用于生成信息的方法、装置、设备、介质和产品与流程

1.本公开涉及计算机技术领域，具体为深度学习技术领域。


背景技术：

2.目前，深度学习已经广泛应用于各类应用场景，如图像识别、语音识别等。为了进一步提高上述应用场景中的识别效率，经常会利用执行器对深度学习模型中的多个算子进行调度，实现并行运行。
3.在利用执行器对深度学习模型中的多个算子进行调度的过程中，需要预先构建算子之间的依赖关系，基于该依赖关系实现精准地算子调度。然而，现有技术中对于算子之间依赖关系的构建存在着精准度差的问题。


技术实现要素：

4.本公开提供了一种用于生成信息的方法、装置、设备、介质和产品。
5.根据本公开的一方面，提供了一种用于生成信息的方法，包括：获取待处理算子集合；基于待处理算子集合中各个待处理算子的输入张量和输出张量，确定初始算子依赖信息；确定初始算子依赖信息中的冗余依赖关系；从初始算子依赖信息中去除冗余依赖关系，生成目标算子依赖信息。
6.根据本公开的另一方面，提供了一种用于生成信息的装置，包括：集合获取单元，被配置成获取待处理算子集合；初始依赖确定单元，被配置成基于待处理算子集合中各个待处理算子的输入张量和输出张量，确定初始算子依赖信息；冗余确定单元，被配置成确定初始算子依赖信息中的冗余依赖关系；目标依赖确定单元，被配置成从初始算子依赖信息中去除冗余依赖关系，生成目标算子依赖信息。
7.根据本公开的另一方面，提供了一种电子设备，包括：一个或多个处理器；存储器，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上任意一项用于生成信息的方法。
8.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，计算机指令用于使计算机执行如上任意一项用于生成信息的方法。
9.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，计算机程序在被处理器执行时实现如上任意一项用于生成信息的方法。
10.根据本公开的技术，提供一种用于生成信息的方法，能够提高算子之间依赖关系的构建精准度。
11.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
12.附图用于更好地理解本方案，不构成对本公开的限定。其中：
13.图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
14.图2是根据本公开的用于生成信息的方法的一个实施例的流程图；
15.图3是根据本公开的用于生成信息的方法的一个应用场景的示意图；
16.图4是根据本公开的用于生成信息的方法的另一个实施例的流程图；
17.图5是根据本公开的用于生成信息的装置的一个实施例的结构示意图；
18.图6是用来实现本公开实施例的用于生成信息的方法的电子设备的框图。
具体实施方式
19.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。
20.需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
21.如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备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、无线通信链路或者光纤电缆等等。
22.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以通过网络104向服务器105发送需要构建依赖关系的待处理算子集合，以使服务器105生成与待处理算子集合相对应的目标算子依赖信息，并将目标算子依赖信息基于网络104返回给终端设备101、102、103。
23.终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于手机、电脑、平板等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
24.服务器105可以是提供各种服务的服务器，例如，服务器105可以接收终端设备101、102、103通过网络104发送的待处理算子集合，并基于待处理算子集合中各个待处理算子的输入张量和输出张量，确定初始算子依赖信息，并进一步确定初始算子依赖信息中的冗余依赖关系，以及从初始算子依赖信息中去除冗余依赖关系，得到目标算子依赖信息，将目标算子依赖信息通过网络104返回给终端设备101、102、103。
25.需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
26.需要说明的是，本公开实施例所提供的用于生成信息的方法可以由终端设备101、102、103执行，也可以由服务器105执行，用于生成信息的装置可以设置于终端设备101、102、103，也可以设置于服务器105中，本公开实施例对此不做限定。
27.应该理解，图1中的终端设备、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终端设备、网络和服务器。
28.继续参考图2，示出了根据本公开的用于生成信息的方法的一个实施例的流程200。本实施例的用于生成信息的方法，包括以下步骤：
29.步骤201，获取待处理算子集合。
30.在本实施例中，执行主体(如图1中的服务器105或者终端设备101、102、103)可以从本地存储或者预先建立连接的其他电子设备中获取需要建立依赖关系的各个待处理算子，组成待处理算子集合。其中，待处理算子是指深度学习框架中独立的逻辑计算单元。具体的，一个深度学习模型可以看作是多个算子组合而成，如conv2d(二维卷积)、conv3d(三维卷积)可以看做视觉领域中组成深度学习模型的算子。
31.步骤202，基于待处理算子集合中各个待处理算子的输入张量和输出张量，确定初始算子依赖信息。
32.在本实施例中，对于待处理算子集合中的每个待处理算子，该待处理算子在深度学习框架中具有相对应的输入张量、输出张量以及计算模块。其中，对于每个待处理算子，该待处理算子的输入张量可以为输入该待处理算子的张量数据，该待处理算子中的计算模块会基于该输入张量确定相对应的输出张量数据，这里的输出张量数据即为该待处理算子的输出张量。
33.其中，计算模块可以为待处理算子的逻辑计算实现。每个待处理算子可以包括多个计算模块，每个计算模块表示某种特定硬件设备上的具体实现。例如，计算模块可以包括但不限于cpu(central processing unit，中央处理器)计算模块、gpu(graphics processing unit，图形处理器)计算模块等，本实施例对此不做限定。
34.并且，执行主体可以基于待处理算子集合中各个待处理算子的输入张量和输出张量，构建各个待处理算子之间的初始依赖信息。其中，初始依赖信息用于描述各个待处理算子之间的依赖关系。如果依赖关系指示某个算子依赖另一个算子，则表示该某个算子的运行受到该另一个算子的影响。
35.在本实施例的一些可选的实现方式中，基于待处理算子集合中各个待处理算子的输入张量和输出张量，确定初始算子依赖信息可以包括：如果待处理算子集合中两个待处理算子的输出张量相同，则生成这两个待处理算子之间的依赖关系；基于各个待处理算子之间的依赖关系，生成初始算子依赖信息。采用这种实现方式，能够提高待处理算子之间的依赖关系的生成精准度。
36.步骤203，确定初始算子依赖信息中的冗余依赖关系。
37.在本实施例中，冗余依赖关系是指两个算子之间存在直接依赖关系、且初始算子依赖信息中已存在能够表明两个算子之间的间接依赖关系，此时这两个算子之间的直接依赖关系即为冗余依赖关系。
38.在本实施例的一些可选的实现方式中，确定初始算子依赖信息中的冗余依赖关系，包括：基于预设的图结构，确定初始算子依赖信息中的冗余依赖关系。
39.在本实现方式中，预设的图结构可以用于加速索引，基于预设的图结构能够直接返回初始算子依赖信息中是否存在能够表明两个算子之间的间接依赖关系的判断结果。具体的，预设的图结构在c (一种计算机程序设计语言)中为“std::map”，python(另一种计算机程序设计语言)下为“{}”。
40.可选的，在基于待处理算子集合中各个待处理算子的输入张量和输出张量，确定
初始算子依赖信息的过程中，也可以采用上述预设的图结构确定各个待处理算子之间的依赖关系，提高初始算子依赖信息的确定效率。
41.步骤204，从初始算子依赖信息中去除冗余依赖关系，生成目标算子依赖信息。
42.在本实施例中，执行主体在得到上述冗余依赖关系之后，可以从初始算子依赖信息所包含的各个依赖关系中去除上述冗余依赖关系，得到去除冗余依赖关系后的各个依赖关系，也即是，得到上述目标算子依赖信息。
43.继续参见图3，其示出了根据本公开的用于生成信息的方法的一个应用场景的示意图。在图3的应用场景中，执行主体可以基于待处理算子集合中包括的算子1、2、3，以及每个算子的输出张量和输入张量，建立算子拓扑图301。在算子拓扑图301中可以看到，算子1的输入张量是张量a，算子1的输出张量是张量b。算子2的输入张量是张量b，算子2的输出张量是张量c，算子3的输入张量是张量b和张量c。执行主体可以基于算子拓扑图301中各个算子的输入张量和输出张量，得到初始依赖信息302。其中，初始依赖信息302中包括算子2依赖算子1的依赖关系、算子3依赖算子1的依赖关系以及算子3依赖算子2的依赖关系。之后，执行主体可以从初始依赖信息302中确定出算子3依赖算子1的依赖关系已包含在算子2依赖算子1、算子3依赖算子2中，因此，将算子3依赖算子1的依赖关系确定为冗余依赖关系。以及，执行主体从初始依赖信息302中去除该冗余依赖关系，可以得到目标依赖信息303。
44.本公开上述实施例提供的用于生成信息的方法，能够在确定出算子之间的初始算子依赖信息之后，从初始算子依赖信息所包含的算子依赖关系中，去除冗余依赖关系，得到去除冗余依赖关系的目标算子依赖信息，能够提高算子之间依赖关系的构建精准度。
45.继续参见图4，其示出了根据本公开的用于生成信息的方法的另一个实施例的流程400。如图4所示，本实施例的用于生成信息的方法可以包括以下步骤：
46.步骤401，获取待处理算子集合。
47.在本实施例中，对于步骤401的详细描述请参照对于步骤201的详细描述，在此不再赘述。
48.步骤402，基于待处理算子集合中各个待处理算子的输入张量和输出张量，确定待处理算子集合中各个待处理算子的算子依赖列表。
49.在本实施例中，每个待处理算子的算子依赖列表中包含该待处理算子所依赖的、待处理算子集合中的各个算子。执行主体可以基于各个待处理算子的算子依赖列表来描述各个待处理算子之间的依赖关系。
50.在本实施例的一些可选的实现方式中，基于待处理算子集合中各个待处理算子的输入张量和输出张量，确定待处理算子集合中各个待处理算子的算子依赖列表，包括：对于待处理算子集合中每个待处理算子，从待处理算子集合中确定输出张量与该待处理算子的输出张量相同的算子，添加至该待处理算子的算子依赖列表。
51.在本实现方式中，如果待处理算子集合中的两个待处理算子的输出张量相同，则确定这两个待处理算子之间具有依赖关系。对此，可以将输出张量与待处理算子的输出张量相同的算子，添加至该待处理算子的算子依赖列表。
52.举例而言，如果待处理算子1要将目标参数赋值为1，待处理算子2要将目标参数赋值为2。此时，在先执行待处理算子1再执行待处理算子2的情况下，目标参数的赋值为2。而在先执行待处理算子2再执行待处理算子1的情况下，目标参数的赋值为1。可见，如果两个
算子的输出张量相同(均为目标参数)，那么这两个算子之间的执行先后顺序影响最终的计算结果。也即是，待处理算子1、2之间存在依赖关系。
53.在本实施例的另一些可选的实现方式中，基于待处理算子集合中各个待处理算子的输入张量和输出张量，确定待处理算子集合中各个待处理算子的算子依赖列表，包括：对于待处理算子集合中每个待处理算子，从待处理算子集合中确定输出张量与该待处理算子的输入张量相同的算子，添加至该待处理算子的算子依赖列表。
54.在本实现方式中，如果待处理算子集合中一个待处理算子的输出张量为另一个待处理算子的输入张量，则这两个待处理算子之间具有依赖关系，并且是该另一个待处理算子依赖该一个待处理算子的依赖关系。对此，对于输出张量和待处理算子的输入张量相同的算子，将该算子添加至该待处理算子的算子依赖列表。
55.并且，对于待处理算子集合中两个待处理算子的输入张量相同的情况，确定这两个待处理算子之间不具有依赖关系，可以不执行添加至算子依赖列表的操作。
56.以及，对于待处理算子集合中输入张量与该待处理算子的输出张量相同的算子，将该待处理算子添加至该算子的算子依赖列表。
57.步骤403，基于待处理算子集合中各个待处理算子的算子依赖列表，确定初始算子依赖信息。
58.在本实施例中，执行主体可以基于待处理算子集合中各个待处理算子的算子依赖列表，构建各个待处理算子之间的依赖关系，得到初始算子依赖信息。
59.其中，对于步骤402至403的详细描述，请参照对于步骤202的详细描述，在此不再赘述。
60.步骤404，对于待处理算子集合中每个待处理算子，基于该待处理算子的算子依赖列表，确定该待处理算子对应的目标依赖算子集合。
61.在本实施例中，执行主体可以将该待处理算子的算子依赖列表中包括的各个算子，确定为该待处理算子对应的目标依赖算子集合。也即是，目标依赖算子集合是根据待处理算子的算子依赖列表所确定的、该待处理算子所依赖的各个算子构成的集合。
62.步骤405，基于目标依赖算子集合中各个算子的算子依赖列表，以及该待处理算子的算子依赖列表，确定冗余依赖关系。
63.在本实施例中，执行主体可以基于目标依赖算子集合中各个算子的算子依赖列表，以及该待处理算子的算子依赖列表，确定任意两个算子之间是否存在直接依赖关系和间接依赖关系。如果两个算子之间同时存在直接依赖关系和间接依赖关系，则将这两个算子之间的直接依赖关系确定为冗余依赖关系。
64.在本实施例的一些可选的实现方式中，基于目标依赖算子集合中各个算子的算子依赖列表，以及该待处理算子的算子依赖列表，确定冗余依赖关系，包括：响应于基于预设的图结构确定目标依赖算子集合中各个算子的算子依赖列表中存在与该待处理算子的算子依赖列表中相同的目标算子，将该待处理算子与目标算子之间的依赖关系，确定为冗余依赖关系。
65.在本实现方式中，执行主体可以基于预设的图结构确定上述目标依赖算子集合中每个算子的算子依赖列表中是否存在与上述待处理算子的算子依赖列表中相同的目标算子，如果存在，则将待处理算子依赖目标算子的依赖关系，确定为冗余依赖关系。
66.其中，执行主体可以基于目标依赖算子集合中各个算子的算子依赖列表，得到待处理算子所依赖的各个算子的算子依赖信息。如果待处理算子所依赖的各个算子与待处理算子依赖同样的目标算子，则认为待处理算子依赖目标算子是冗余依赖关系。
67.步骤406，从初始算子依赖信息中去除冗余依赖关系，生成目标算子依赖信息。
68.在本实施例中，对于步骤406的详细描述请参照对于步骤204的详细描述，在此不再赘述。并且，采用上述步骤确定目标算子依赖信息的算法复杂度为0(n*k*lg(m))，其中，n为待处理算子总数量，m为张量总数量，k为张量的最大度。其中，张量的最大度是指在算子拓扑图中张量所连接的边数最大值。因此，采用上述步骤能够在算法复杂度较低的基础上，提高算子依赖关系的确定精准度。
69.本公开上述实施例提供的用于生成信息的方法，还可以基于待处理算子所依赖的目标依赖算子集合中各个算子的算子依赖列表、以及待处理算子的算子依赖列表，确定是否存在冗余依赖关系，提高了冗余依赖关系的确定精准度。以及，能够基于输出张量与待处理算子的输入张量相同、输出张量与待处理算子的输出张量相同，构建初始算子依赖信息，提高了初始算子依赖信息的信息精准度。以及，还可以利用预设的图结构实现快速索引，确定初始依赖信息以及冗余依赖关系，提高了信息处理效率。
70.进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于生成信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于终端设备、服务器等电子设备中。
71.如图5所示，本实施例的用于生成信息的装置500包括：集合获取单元501、初始依赖确定单元502、冗余确定单元503和目标依赖确定单元504。
72.集合获取单元501，被配置成获取待处理算子集合。
73.初始依赖确定单元502，被配置成基于待处理算子集合中各个待处理算子的输入张量和输出张量，确定初始算子依赖信息。
74.冗余确定单元503，被配置成确定初始算子依赖信息中的冗余依赖关系。
75.目标依赖确定单元504，被配置成从初始算子依赖信息中去除冗余依赖关系，生成目标算子依赖信息。
76.在本实施例的一些可选的实现方式中，冗余确定单元503进一步被配置成：基于初始算子依赖信息，确定待处理算子集合中各个待处理算子的算子依赖列表；对于待处理算子集合中每个待处理算子，基于该待处理算子的算子依赖列表，确定该待处理算子对应的目标依赖算子集合；基于目标依赖算子集合中各个算子的算子依赖列表，以及该待处理算子的算子依赖列表，确定冗余依赖关系。
77.在本实施例的一些可选的实现方式中，冗余确定单元503进一步被配置成：响应于确定目标依赖算子集合中各个算子的算子依赖列表中存在与该待处理算子的算子依赖列表中相同的目标算子，将该待处理算子与目标算子之间的依赖关系，确定为冗余依赖关系。
78.在本实施例的一些可选的实现方式中，初始依赖确定单元502进一步被配置成：基于待处理算子集合中各个待处理算子的输入张量和输出张量，确定待处理算子集合中各个待处理算子的算子依赖列表；基于待处理算子集合中各个待处理算子的算子依赖列表，确定初始算子依赖信息。
79.在本实施例的一些可选的实现方式中，初始依赖确定单元502进一步被配置成：对
于待处理算子集合中每个待处理算子，从待处理算子集合中确定输出张量与该待处理算子的输出张量相同的算子，添加至该待处理算子的算子依赖列表。
80.在本实施例的一些可选的实现方式中，初始依赖确定单元502进一步被配置成：对于待处理算子集合中每个待处理算子，从待处理算子集合中确定输出张量与该待处理算子的输入张量相同的算子，添加至该待处理算子的算子依赖列表。
81.在本实施例的一些可选的实现方式中，冗余确定单元503进一步被配置成：基于预设的图结构，确定初始算子依赖信息中的冗余依赖关系。
82.应当理解，用于生成信息的装置500中记载的单元501至单元504分别与参考图2中描述的方法中的各个步骤相对应。由此，上文针对用于生成信息的方法描述的操作和特征同样适用于装置500及其中包含的单元，在此不再赘述。
83.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。
84.图6示出了可以用来实施本公开的实施例的示例电子设备600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。
85.如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(rom)602中的计算机程序或者从存储单元608加载到随机访问存储器(ram)603中的计算机程序，来执行各种适当的动作和处理。在ram 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
86.设备600中的多个部件连接至i/o接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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。
87.计算单元601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601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601执行上文所描述的各个方法和处理，例如用于生成信息的方法。例如，在一些实施例中，用于生成信息的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608。在一些实施例中，计算机程序的部分或者全部可以经由rom 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到ram 603并由计算单元601执行时，可以执行上文描述的用于生成信息的方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行用于生成信息的方法。
88.本公开的技术方案中，所涉及的用户个人信息的收集、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。
89.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。
90.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。
91.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。
92.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。
93.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。
94.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。
95.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。
96.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。