一种课程生成、课程展示方法以及装置与流程

1.本公开涉及计算机技术领域，具体而言，涉及一种课程生成、课程展示方法以及装置。


背景技术：

2.随着人工智能(artificial intelligence，ai)的发展，越来越多的神经网络被应用在各行各业中，因此，神经网络的教学课程也越来越多。
3.相关技术中，老师为了让学生能够体验神经网络的功能，一般需要将神经网络的相关代码发送到学生端，然后学生端在部署了神经网络的运行环境之后，再对相关代码进行调试，然后再运行该神经网络，整个流程较为繁琐，且浪费了大量时间，降低了学生的学习效率。


技术实现要素：

4.本公开实施例至少提供一种课程生成、课程展示方法以及装置。
5.第一方面，本公开实施例提供了一种课程生成方法，包括：
6.响应卡片选择操作，从预先配置的至少一个人工智能ai体验卡片中选择与目标ai课程匹配的目标ai体验卡片；其中，每个所述ai体验卡片对应有一种ai应用程序，所述ai应用程序用于调用所述ai体验卡片对应的神经网络进行数据处理；
7.将所述目标ai体验卡片插入所述目标ai课程的课程内容中；
8.响应课程发布操作，发布包含所述目标ai体验卡片的目标ai课程。
9.上述方法中，可以预先为每个所述ai体验卡片配置对应的ai应用程序，所述ai应用程序用于调用所述ai体验卡片对应的神经网络进行数据处理；这样第一用户端在生成目标ai课程时，可以直接在目标ai课程中添加目标ai体验卡片，第二用户端在学习目标ai课程时，可以直接在服务器运行目标ai课程内的目标ai体验卡片，以调用对应的目标神经网络，这样减少了第二用户端搭建运行环境及调试神经网络的过程，操作十分方便快捷，节省了大量时间，提升了第二用户端的学习效率。
10.一种可能的实施方式中，所述ai应用程序关联有与所述ai体验卡片对应的神经网络的运行环境；
11.所述运行环境用于在所述ai体验卡片对应的神经网络被调用之后，支撑所述神经网络在所述运行环境中进行数据处理。
12.采用这种方法，可以通过ai应用程序直接调用服务器中已搭建的运行环境，节省了用户在用户端手动搭建运行环境的时间，十分方便，从而提升了用户的学习效率。
13.一种可能的实施方式中，所述ai应用程序关联有所述神经网络对应的训练方法；
14.所述训练方法，用于所述ai体验卡片对应的神经网络被调用之后，基于输入的训练数据对所述神经网络进行训练。
15.采用这种方法，可以通过ai应用程序关联的预设的训练方法，自动对待训练的神
经网络进行训练，第二用户端无需花费大量时间设计神经网络的训练方法，调用ai应用程序即可自动触发训练过程，从而节省用户编程和调试训练方法的时间，使得用户可以在第一时间快速地体验课程相关的人工智能技术和知识点的应用，节省了课堂时间，提升了用户的学习效率。
16.一种可能的实施方式中，所述目标ai课程还包括：教学资源和/或教学项目；
17.所述教学资源包括教学视频、教学文档、教学音频中的至少一种。
18.采用这种方法，可以采用多种媒体形式的教学资源进行教学，提高了教学的趣味性和丰富性，从而提升了教学效果。
19.一种可能的实施方式中，所述神经网络包括以下至少一种：
20.人脸识别网络、人脸跟踪网络、手势识别网络、手势跟踪网络、肢体识别网络、图片风格化网络、图像处理网络、语音识别网络、语音分类网络。
21.通过预置多种功能的神经网络，可以满足多种不同教学课程的教学需求，多种功能的神经网络也提升了体验神经网络的用户体验，增强了学习的趣味性。
22.第二方面，本公开实施例提供了一种课程展示方法，包括：
23.获取与所述第二用户端对应的目标ai课程；其中，所述目标ai课程的课程内容包括目标ai体验卡片，所述目标ai体验卡片对应有目标ai应用程序，所述目标ai应用程序用于调用所述目标ai体验卡片对应的目标神经网络进行数据处理；
24.响应针对所述目标ai体验卡片的触发操作，启动所述目标ai应用程序，并获取与所述目标神经网络匹配的运行数据；
25.通过所述目标ai应用程序调用所述目标神经网络处理所述运行数据，并对得到的处理结果进行展示。
26.上述方法中，第二用户端在获取目标ai课程之后，可以通过触发目标ai课程中的目标ai体验卡片来调用对应的神经网络进行处理，由于神经网络的处理过程可以在服务器执行，因此第二用户端无需执行配置运行环境、部署神经网络等一系列操作，节省了用户的大量时间，降低了用户的操作难度，提升了第二用户端对应的用户的学习效率。
27.一种可能的实施方式中，在所述目标神经网络为待训练的神经网络的情况下，所述运行数据包括与所述目标神经网络匹配的训练数据；和/或，
28.在所述目标神经网络为训练好的神经网络的情况下，所述运行数据包括与所述目标神经网络匹配的待处理数据。
29.采用这种方法，可以针对待训练的神经网络和训练好的神经网络自动获取不同的运行数据，可以智能地向用户展示不同神经网络的处理流程。
30.一种可能的实施方式中，所述目标ai体验卡片包括与所述目标ai体验卡片对应的目标神经网络的描述信息，以及与所述目标ai体验卡片对应的目标ai应用程序的触发按钮；
31.所述触发按钮用于在被触发之后，启动所述目标ai应用程序。
32.采用这种方法，可以通过描述信息让用户快速得知目标神经网络的功能，并提示用户可以通过简单地触发操作启动目标ai应用程序，从而提升了用户的学习效率。
33.一种可能的实施方式中，所述方法还包括：
34.在所述触发按钮被触发之后，调用数据采集装置采集运行数据，并将所述运行数
据发送至服务器，以通过所述服务器中部署的目标神经网络对所述运行数据进行处理；
35.其中，所述数据采集装置为所述第二用户端的内置装置或与所述第二用户端连接的外部装置。
36.上述实施方式中，可以实施采集第二用户端的第二用户相关的运行数据，并调用所述目标神经网络对采集的运行数据进行处理，之后可以通过第二用户端展示处理结果，由此可以帮助第二用户真实感受目标神经网络的处理过程，提升交互体验，提升用户体验和学习效率。
37.第三方面，本公开实施例还提供了一种课程展示方法，应用于服务器，包括：
38.接收第一用户端发布的包含目标ai体验卡片的目标ai课程，并将所述目标ai课程的预览信息发送至第二用户端展示；其中，所述目标ai体验卡片对应有目标ai应用程序，所述目标ai应用程序用于调用所述目标ai体验卡片对应的目标神经网络进行数据处理；
39.响应所述第二用户端发送的针对所述目标ai课程的课程获取请求，将所述目标ai课程发送至所述第二用户端；
40.响应所述第二用户端通过所述目标ai应用程序发送的调用请求，调用所述目标神经网络对运行数据进行处理；
41.将处理结果发送至所述第二用户端进行展示。
42.上述方法中，通过预先在服务器存储各种神经网络，当服务器接收到第二用户端发送的调用请求之后，直接调用对应的目标神经网络进行数据处理，并向第二用户端发送处理结果，通过这种方式，第二用户端无需部署神经网络以及神经网络的运行环境，直接展示处理结果即可，提升了第二用户端的用户体验和学习效率。
43.第四方面，本公开实施例还提供一种课程生成装置，包括：
44.选择模块，用于响应卡片选择操作，从预先配置的至少一个人工智能ai体验卡片中选择与目标ai课程匹配的目标ai体验卡片；其中，每个所述ai体验卡片对应有一种ai应用程序，所述ai应用程序用于调用所述ai体验卡片对应的神经网络进行数据处理；
45.插入模块，用于将所述目标ai体验卡片插入所述目标ai课程的课程内容中；
46.发布模块，用于响应课程发布操作，发布包含所述目标ai体验卡片的目标ai课程。
47.一种可能的实施方式中，所述ai应用程序关联有与所述ai体验卡片对应的神经网络的运行环境；
48.所述运行环境用于在所述ai体验卡片对应的神经网络被调用之后，支撑所述神经网络在所述运行环境中进行数据处理。
49.一种可能的实施方式中，所述ai应用程序关联有所述神经网络对应的训练方法；
50.所述训练方法，用于所述ai体验卡片对应的神经网络被调用之后，基于输入的训练数据对所述神经网络进行训练。
51.一种可能的实施方式中，所述目标ai课程还包括：教学资源和/或教学项目；
52.所述教学资源包括教学视频、教学文档、教学音频中的至少一种。
53.一种可能的实施方式中，所述神经网络包括以下至少一种：
54.人脸识别网络、人脸跟踪网络、手势识别网络、手势跟踪网络、肢体识别网络、图片风格化网络、图像处理网络、语音识别网络、语音分类网络。
55.第五方面，本公开实施例还提供一种课程展示装置，包括：
56.获取模块，用于获取与所述第二用户端对应的目标ai课程；其中，所述目标ai课程的课程内容包括目标ai体验卡片，所述目标ai体验卡片对应有目标ai应用程序，所述目标ai应用程序用于调用所述目标ai体验卡片对应的目标神经网络进行数据处理；
57.启动模块，用于响应针对所述目标ai体验卡片的触发操作，启动所述目标ai应用程序，并获取与所述目标神经网络匹配的运行数据；
58.调用模块，用于通过所述目标ai应用程序调用所述目标神经网络处理所述运行数据，并对得到的处理结果进行展示。
59.一种可能的实施方式中，在所述目标神经网络为待训练的神经网络的情况下，所述运行数据包括与所述目标神经网络匹配的训练数据；和/或，
60.在所述目标神经网络为训练好的神经网络的情况下，所述运行数据包括与所述目标神经网络匹配的待处理数据。
61.一种可能的实施方式中，所述目标ai体验卡片包括与所述目标ai体验卡片对应的目标神经网络的描述信息，以及与所述目标ai体验卡片对应的目标ai应用程序的触发按钮；
62.所述触发按钮用于在被触发之后，启动所述目标ai应用程序。
63.第六方面，本公开实施例提供了一种课程展示装置，应用于服务器，包括：
64.接收模块，用于接收第一用户端发布的包含目标ai体验卡片的目标ai课程，并将所述目标ai课程的预览信息发送至第二用户端展示；其中，所述目标ai体验卡片对应有目标ai应用程序，所述目标ai应用程序用于调用所述目标ai体验卡片对应的目标神经网络进行数据处理；
65.第一发送模块，用于响应所述第二用户端发送的针对所述目标ai课程的课程获取请求，将所述目标ai课程发送至所述第二用户端；
66.数据处理模块，用于响应所述第二用户端通过所述目标ai应用程序发送的调用请求，调用所述目标神经网络对运行数据进行处理；
67.第二发送模块，用于将处理结果发送至所述第二用户端进行展示。
68.第七方面，本公开实施例还提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤，或执行上述第二方面，或第二方面中任一种可能的实施方式中的步骤，或执行上述第三方面的步骤。
69.第八方面，本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤，或执行上述第二方面，或第二方面中任一种可能的实施方式中的步骤，或执行上述第三方面的步骤。
70.关于上述课程生成、课程展示装置、计算机设备、及计算机可读存储介质的效果描述参见上述课程生成、课程展示方法的说明，这里不再赘述。
71.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开的技术方案。
72.为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合
所附附图，作详细说明如下。
附图说明
73.此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
74.为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
75.图1示出了本公开实施例所提供的一种课程生成方法的流程图；
76.图2示出了本公开实施例所提供的一种课程编辑页面的示意图；
77.图3示出了本公开实施例所提供的一种课程展示方法的流程图；
78.图4示出了本公开实施例所提供的一种课程展示页面的示意图；
79.图5示出了本公开实施例所提供的另一种课程展示方法的流程图；
80.图6示出了本公开实施例所提供的一种课程生成装置的架构示意图；
81.图7示出了本公开实施例所提供的一种课程展示装置的架构示意图；
82.图8示出了本公开实施例所提供的另一种课程展示装置的架构示意图
83.图9示出了本公开实施例所提供的一种计算机设备的结构示意图。
具体实施方式
84.为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
85.随着人工智能的发展，越来越多的神经网络被应用在各行各业中，因此，神经网络的教学课程也越来越多。
86.相关技术中，老师为了让学生能够体验神经网络的功能，一般需要将神经网络的相关代码发送到学生端，然后学生端在部署了神经网络的运行环境之后，再对相关代码进行调试，然后再运行该神经网络，整个流程较为繁琐，且浪费了大量时间，降低了学生的学习效率。
87.基于上述研究，本公开提供了一种课程生成、课程展示方法以及装置，可以预先为每个所述ai体验卡片配置对应的ai应用程序，所述ai应用程序用于调用所述ai体验卡片对应的神经网络进行数据处理；这样第一用户端在生成目标ai课程时，可以直接在目标ai课程中添加目标ai体验卡片，第二用户端在学习目标ai课程时，可以直接在服务器运行目标ai课程内的目标ai体验卡片，以调用对应的目标神经网络，这样减少了第二用户端搭建运
行环境及调试神经网络的过程，操作十分方便快捷，节省了大量时间，提升了第二用户端的学习效率。
88.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
89.本文中术语“和/或”，仅仅是描述一种关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
90.为便于对本实施例进行理解，首先对本公开实施例所公开的一种课程生成方法进行详细介绍，本公开实施例所提供的课程生成方法的执行主体为第一用户端，所述第一用户端例如可以是智能手机、平板电脑、个人计算机等。
91.参见图1所示，为本公开实施例提供的课程生成方法的流程图，所述方法包括步骤101～步骤103，其中：
92.步骤101、响应卡片选择操作，从预先配置的至少一个人工智能ai体验卡片中选择与目标ai课程匹配的目标ai体验卡片；其中，每个所述ai体验卡片对应有一种ai应用程序，所述ai应用程序用于调用所述ai体验卡片对应的神经网络进行数据处理；
93.步骤102、将所述目标ai体验卡片插入所述目标ai课程的课程内容中；
94.步骤103、响应课程发布操作，发布包含所述目标ai体验卡片的目标ai课程。
95.以下是针对上述步骤的详细说明：
96.针对步骤101、
97.所述目标ai课程可以是指ai教学的课程，或ai体验的课程等。第一用户端一般是指教师端，第一用户端在创建并发布目标ai课程之后，第二用户端(一般是指学生端)可以通过目标ai课程学习ai的相关知识，或者感受ai的应用过程。
98.具体实施中，所述第一用户端可以展示课程编辑页面，示例性的如图2所示，所述课程编辑页面包括已添加的目标ai体验卡片、课程目录、以及目标ai体验卡片的编辑标识、实验项目、实验添加标识等。
99.示例性的，响应于针对所述编辑标识的触发操作，可以展示卡片添加页面，在所述卡片添加页面上展示有所述预先配置的至少一个人工智能ai体验卡片，此时，可以响应于所述卡片选择操作，选择所述目标ai体验卡片。
100.所述卡片选择操作可以是指：通过所述第一用户端输入的第一触发操作，示例性的，可以是针对所述第一用户端的屏幕界面的第一触发操作，如单击、双击、拖动、滑动、键入文字搜索后选择搜索结果等；或者，所述卡片选择操作可以是所述第一用户端检测到的第二触发操作，如所述第一用户端检测到的语音操作“选择三维人脸捕捉卡片”。
101.这里，所述卡片选择操作可以是针对任一人工智能ai体验卡片的选择操作，也可以是针对多个人工智能ai体验卡片的选择操作。
102.或者在另外一种可能的实施方式中，可以基于所述目标ai课程的相关信息(如课程名称、课程简介等)，确定与所述目标ai课程具有关联关系的待选择ai体验卡片，然后第一用户端对应的第一用户可以基于待选择ai体验卡片输入卡片选择操作。
103.其中，在确定待选择ai体验卡片时，示例性的可以计算所述目标ai课程的相关信
息与预先配置的各ai体验卡片的标识信息(如卡片名称)的文本相关度，并将文本相关度超过预设值的ai体验卡片作为所述待选择ai体验卡片。
104.所述ai体验卡片对应的ai应用程序可以理解为所述ai体验卡片对应的神经网络的可视化交互工具，用户可以通过所述ai应用程序输入相关的指令，以实现对所述神经网络的调用。
105.在一种可能的实施方式中，每个ai应用程序可以调用至少一个神经网络，所述神经网络可以包括以下至少一种：人脸识别网络、人脸跟踪网络、手势识别网络、手势跟踪网络、肢体识别网络、图片风格化网络、图像处理网络、语音识别网络、语音分类网络。
106.不同的神经网络的网络推理目标不同，具体的，所述人脸识别网络可以识别出图片中的人脸位置/关键点，人脸跟踪网络可以追踪视频中的动态人脸关键点，所述手势识别网络可以判断图片中的手势，所述手势跟踪网络可以识别视频中的动态手势，所述肢体识别网络可以识别图片中的肢体动作，所述图片风格化网络可以通过调整图片的特征(如色彩和关键点的位置)改变图片的风格，所述图像处理网络可以执行图像增强、图像编码、图像复原、图像分割、图像分类和图像重建等操作，所述语音识别网络可以接收并检测输入的语音信息，并将所述语音信息转化为文本信息，所述语音分类网络可以对不同物种、不同方言的声音等进行分类。
107.实际应用中，每个ai应用程序可以调用哪个神经网络、以及每个ai体验卡片对应哪个ai应用程序可以是预先配置好的。
108.通过预置多种功能的神经网络，可以满足多种不同教学课程的教学需求，多种功能的神经网络也提升了体验神经网络的用户体验，增强了学习的趣味性。
109.在一种可能的实施方式中，所述人工智能ai体验卡片的展示页面可以包括有人工智能ai体验卡片对应的应用程序的名称、简介、图标等。具体的，所述应用程序的名称示例性的可以是所述应用程序的功能，如图2中的“成为表情包”，所述应用程序的简介示例性的可以包括所述应用程序的功能介绍、所述人工智能体验卡片对应的神经网络的描述信息等。
110.示例性的，如图2所示的课程编辑页面，多个目标ai体验卡片可以在预设展示区域纵向排列进行展示，针对任一目标ai体验卡片，在该目标ai体验卡片左侧展示图标，在该人工智能ai体验卡片右侧展示名称和简介。
111.在一种可能的实施方式中，所述ai应用程序关联有与所述ai体验卡片对应的神经网络的运行环境；所述运行环境用于在所述ai体验卡片对应的神经网络被调用之后，支撑所述神经网络在所述运行环境中进行数据处理。
112.具体的，各ai体验卡片对应的神经网络可以部署在服务器中，所述服务器中还可以分别存储多个运行环境，当所述ai体验卡片对应的神经网络被调用之后，所述ai应用程序可以基于预先存储的环境地址，查找并调用所述ai体验卡片对应的神经网络的运行环境。
113.采用这种方法，可以通过ai应用程序直接调用服务器中已搭建的运行环境，节省了用户在用户端手动搭建运行环境的时间，十分方便，从而提升了用户的学习效率。
114.或者，在另外一种可能的实施方式中，插入至所述目标ai课程的目标ai体验卡片可以是在第一用户端配置或设置的。第一用户端对应的第一用户可以预先手动创建至少一
个ai体验卡片，第一用户创建的ai体验卡片可以存储在第一用户端本地，在编辑所述目标ai课程的过程中，第一用户可以基于本地存储的ai体验卡片执行卡片选择操作。
115.在这种实施方式下，由于第一用户在创建ai体验卡片的过程中，需要为ai体验卡片配置对应的目标神经网络，因此所述第一用户端可以部署有所述神经网络的运行环境。
116.若所述ai体验卡片是由其他人员开发的预先存储在服务器的，则对于第一用户端而言，无需运行所述ai体验卡片对应的神经网络，因此，在这种情况下，第一用户端可以部署有神经网络的运行环境，也可以没有部署神经网络的运行环境。
117.在一种可能的实施方式中，所述ai体验卡片对应的神经网络可以包括已训练的神经网络以及未训练的神经网络，在所述神经网络为未训练的神经网络的情况下，所述ai应用程序可以关联有所述神经网络对应的训练方法；所述训练方法，用于所述ai体验卡片对应的神经网络被调用之后，基于输入的训练数据对所述神经网络进行训练。
118.其中，所述输入的训练数据可以是预先存储在所述服务器中的第一训练数据，也可以是由所述第二用户端上传至所述服务器中的第二训练数据；其中，所述第二用户端为获取所述目标ai课程的用户端，所述第二用户端可以包括所述第一用户端。
119.所述训练方法例如可以包括调参方法、训练截止条件等。
120.采用这种方法，可以通过ai应用程序关联的预设的训练方法，自动对待训练的神经网络进行训练，节省了用户在用户端(这里是指第二用户端)训练神经网络的时间，从而提升了用户体验。
121.针对步骤102、
122.示例性的，所述卡片添加页面还可以展示有完成标识，响应于针对所述完成标识的触发操作，可以将所述目标ai体验卡片插入所述目标ai课程的课程内容中；其中，所述触发操作包括但不限于所述第一触发操作以及所述第二触发操作。或者，在响应卡片选择操作，选择目标ai体验卡片之后，可以直接将所述目标ai卡片插入所述目标ai课程的课程内容中。
123.这里，需要注意的是，任一ai课程可以插入多个ai体验卡片。
124.在一种可能的实施方式中，所述目标ai课程还包括：教学资源和/或教学项目，所述教学资源包括教学视频、教学文档、教学音频中的至少一种，所述教学项目例如可以是指第二用户端在学习所述目标ai课程的过程中需要完成的实验项目或作业项目，例如可以是编程项目或课程作业。
125.示例性的，如果所述目标ai课程为英语课程，所述教学视频可以是英语老师的授课视频，所述教学文档可以是英语试题、教案或教学演示文稿(power point，ppt)等，所述教学音频可以是英语听力材料。
126.具体的，所述第一用户端可以上传教学资源至服务器，并加入至所述目标ai课程，或者，服务器内可以预置多个教学资源，并在所述第一用户端进行展示，第一用户端对应的第一用户可以通过执行针对所述多个教学资源的选择操作，确定待加入至所述目标ai课程的教学资源。
127.采用这种方法，可以采用多种媒体形式的教学资源进行教学，提高了教学的趣味性和丰富性，从而提升了教学效果。
128.针对步骤103、
129.具体的，如图2所示，所述课程编辑页面还可以展示有课程发布标识，响应于针对所述课程发布标识的触发操作，所述第一用户端可以向所述服务器发送课程发布指令，将该所述目标ai课程发布到服务器中，这样，第二用户端可以通过所述服务器，获取所述第一用户端发布的目标ai课程，以进行学习。
130.实际应用中，第一用户端在发布所述目标ai课程时，可以相应的确定所述目标ai课程对应的第二用户端，示例性的，若所述目标ai课程为三年级a班对应的课程，则所述第一用户在发布目标ai课程之前，可以输入三年级a班的第二用户的用户端标识，作为所述第二用户端。这样，除设置的第二用户端外的其他用户端则没有查看所述目标ai课程的权限。
131.通过这种方法，可以提高所述目标ai课程的私密性和安全性。
132.上述方法中，可以预先为每个所述ai体验卡片配置对应的ai应用程序，所述ai应用程序用于调用所述ai体验卡片对应的神经网络进行数据处理；这样第一用户端在生成目标ai课程时，可以直接在目标ai课程中添加目标ai体验卡片，第二用户端在学习目标ai课程时，可以直接在服务器运行目标ai课程内的目标ai体验卡片，以调用对应的目标神经网络，这样减少了第二用户端搭建运行环境及调试神经网络的过程，操作十分方便快捷，节省了大量时间，提升了第二用户端的学习效率。
133.基于相同的构思，本公开实施例还提供一种课程展示方法，该方法应用于第二用户端，所述第二用户端和所述第一用户端的执行主体类型可以相同也可以不同，例如可以为智能手机、平板电脑等；参见图3所示，为本公开实施例提供的一种课程展示方法的流程图，所述方法包括步骤301～步骤303，其中：
134.步骤301、获取与所述第二用户端对应的目标ai课程；其中，所述目标ai课程的课程内容包括目标ai体验卡片，所述目标ai体验卡片对应有目标ai应用程序，所述目标ai应用程序用于调用所述目标ai体验卡片对应的目标神经网络进行数据处理；
135.步骤302、响应针对所述目标ai体验卡片的触发操作，启动所述目标ai应用程序，并获取与所述目标神经网络匹配的运行数据；
136.步骤303、通过所述目标ai应用程序调用所述目标神经网络处理所述运行数据，并对得到的处理结果进行展示。
137.这里，需要注意的是，所述第二用户端可以包括所述第一用户端。
138.以下是针对上述步骤的详细说明：
139.针对步骤301、
140.这里，所述目标ai体验卡片可以是所述目标ai课程的创建者(即上述实施例中所述的第一用户端的第一用户)选择的用于辅助所述第二用户端对应的第二用户体验目标神经网络的卡片；所述目标ai体验卡片对应的目标神经网络的功能可以与所述目标ai课程相匹配，例如若所述目标ai课程的内容为人脸关键点识别，则所述目标神经网络可以是人脸识别网络，其功能可以是识别人脸位置点。
141.示例性的，所述第二用户端可以展示课程获取页面，所述课程获取页面可以仅展示与所述第二用户端对应的目标ai课程(即与所述第二用户端的第二用户匹配的第一用户发布的目标ai课程，例如可以是学生的特定老师发布的目标ai课程)，或者所述课程获取页面可以展示所有ai课程(即任何第一用户发布的ai课程)，任一ai课程可以对应一个课程获取标识(如课程标题/封面/单独设置的获取标识)，响应于针对所述目标ai课程的课程获取
标识的触发操作，可以从所述服务器中获取所述目标ai课程。
142.在一种可能的实施方式中，在获取所述目标ai课程后，响应于针对该目标ai课程的“开始学习”按钮的触发操作，可以在课程展示页面展示所述目标ai课程，第二用户端对应的第二用户可以在课程展示页面学习所述目标ai课程的课程内容。示例性的，如图4所示，在左侧的第一预设位置处可以展示所述目标ai体验卡片或实验项目的实验内容，在右侧的第二预设位置处展示所述目标ai体验卡片的名称标识，以及实验项目的名称标识(所述实验项目与所述实验要求对应)，响应于所述第二预设位置处任一名称标识的触发操作，可以在所述第一预设位置处展示与被触发的名称标识对应的目标ai体验卡片或者实验内容。
143.针对步骤302、
144.具体的，所述响应针对所述目标ai体验卡片的触发操作可以是针对所述目标ai体验卡片的展示页面内的任一位置的触发操作，或者，在一种可能的实施方式中，所述目标ai体验卡片的展示页面上展示有与所述目标ai体验卡片对应的目标神经网络的描述信息，以及与所述目标ai体验卡片对应的目标ai应用程序的触发按钮；所述触发按钮用于在被触发之后，启动所述目标ai应用程序。
145.示例性的，如图4所示的目标ai体验卡片，展示页面上展示有所述触发按钮“开始体验”，以及所述目标神经网络的描述信息，即“应用说明”部分，触发“开始体验”按钮，即可启动该目标ai体验卡片的ai应用程序。
146.采用这种方法，可以通过描述信息让用户快速得知目标神经网络的功能，并提示用户可以通过简单地触发操作启动目标ai应用程序，从而提升了人机交互效率，有助于提高教学效率和用户体验。
147.在一种可能的实施方式中，在获取与所述目标神经网络匹配的运行数据时，可以是从所述服务器中获取与所述目标神经网络匹配的第一运行数据。具体的，所述第一运行数据可以是在编辑所述目标ai课程时，由所述第一用户端确定的数据(包括所述第一用户端上传至所述服务器的运行数据，以及所述服务器内预置的运行数据)，所述第一用户端在发布目标ai课程时，可以将所述第一运行数据发布至服务器。
148.或者，所述第一运行数据可以是由所述第二用户选择的。示例性的，所述第二用户端可以展示服务器内存储的多个候选运行数据，响应针对至少一个所述候选运行数据的选择操作，可以将被选中运行数据作为所述第一运行数据。
149.在另一种可能的实施方式中，与所述目标神经网络匹配的运行数据，可以是所述第二用户端输入的与所述目标神经网络匹配的第二运行数据。具体的，所述触发按钮被触发之后，可以调用数据采集装置采集运行数据，并将所述运行数据发送至服务器，以通过所述服务器中部署的目标神经网络对所述运行数据进行处理；其中，所述数据采集装置为所述第二用户端的内置装置或与所述第二用户端连接的外部装置。
150.这里，所述数据采集装置示例性的可以包括图像采集装置、音频采集装置等。
151.通过这种方法，可以实施采集第二用户端的第二用户相关的运行数据，并调用所述目标神经网络对采集的运行数据进行处理，之后可以通过第二用户端展示处理结果，由此可以帮助第二用户真实感受目标神经网络的处理过程，提升交互体验，提升用户体验和学习效率。
152.在一种可能的应用场景中，所述目标神经网络包括待训练的神经网络，以及训练好的神经网络，在所述目标神经网络为待训练的神经网络的情况下，需要先对所述待训练的神经网络进行训练，再将待处理数据输入至训练好的神经网络进行处理。
153.因此，在一种可能的实施方式中，在所述目标神经网络为待训练的神经网络的情况下，所述运行数据包括与所述目标神经网络匹配的训练数据；在所述目标神经网络为训练好的神经网络的情况下，所述运行数据包括与所述目标神经网络匹配的待处理数据。
154.这里，所述训练数据以及所述待处理数据可以包括图像、文本、声音、视频等，所述训练数据可以为已添加标记的训练图像，所述待处理数据可以是未添加标记的原始图像。
155.针对步骤303、
156.具体的，所述目标ai应用程序可以将所述运行数据依次输入至所述目标神经网络，并控制所述第二用户端获取所述目标神经网络输出的处理结果，然后将所述处理结果在所述第二用户端进行展示。
157.示例性的，如果某目标ai体验卡片为“成为表情包”卡片，所述运行数据为用户的人脸图像，则该目标ai体验卡片对应的目标神经网络的处理结果可以是用户的q版人脸图像。
158.这里，需要说明的是，所述目标ai应用功能程序调用目标神经网络处理运行数据的过程可以是在服务器执行的，也就是说，第二用户端无需获取目标神经网络，第二用户端仅获取处理结果并展示处理结果即可。
159.上述方法中，第二用户端在获取目标ai课程之后，可以通过触发目标ai课程中的目标ai体验卡片来调用对应的神经网络进行处理，由于神经网络的处理过程可以在服务器执行，因此第二用户端无需执行配置运行环境、部署神经网络等一系列操作，节省了用户的大量时间，降低了用户的操作难度，提升了第二用户端对应的用户的学习效率。
160.基于相同的构思，本公开实施例还提供一种课程展示方法，应用于服务器，参见图5所示，为本公开实施例提供的一种课程展示方法的流程图，包括以下几个步骤：
161.步骤501、接收第一用户端发布的包含目标ai体验卡片的目标ai课程，并将所述目标ai课程的预览信息发送至第二用户端展示；其中，所述目标ai体验卡片对应有目标ai应用程序，所述目标ai应用程序用于调用所述目标ai体验卡片对应的目标神经网络进行数据处理。
162.步骤502、响应所述第二用户端发送的针对所述目标ai课程的课程获取请求，将所述目标ai课程发送至所述第二用户端。
163.步骤503、响应所述第二用户端通过所述目标ai应用程序发送的调用请求，调用所述目标神经网络对运行数据进行处理。
164.具体的，服务器在接收到第二用户端发送的调用请求之后，可以获取运行数据，并通过所述目标神经网络对所述运行数据进行处理，具体获取运行数据的方法参照上述实施例的描述，在此将不再赘述。
165.步骤504、将处理结果发送至所述第二用户端进行展示。
166.上述方法中，通过预先在服务器存储各种神经网络，当服务器接收到第二用户端发送的调用请求之后，直接调用对应的目标神经网络进行数据处理，并向第二用户端发送处理结果，通过这种方式，第二用户端无需部署神经网络以及神经网络的运行环境，直接展
示处理结果即可，提升了第二用户端的用户体验和学习效率。
167.下面以第一用户端为教师端，第二用户端为学生端，以教学平台为例，对上述课程生成方法和课程展示方法进行详细的描述。
168.首先，教师端在教学过程中，需要对待发布的目标ai课程进行编辑。
169.示例性的，教师端可以在所述教学平台的编辑页面来进行目标ai课程的编辑。例如可以如图2所示，教师端对应的教师可以在该编辑页面添加实验或项目，以及添加目标ai体验卡片，例如图2中所示的“成为表情包”体验卡片和“三维人脸捕捉”体验卡片，各体验卡片上还展示有各卡片对应的神经网络的描述信息，教师可以通过触发“配置ai体验”按钮，来添加其他ai体验卡片。其中，目标ai体验卡片可以是平台中预先保存的多个ai体验卡片中的至少一个。示例性地，平台上的多个ai体验卡片可以是使用javascript和tensorflow.js等前端化ai技术开发的ai体验类应用，如手势识别、人脸跟踪、肢体识别、图像风格化、语音识别等ai应用，这些应用在平台上表现为一个可交互的网页对话框，可通过摄像头获取视频或照片、通过麦克风获取音频、通过文件上传组件允许用户上传各类文件，应用在获取数据之后，按照设置的ai算法或程序对数据进行训练和处理，最终效果可通过网页以实时或静态方式呈现给用户。
170.教师端在检测到针对任一ai体验卡片的选择操作之后，可以将该ai体验卡片插入至目标ai课程的课程内容中，然后在接收到教师端执行的发布操作之后，将目标ai课程发布到所述教学平台的服务器中。
171.通过这种方法，教师端无需提前配置调试对应的神经网络，直接通过选择ai体验卡片即可实现对于神经网络的引用，极大的减少了在制作人工智能相关课程时的开发工作量，节省了教师编辑课程的时间，有助于教师聚焦于教学内容的设计编排，提高了教师的教学效率。
172.在将目标ai课程发布到服务器中之后，服务器可以存储所述目标ai课程的课程内容，并在学生端请求获取课程时，将目标ai课程发送至学生端。
173.具体的，学生端通过访问所述教学平台，可以获取到所述教师端发布的目标ai课程的预览信息，然后可以在接收到学生输入的课程获取指令后，向教学平台发送课程获取请求，来从教学平台获取所述目标ai课程。
174.学生端在获取所述目标ai课程之后，其展示页面例如可以如图4所示，学生可以通过触发所述目标ai课程中的目标ai体验卡片来体验神经网络。示例性的，若学生触发了图4中“开始体验”按钮之后，学生端可以调用摄像头采集学生图像，并将学生图像上传到教学平台的服务器，然后服务器可以调用“成为表情包”这一ai体验卡片对应的神经网络对采集的学生图像进行处理，得到处理结果，然后将处理结果发送到学生端进行展示。
175.通过这种方式，学生端在学习目标ai课程时，可以直接在服务器运行目标ai课程内的目标ai体验卡片，以调用对应的目标神经网络，这样减少了学生端搭建运行环境及调试神经网络的过程，操作十分方便快捷，节省了大量时间，提升了学生端的学习效率。
176.进一步的，学生可以通过触发ai体验卡片来实现对学生端的图像采集装置的调用，交互效果较好。
177.本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功
能和可能的内在逻辑确定。
178.基于同一发明构思，本公开实施例中还提供了与课程生成方法对应的课程生成装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述课程生成方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
179.参照图6所示，为本公开实施例提供的一种课程生成装置的架构示意图，所述装置包括：选择模块601、插入模块602、发布模块603；其中，
180.选择模块601，用于响应卡片选择操作，从预先配置的至少一个人工智能ai体验卡片中选择与目标ai课程匹配的目标ai体验卡片；其中，每个所述ai体验卡片对应有一种ai应用程序，所述ai应用程序用于调用所述ai体验卡片对应的神经网络进行数据处理；
181.插入模块602，用于将所述目标ai体验卡片插入所述目标ai课程的课程内容中；
182.发布模块603，用于响应课程发布操作，发布包含所述目标ai体验卡片的目标ai课程。
183.一种可能的实施方式中，所述ai应用程序关联有与所述ai体验卡片对应的神经网络的运行环境；
184.所述运行环境用于在所述ai体验卡片对应的神经网络被调用之后，支撑所述神经网络在所述运行环境中进行数据处理。
185.一种可能的实施方式中，所述ai应用程序关联有所述神经网络对应的训练方法；
186.所述训练方法，用于所述ai体验卡片对应的神经网络被调用之后，基于输入的训练数据对所述神经网络进行训练。
187.一种可能的实施方式中，所述目标ai课程还包括：教学资源和/或教学项目；
188.所述教学资源包括教学视频、教学文档、教学音频中的至少一种。
189.一种可能的实施方式中，所述神经网络包括以下至少一种：
190.人脸识别网络、人脸跟踪网络、手势识别网络、手势跟踪网络、肢体识别网络、图片风格化网络、图像处理网络、语音识别网络、语音分类网络。
191.对应于图3所示的课程展示方法，本公开实施例提供了一种课程展示装置，参照图7所示，为本公开实施例提供的一种课程展示装置的架构示意图，所述装置包括：获取模块701、启动模块702、调用模块703；其中，
192.获取模块701，用于获取与所述第二用户端对应的目标ai课程；其中，所述目标ai课程的课程内容包括目标ai体验卡片，所述目标ai体验卡片对应有目标ai应用程序，所述目标ai应用程序用于调用所述目标ai体验卡片对应的目标神经网络进行数据处理；
193.启动模块702，用于响应针对所述目标ai体验卡片的触发操作，启动所述目标ai应用程序，并获取与所述目标神经网络匹配的运行数据；
194.调用模块703，用于通过所述目标ai应用程序调用所述目标神经网络处理所述运行数据，并对得到的处理结果进行展示。
195.一种可能的实施方式中，在所述目标神经网络为待训练的神经网络的情况下，所述运行数据包括与所述目标神经网络匹配的训练数据；和/或，
196.在所述目标神经网络为训练好的神经网络的情况下，所述运行数据包括与所述目标神经网络匹配的待处理数据。
197.一种可能的实施方式中，所述目标ai体验卡片包括与所述目标ai体验卡片对应的
目标神经网络的描述信息，以及与所述目标ai体验卡片对应的目标ai应用程序的触发按钮；
198.所述触发按钮用于在被触发之后，启动所述目标ai应用程序。
199.关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。
200.对应于图5中所述的课程展示方法，本公开实施例还提供另外一种课程展示装置，参见图8所示，为本公开实施例提供的一种课程展示装置的架构示意图，包括接收模块801、第一发送模块802、数据处理模块803、以及第二发送模块804，具体的：
201.接收模块801，用于接收第一用户端发布的包含目标ai体验卡片的目标ai课程，并将所述目标ai课程的预览信息发送至第二用户端展示；其中，所述目标ai体验卡片对应有目标ai应用程序，所述目标ai应用程序用于调用所述目标ai体验卡片对应的目标神经网络进行数据处理；
202.第一发送模块802，用于响应所述第二用户端发送的针对所述目标ai课程的课程获取请求，将所述目标ai课程发送至所述第二用户端；
203.数据处理模块803，用于响应所述第二用户端通过所述目标ai应用程序发送的调用请求，调用所述目标神经网络对运行数据进行处理；
204.第二发送模块804，用于将处理结果发送至所述第二用户端进行展示。
205.基于同一技术构思，本公开实施例还提供了一种计算机设备。参照图9所示，为本公开实施例提供的计算机设备900的结构示意图，包括处理器901、存储器902、和总线903。其中，存储器902用于存储执行指令，包括内存9021和外部存储器9022；这里的内存9021也称内存储器，用于暂时存放处理器901中的运算数据，以及与硬盘等外部存储器9022交换的数据，处理器901通过内存9021与外部存储器9022进行数据交换，当计算机设备900运行时，处理器901与存储器902之间通过总线903通信，使得处理器901在执行以下指令：
206.响应卡片选择操作，从预先配置的至少一个人工智能ai体验卡片中选择与目标ai课程匹配的目标ai体验卡片；其中，每个所述ai体验卡片对应有一种ai应用程序，所述ai应用程序用于调用所述ai体验卡片对应的神经网络进行数据处理；
207.将所述目标ai体验卡片插入所述目标ai课程的课程内容中；
208.响应课程发布操作，发布包含所述目标ai体验卡片的目标ai课程。
209.或者处理器901可以执行以下指令：
210.获取与所述第二用户端对应的目标ai课程；其中，所述目标ai课程的课程内容包括目标ai体验卡片，所述目标ai体验卡片对应有目标ai应用程序，所述目标ai应用程序用于调用所述目标ai体验卡片对应的目标神经网络进行数据处理；
211.响应针对所述目标ai体验卡片的触发操作，启动所述目标ai应用程序，并获取与所述目标神经网络匹配的运行数据；
212.通过所述目标ai应用程序调用所述目标神经网络处理所述运行数据，并对得到的处理结果进行展示。
213.或者处理器901可以执行以下指令：
214.接收第一用户端发布的包含目标ai体验卡片的目标ai课程，并将所述目标ai课程的预览信息发送至第二用户端展示；其中，所述目标ai体验卡片对应有目标ai应用程序，所
述目标ai应用程序用于调用所述目标ai体验卡片对应的目标神经网络进行数据处理；
215.响应所述第二用户端发送的针对所述目标ai课程的课程获取请求，将所述目标ai课程发送至所述第二用户端；
216.响应所述第二用户端通过所述目标ai应用程序发送的调用请求，调用所述目标神经网络对运行数据进行处理；
217.将处理结果发送至所述第二用户端进行展示。
218.本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的课程生成方法、课程展示方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
219.本公开实施例还提供一种计算机程序产品，该计算机产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中所述的课程生成方法、课程展示方法的步骤，具体可参见上述方法实施例，在此不再赘述。
220.其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(software development kit，sdk)等等。
221.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
222.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
223.另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
224.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
225.最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开
的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。
226.若本技术技术方案涉及个人信息，应用本技术技术方案的产品在处理个人信息前，已明确告知个人信息处理规则，并取得个人自主同意。若本技术技术方案涉及敏感个人信息，应用本技术技术方案的产品在处理敏感个人信息前，已取得个人单独同意，并且同时满足“明示同意”的要求。例如，在摄像头等个人信息采集装置处，设置明确显著的标识告知已进入个人信息采集范围，将会对个人信息进行采集，若个人自愿进入采集范围即视为同意对其个人信息进行采集；或者在个人信息处理的装置上，利用明显的标识/信息告知个人信息处理规则的情况下，通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权；其中，个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。