元，用于将上述模型加解密模块与上述鉴权模块嵌入至上述训练代码文件中。
18.可选的，上述第二生成模块，还包括：第四获取单元，用于获获取预先配置的模型加解密模块与鉴权模块；第二嵌入单元，用于将上述模型加解密模块与上述鉴权模块嵌入至上述服务代码文件。
19.可选的，上述处理模块，包括：加固单元，用于对上述训练代码文件和上述服务代码文件进行加固处理，生成加固后代码文件；生成单元，用于采用上述加固后代码文件生成上述训练流水线模型。
20.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；以及与上述至少一个处理器通信连接的存储器；其中，上述存储器存储有可被上述至少一个处理器执行的指令，上述指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行任一项上述的训练流水线模型的生成方法。
21.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，上述计算机指令用于使上述计算机执行任一项上述的训练流水线模型的生成方法。
22.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，上述计算机程序在被处理器执行时实现任一项上述的训练流水线模型的生成方法。
23.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
24.附图用于更好地理解本方案，不构成对本公开的限定。其中：
25.图1是根据本公开实施例的训练流水线模型的生成方法的步骤流程示意图；
26.图2是根据本公开实施例的训练流水线模型生成过程示意图；
27.图3是根据本公开实施例的训练流水线模型的生成装置的结构示意图；
28.图4示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。
具体实施方式
29.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。
30.需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
31.根据本公开实施例，提供了一种训练流水线模型的生成方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
32.图1是根据本公开第一实施例的训练流水线模型的生成方法的步骤流程示意图，如图1所示，该方法包括如下步骤：
33.步骤s102，获取预先设置的配置文件和数据处理函数，其中，上述配置文件包括用于生成训练流水线模型的至少一个训练参数，上述数据处理函数包括训练处理函数和服务处理函数；
34.步骤s104，将多个上述训练参数和上述训练处理函数嵌入至训练代码模板中，生成上述训练代码文件，其中，上述训练代码模板基于上述配置文件得到；
35.步骤s106，获取与上述配置文件对应的推理代码和服务架构框架，将上述推理代码、上述服务架构框架和上述服务处理函数嵌入至服务代码模板中，生成上述服务代码文件；
36.步骤s108，基于上述训练代码文件和上述服务代码文件生成上述训练流水线模
型。
37.在本公开实施例中，通过获取预先设置的配置文件、训练处理函数和服务处理函数，并根据上述配置文件生成对应的训练参数以及训练代码模版；将多个上述训练参数嵌入上述训练代码模版，生成上述训练代码文件；获取与上述配置文件对应的推理代码和服务架构框架，将上述推理代码、上述服务架构框架和上述服务处理函数嵌入上述服务代码模板中，生成上述服务代码文件；最后基于上述训练代码文件和上述服务代码文件生成上述训练流水线模型。
38.需要说明的是，上述配置文件可以是系统预先生成的默认配置文件，也可以是人为预先设置得到的，例如，基于上述配置文件用于确定后续生成流水线模型采用哪个模板、以及一些超参数如何设定，上述配置文件中包括一些必填字段，例如：使用什么训练模板、数据处理函数等，上述必填字段可以通过可视化页面填写这些字段，在可视化页面中，每个必填字段都有固定选项，选择相对应的选项后，可以选择的选项自动生成最终配置文件；或者在填入上述必填字段时，也可以手动按照格式手动编写，根据编写结果生成最终配置文件。
39.可选的，上述训练参数包括：学习率、训练轮数等超参数，训练模板里面包含这些字段填写的地方，上述整合模块会直接将这些超参数填写到对应位置；部分超参数可以不在配置文件中给出，在该部分超参数不明确给出的时候，整合模块可以直接将预先写死的训练参数填写到对应位置。
40.在本公开实施例中，如图2所示的训练流水线模型生成过程示意图，将原本完整的训练流水线模型拆分成几大模块，分别为训练处理模块、训练模块、服务部署模块、数据处理模块、整合模块，除了这些模块之外还包括一个配置模板，用户可以依照这个模板去填写上述配置文件。
41.需要说明的是，数据处理模块、训练处理模块主要作用为进行算法训练、预测过程中的数据预处理、后处理，里面包括各种常用的预处理后处理函数，还可以自定义输出处理函数。
42.在一种可选的实施例中，上述获取上述数据处理函数，包括：
43.步骤s202，从预先设置的训练处理模块中获取上述训练处理函数，以及从预先设置的训练处理模块中获取上述服务处理函数。
44.在本公开实施例中，上述训练处理函数以及上述服务处理函数均从预先设置的训练处理模块中获得。
45.需要说明的是，上述训练处理模块用于存储上述整合模块生成的上述训练处理函数以及上述服务处理函数。作为一种可选的实施例，在选取相应的数据处理函数时，上述配置文件中会给出数据处理函数使用信息，上述整合模块会依据配置文件给出的数据处理函数使用信息，去嵌入到预留的位置。
46.在一种可选的实施例中，在将上述训练参数和上述训练处理函数嵌入至训练代码模板中，生成上述训练代码文件之前，上述方法还包括：
47.步骤s302，采用训练模块为生成上述训练流水线模型提供多个训练代码模板，其中，上述训练代码中包含：深度学习任务训练代码；
48.步骤s304，从多个训练代码模板中选取与上述配置文件对应的上述训练代码模
板。
49.在本公开实施例中，获取上述训练模块中的多个训练代码模版，并采用整合模块读取上述配置文件，依据配置文件，从多个训练代码模板中选取与上述配置文件对应的上述训练代码模板。
50.需要说明的是，训练模块为模型训练代码，里面包括常见的深度学习任务训练代码，例如：图像处理场景、图像识别场景，目标检测场景、物体分类场景等，在生成训练流水线模型的时候，以这些代码为模板，生成最终训练代码。一个完整的训练代码文件包括了数据处理部分，训练代码模板中包括了数据处理部分的接口，绝大部分训练任务的数据处理部分都是由常见的几种处理函数组成的。
51.在一种可选的实施例中，上述获取与上述配置文件对应的推理代码和服务架构框架，包括：
52.步骤s402，从服务部署模块获取与上述配置文件对应的上述推理代码和上述服务架构框架，其中，上述服务部署模块用于为生成上述训练流水线模型提供对应的上述推理代码和上述服务架构框架，上述推理代码用于为上述训练流水线模型提供模型推理服务，上述服务架构框架用于为上述训练流水线模型搭建训练服务。
53.在本公开实施例中，上述整合模块依据上述配置文件从上述服务部署模块中获取与上述配置文件对应的上述推理代码和上述服务架构框架，然后从数据处理模块中选取后处理函数一起组成服务代码文件。
54.需要说明的是，上述服务部署模块用于为生成上述训练流水线模型提供对应的上述推理代码和上述服务架构框架，上述推理代码用于为上述训练流水线模型提供模型推理服务，上述服务架构框架用于为上述训练流水线模型搭建训练服务；上述服务部署模块包括部分常见任务的推理代码以及服务架构框架，当训练完模型后，用于搭建最终服务。
55.在一种可选的实施例中，在生成上述训练代码文件之前，上述方法还包括：
56.步骤s502，获取预先配置的模型加解密模块与鉴权模块；
57.步骤s504，将上述模型加解密模块与上述鉴权模块嵌入至上述训练代码文件中。
58.在本公开实施例中，获取预先配置的模型加解密模块与鉴权模块；将上述模型加解密模块与上述鉴权模块嵌入至上述训练代码文件中，同时将模型加解密、鉴权模块也嵌入到训练模型中生成最终的训练代码文件。
59.在一种可选的实施例中，在生成上述服务代码文件之前，上述方法还包括：
60.步骤s602，获取预先配置的模型加解密模块与鉴权模块；
61.步骤s604，将上述模型加解密模块与上述鉴权模块嵌入至上述服务代码文件。
62.在本公开实施例中，获取预先配置的模型加解密模块与鉴权模块；将上述模型加解密模块与上述鉴权模块嵌入至上述服务代码文件，生成最终服务代码文件。
63.需要说明的是，上述模型加解密模块与上述鉴权模块均由上述整合模块提供；上述整合模块还可以用于生成加解密代码、鉴权代码、推理代码等。
64.在一种可选的实施例中，上述基于上述训练代码文件和上述服务代码文件生成上述训练流水线模型，包括：
65.步骤s702，对上述训练代码文件和上述服务代码文件进行加固处理，生成加固后代码文件；
66.步骤s704，采用上述加固后代码文件生成上述训练流水线模型。
67.在本公开实施例中，在生成了训练代码文件以及服务代码文件后，整合模块会调用代码加固模块对代码进行加固，生成不可读的加密代码，使文件变为不可读文件，采用上述加固后代码文件生成上述训练流水线模型。在使用的时候，需要将训练代码训练出来的训练模型放到服务代码所在指定的位置。
68.需要说明的是，上述训练模型指的是训练出来的模型权重等文件，训练代码会将训练出来的模型存在固定文件夹，服务代码会指定一个文件夹去读取模型权重等，直接将训练出来的模型权重等文件拷贝到服务代码指定的文件夹即可。
69.通过本公开实施例，采用获取预先设置的配置文件和数据处理函数，其中，上述配置文件包括用于生成训练流水线模型的至少一个训练参数，上述数据处理函数包括训练处理函数和服务处理函数；将多个上述训练参数和上述训练处理函数嵌入至训练代码模板中，生成上述训练代码文件，其中，上述训练代码模板基于上述配置文件得到；获取与上述配置文件对应的推理代码和服务架构框架，将上述推理代码、上述服务架构框架和上述服务处理函数嵌入至服务代码模板中，生成上述服务代码文件；基于上述训练代码文件和上述服务代码文件生成上述训练流水线模型的技术方案，将代码模板化、模块化，能够仅通过一个配置文件自动生成整个训练流水线代码，减少开发难度、减少重复工作，提升交付效率，整合模块直接生成的训练、服务代码，方便管理，没有冗余功能，更具有针对性。当已有模板满足不了需求的时候，还可以通过自定义的方式扩充各个模块的函数、模板，尽可能的减少了开发量，并且后续还能方便的重复利用。
70.根据本公开实施例，还提供了一种用于实施上述训练流水线模型的生成方法的装置实施例，图3是根据本公开第二实施例的训练流水线模型的生成装置的结构示意图，如图3所示，上述训练流水线模型的生成装置，包括：获取模块40、第一生成模块42、第二生成模块44和处理模块46，其中：
71.获取模块40，用于获取预先设置的配置文件和数据处理函数，其中，上述配置文件包括用于生成训练流水线模型的至少一个训练参数，上述数据处理函数包括训练处理函数和服务处理函数；
72.第一生成模块42，用于将多个上述训练参数和上述训练处理函数嵌入至训练代码模板中，生成上述训练代码文件，其中，上述训练代码模板基于上述配置文件得到；
73.第二生成模块44，用于获取与上述配置文件对应的推理代码和服务架构框架，将上述推理代码、上述服务架构框架和上述服务处理函数嵌入至服务代码模板中，生成上述服务代码文件；
74.处理模块46，用于基于上述训练代码文件和上述服务代码文件生成上述训练流水线模型。
75.在本公开实施例中，上述获取模块，包括：第一获取单元，用于从预先设置的训练处理模块中获取上述训练处理函数，以及从预先设置的训练处理模块中获取上述服务处理函数。
76.在本公开实施例中，上述第一生成模块，包括：供给单元，用于采用训练模块为生成上述训练流水线模型提供多个训练代码模板，其中，上述训练代码中包含：深度学习任务训练代码；选取单元，用于从多个训练代码模板中选取与上述配置文件对应的上述训练代
码模板。
77.在本公开实施例中，上述第二生成模块，包括：第二获取单元，用于从服务部署模块获取与上述配置文件对应的上述推理代码和上述服务架构框架，其中，上述服务部署模块用于为生成上述训练流水线模型提供对应的上述推理代码和上述服务架构框架，上述推理代码用于为上述训练流水线模型提供模型推理服务，上述服务架构框架用于为上述训练流水线模型搭建训练服务。
78.在本公开实施例中，上述第一生成模块还包括：第三获取单元，用于获取预先配置的模型加解密模块与鉴权模块；第一嵌入单元，用于将上述模型加解密模块与上述鉴权模块嵌入至上述训练代码文件中。
79.在本公开实施例中，上述第二生成模块，还包括：第四获取单元，用于获获取预先配置的模型加解密模块与鉴权模块；第二嵌入单元，用于将上述模型加解密模块与上述鉴权模块嵌入至上述服务代码文件。
80.在本公开实施例中，上述处理模块，包括：加固单元，用于对上述训练代码文件和上述服务代码文件进行加固处理，生成加固后代码文件；生成单元，用于采用上述加固后代码文件生成上述训练流水线模型。
81.需要说明的是，上述各个模块是可以通过软件或硬件来实现的，例如，对于后者，可以通过以下方式实现：上述各个模块可以位于同一处理器中；或者，上述各个模块以任意组合的方式位于不同的处理器中。
82.此处需要说明的是，上述获取模块40、第一生成模块42、第二生成模块44和处理模块46对应于实施例1中的步骤s102至步骤s108，上述模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在计算机终端中。
83.需要说明的是，本实施例的可选或优选实施方式可以参见实施例1中的相关描述，此处不再赘述。
84.上述的训练流水线模型的生成装置还可以包括处理器和存储器，上述获取模块40、第一生成模块42、第二生成模块44和处理模块46等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
85.处理器中包含内核，由内核去存储器中调取相应的程序单元，上述内核可以设置一个或以上。存储器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)，存储器包括至少一个存储芯片。
86.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
87.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。
88.图4示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。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。
89.如图4所示，设备800包括计算单元801，其可以根据存储在只读存储器(rom)802中的计算机程序或者从存储单元808加载到随机访问存储器(ram)803中的计算机程序，来执行各种适当的动作和处理。在ram 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、rom 802以及ram 803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。
90.设备800中的多个部件连接至i/o接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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。
91.计算单元801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801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801执行上文所描述的各个方法和处理，例如方法获取预先设置的配置文件和数据处理函数。例如，在一些实施例中，方法获取预先设置的配置文件和数据处理函数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808。在一些实施例中，计算机程序的部分或者全部可以经由rom 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到ram 803并由计算单元801执行时，可以执行上文描述的方法获取预先设置的配置文件和数据处理函数的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法获取预先设置的配置文件和数据处理函数。
92.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。
93.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。
94.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。
95.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。
96.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。
97.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，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
98.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。
99.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。