一种推理引擎开发平台、方法、电子设备及存储介质与流程

1.本公开涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域。


背景技术：

2.随着人工智能(artificial intelligence，ai)的发展，过去常用的将ai能力部署在服务器端，通过用户上传的数据来运行得到结果并返回至用户的ai技术处理方式，由于时延大、网络依赖性高、数据安全难以保证，已不再满足当前人们的需求。得益于半导体技术的蓬勃发展，ai技术能够通过ai专用芯片及其对应的推理引擎来实现，从而为ai技术打开了新的局面。


技术实现要素：

3.本公开提供了一种推理引擎开发平台、方法、电子设备及存储介质。
4.根据本公开的一方面，提供了一种推理引擎开发平台，包括：
5.跨平台推理模块、推理引擎调用模块；
6.跨平台推理模块，用于跨平台定义推理引擎基类，其中，推理引擎基类下包括多个推理引擎子类，不同推理引擎子类对应不同的推理引擎；
7.推理引擎调用模块，用于获取针对待配置推理引擎的配置信息，基于推理引擎基类下推理引擎子类的定义，调用待配置推理引擎，并利用配置信息对待配置推理引擎进行配置，得到目标推理引擎。
8.根据本公开的另一方面，提供了一种推理引擎开发方法，应用于推理引擎开发平台，包括：
9.利用跨平台推理模块，跨平台定义推理引擎基类，其中，推理引擎基类下包括多个推理引擎子类，不同推理引擎子类对应不同的推理引擎；
10.利用推理引擎调用模块，获取针对待配置推理引擎的配置信息，基于推理引擎基类下推理引擎子类的定义，调用待配置推理引擎，并利用配置信息对待配置推理引擎进行配置，得到目标推理引擎。
11.本公开提供的推理引擎开发平台，包括：跨平台推理模块、推理引擎调用模块；其中，跨平台推理模块用于跨平台定义推理引擎基类，其中，推理引擎基类下包括多个推理引擎子类，不同推理引擎子类对应不同的推理引擎；推理引擎调用模块用于获取针对待配置推理引擎的配置信息，基于推理引擎基类下推理引擎子类的定义，调用待配置推理引擎，并利用配置信息对待配置推理引擎进行配置，得到目标推理引擎。实现了推理引擎的开发。
12.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
13.附图用于更好地理解本方案，不构成对本公开的限定。其中：
14.图1是根据本公开实施例提供的一种推理引擎开发平台的结构示意图；
15.图2是根据本公开实施例提供的第一种推理引擎开发方法的流程示意图；
16.图3是根据本公开实施例提供的第二种推理引擎开发方法的流程示意图；
17.图4是用来实现本公开实施例的推理引擎开发方法的电子设备的框图。
具体实施方式
18.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。
19.相关技术中，种类繁多的ai芯片拥有各自对应的ai推理引擎，当应用ai芯片进行产品开发时，开发者需要了解各种推理引擎及其对应的ai芯片的特征、参数等配置信息以及数据结构、使用方式等等。由于各种推理引擎及其对应的ai芯片各具特色，差异巨大，并且ai推理引擎及ai芯片的种类仍在不断增加中，这给开发者的前期开发、后期维护以及随着时间的迭代更新等都带来了巨大的挑战。
20.为了解决这个问题，本公开提供了一种推理引擎开发平台，包括：
21.跨平台推理模块、推理引擎调用模块；
22.跨平台推理模块，用于跨平台定义推理引擎基类，其中，推理引擎基类下包括多个推理引擎子类，不同推理引擎子类对应不同的推理引擎；
23.推理引擎调用模块，用于获取针对待配置推理引擎的配置信息，基于推理引擎基类下推理引擎子类的定义，调用待配置推理引擎，并利用配置信息对待配置推理引擎进行配置，得到目标推理引擎。
24.由上可见，本公开提供的推理引擎开发平台，利用跨平台推理模块来跨平台定义推理引擎基类，能够将多种不同的推理引擎集成在本公开提供的推理引擎开发平台，实现了推理引擎的跨平台使用。通过推理引擎调用模块获取针对待配置推理引擎的配置信息，调用待配置推理引擎，并利用配置信息对待配置推理引擎进行配置，得到目标推理引擎，从而实现了基于本公开提供的推理引擎开发平台即可配置、调用多种推理引擎，并且，利用不同的配置信息可以灵活地配置得到所需的推理引擎，有效地提高了通过不同推理引擎开发ai应用的开发效率。
25.下面通过具体实施例对本公开提供的推理引擎开发平台进行详细说明。
26.参见图1，图1为本公开实施例的一种推理引擎开发平台的结构示意图，包括：跨平台推理模块、推理引擎调用模块；
27.跨平台推理模块，用于跨平台定义推理引擎基类，其中，推理引擎基类下包括多个推理引擎子类，不同推理引擎子类对应不同的推理引擎。
28.在人工智能领域，推理引擎用于将逻辑规则应用于知识库以推断新信息的系统中，可以是一种深度学习框架，能够用以开发ai应用。基础的推理引擎包括多个类型，不同类型的推理引擎可以分别对应一个推理引擎基类，因此，跨平台推理模块进行跨平台定义的推理引擎基类可以包括多个类型的推理引擎各自对应的推理引擎基类。每一个推理引擎基类下包括多个推理引擎子类，不同的推理引擎子类对应不同的推理引擎。
29.一个例子中，推理引擎基类可以包括paddleinference(模型推理)、paddlelite(飞浆)、amba(一种推理框架)、nnie(一种推理框架)、rknn(一种推理框架)、tensorrt(加速深度学习框架)六种类型的推理引擎对应的推理引擎基类。
30.推理引擎调用模块，用于获取针对待配置推理引擎的配置信息，基于推理引擎基类下推理引擎子类的定义，调用待配置推理引擎，并利用配置信息对待配置推理引擎进行配置，得到目标推理引擎。
31.上述配置信息可以根据需求进行设定，不同的配置信息所配置得到的推理引擎是不同的，同一推理引擎基类下所包括的不同推理引擎子类分别对应具有同类型基础，且配置信息不同的推理引擎。
32.一个例子中，上述配置信息的类型可以包括：class ambaconfig(amba对应的配置信息)、class paddleliteconfig(飞浆对应的配置信息类型)、class paddleinferenceconfig(模型推理对应的配置信息)、class rknnconfig(rknn对应的配置信息)、class nnieconfig(nnie对应的配置信息)、class tensorrtconfig(tensorrt对应的配置信息)，分别与上述六种类型的推理引擎相对应。
33.待配置推理引擎为可以基于不同配置信息进行配置的基础的推理引擎。在获取针对待配置推理引擎所设定的配置信息后，可以基于推理引擎基类下推理引擎子类的定义，调用待配置推理引擎，然后利用配置信息对待配置推理引擎进行配置，所配置得到的即为目标推理引擎。
34.由上可见，本公开提供的推理引擎开发平台，利用跨平台推理模块来跨平台定义推理引擎基类，能够将多种不同的推理引擎集成在本公开提供的推理引擎开发平台，实现了推理引擎的跨平台使用。通过推理引擎调用模块获取针对待配置推理引擎的配置信息，调用待配置推理引擎，并利用配置信息对待配置推理引擎进行配置，得到目标推理引擎，从而实现了基于本公开提供的推理引擎开发平台即可配置、调用多种推理引擎，并且，利用不同的配置信息可以灵活地配置得到所需的推理引擎，有效地提高了通过不同推理引擎开发ai应用的开发效率。
35.本公开的一个实施例中，上述平台还包括：
36.跨平台编译模块，跨平台编译模块包括由交叉编译工具链打包得到的交叉编译docker容器(应用容器引擎)；
37.跨平台编译模块，具体用于利用交叉编译docker容器完成配置信息的跨平台转换。
38.交叉编译工具链为一个由编译器、连接器和解释器组成的综合开发环境，用于跨平台进行编译，docker容器为一个应用容器引擎，可以将交叉编译工具链打包集装在其中。交叉编译工具链打包得到的交叉编译docker容器可以实现不同平台之间编码类型的转换，针对用户端使用的编码类型与待配置推理引擎使用的编码类型不同的场景，可以利用交叉编译docker容器实现配置信息的编码类型的转换，也即配置信息的跨平台转换，使得配置信息的编码类型与待配置推理引擎使用的编码类型相同，从而能够用于待配置推理引擎的开发配置。
39.不同平台(不同编码类型)的推理引擎的配置方式、配置信息等存在差异，利用交叉编译docker容器完成配置信息的跨平台转换，即可将不同的配置信息进行转换，使得存
在差异的各类配置信息能够基于推理引擎开发平台对待配置推理引擎进行配置。
40.由上可见，本公开提供的推理引擎开发平台，能够对配置信息进行跨平台转换，使得不同类型的推理引擎的配置信息都能够基于本公开提供的推理引擎开发平台而直接对待配置推理引擎进行配置。
41.本公开的一个实施例中，上述平台还包括：
42.跨平台转换模块，跨平台转换模块包括由平台转换工具打包得到的平台转换docker容器；
43.跨平台转换模块，具体用于利用平台转换docker容器完成目标推理引擎的跨平台转换。
44.平台转换工具为一个对推理引擎运行平台进行转换的工具，可以集装于docker容器中来得到平台转换docker容器。不同平台的推理引擎的特征、调用方式等存在差异，因为编码类型、运行环境等因素的不同，推理引擎不能直接跨平台使用，利用平台转换docker容器完成目标推理引擎的跨平台转换，可将不同编码类型的目标推理引擎进行转换，使得存在差异的各类目标推理引擎能够基于推理引擎开发平台被调用。
45.由上可见，本公开提供的推理引擎开发平台，能够对目标推理引擎进行跨平台转换，使得不同类型的目标推理引擎都能够基于本公开提供的推理引擎开发平台而直接调用。
46.本公开的一个实施例中，上述推理引擎调用模块，具体用于获取针对待配置推理引擎的配置信息；基于推理引擎基类下推理引擎子类的定义，调用待配置推理引擎，并利用配置信息对待配置推理引擎进行配置，得到目标推理引擎；在推理引擎基类中添加目标推理引擎的推理引擎子类。
47.上文提到，在获取针对待配置推理引擎的配置信息之后，可以基于推理引擎基类下推理引擎子类的定义，调用待配置推理引擎，并利用配置信息对待配置推理引擎进行配置，得到满足需求的目标推理引擎。此时所得到的目标推理引擎对于该目标推理引擎所在的推理引擎基类而言，可以与该推理引擎基类所包括的各推理引擎子类均不相同，可以是一个基于上述配置信息所配置得到的一个新的推理引擎，此时则可以在该推理引擎基类中添加对应目标推理引擎的一个新的推理引擎子类，而不影响到该推理引擎基类下的其他子类。
48.由上可见，本公开提供的推理引擎开发平台，可以通过配置信息配置得到新的推理引擎，只需要更新配置信息即可以得到更新后的推理引擎，从而有效地提高了推理引擎的开发效率。
49.本公开的一个实施例中，上述推理引擎调用模块还用于：基于定义的目标推理引擎的推理引擎子类，获取目标推理引擎的目标引擎指针；获取目标图像数据；按照目标引擎指针调用目标推理引擎对目标图像数据进行处理，得到图像推理结果；按照目标引擎指针导出目标图像数据的图像推理结果。
50.上述得到目标推理引擎之后，可以基于所定义的目标推理引擎的推理引擎子类，获取目标推理引擎的目标引擎指针。在调用目标推理引擎时，需要按照目标引擎指针进行调用，使得目标推理引擎对目标图像数据进行分析处理，来得到图像推理结果，最终再按照目标推理引擎指针来导出图像推理结果。
51.由上可见，本公开提供的推理引擎开发平台，按照目标引擎指针来调用目标推理引擎对图像数据进行处理，再按照目标引擎指针导出图像推理结果，能够使得开发者依靠推理引擎开发平台即可得到图像推理结果，而不需要对所调用的目标推理引擎进行学习。
52.本公开的一个实施例中，上述推理引擎调用模块具体用于：获取待推理图像数据，将待推理图像数据转换为多维矩阵的形式，得到目标图像数据。
53.上述待推理图像数据可以是具有多种格式的图像数据，在获取之后可以将其转换为多维矩阵的形式，来得到目标图像数据，然后可以将具有多维矩阵形式的目标图像数据传入所调用的目标推理引擎中，使得目标推理引擎对目标图像数据进行处理。
54.由上可见，本公开提供的推理引擎开发平台，可以将待推理图像数据转换为多维矩阵的形式，能够提高图像数据的安全性，同时使得目标推理引擎能够顺利地对图像数据进行处理。
55.另一方面，参见图2，图2为本公开提供的第一种推理引擎开发方法的流程示意图，应用于推理引擎开发平台，包括以下步骤s21-s22：
56.步骤s21：利用跨平台推理模块，跨平台定义推理引擎基类，其中，推理引擎基类下包括多个推理引擎子类，不同推理引擎子类对应不同的推理引擎。
57.步骤s22：利用推理引擎调用模块，获取针对待配置推理引擎的配置信息，基于推理引擎基类下推理引擎子类的定义，调用待配置推理引擎，并利用配置信息对待配置推理引擎进行配置，得到目标推理引擎。
58.本公开实施例的方法应用于智能终端，可以通过智能终端实施，在实际使用过程中，该智能终端可以是电脑、智能手机等。
59.由上可见，本公开提供的推理引擎开发方法，利用跨平台推理模块来跨平台定义推理引擎基类，能够将多种不同的推理引擎集成在本公开提供的推理引擎开发平台。通过推理引擎调用模块获取针对待配置推理引擎的配置信息，调用待配置推理引擎，并利用配置信息对待配置推理引擎进行配置，得到目标推理引擎，从而实现了基于本公开提供的推理引擎开发平台即可配置、调用多种推理引擎，并且，利用不同的配置信息可以灵活地配置得到所需的推理引擎，有效地提高了通过不同推理引擎开发ai应用的开发效率。
60.本公开的一个实施例中，上述方法还包括：
61.基于跨平台编译模块，利用交叉编译docker容器完成配置信息的跨平台转换，其中，跨平台编译模块包括由交叉编译工具链打包得到的交叉编译docker容器。
62.由上可见，本公开提供的推理引擎开发方法，能够对配置信息进行跨平台转换，使得不同类型的推理引擎的配置信息都能够基于本公开提供的推理引擎开发平台而直接对待配置推理引擎进行配置。
63.本公开的一个实施例中，上述方法还包括：
64.基于跨平台转换模块，利用平台转换docker容器完成目标推理引擎的跨平台转换，其中，跨平台转换模块包括由平台转换工具打包得到的平台转换docker容器。
65.由上可见，本公开提供的推理引擎开发方法，能够对目标推理引擎进行跨平台转换，使得不同类型的目标推理引擎都能够基于本公开提供的推理引擎开发平台而直接调用。
66.本公开的一个实施例中，参见图3，图3为本公开提供的第二种推理引擎开发方法
的流程示意图，在得到目标推理引擎之后，上述方法还包括：
67.步骤s33：利用推理引擎调用模块，在推理引擎基类中添加目标推理引擎的推理引擎子类。
68.由上可见，本公开提供的推理引擎开发方法，可以通过配置信息配置得到新的推理引擎，只需要更新配置信息即可以得到更新后的推理引擎，从而有效地提高了推理引擎的开发效率。
69.本公开的一个实施例中，上述方法还包括：
70.利用推理引擎调用模块，基于定义的目标推理引擎的推理引擎子类，获取目标推理引擎的目标引擎指针；获取目标图像数据；按照目标引擎指针调用目标推理引擎对目标图像数据进行处理，得到图像推理结果；按照目标引擎指针导出目标图像数据的图像推理结果。
71.由上可见，本公开提供的推理引擎开发方法，按照目标引擎指针来调用目标推理引擎对图像数据进行处理，再按照目标引擎指针导出图像推理结果，能够使得开发者依靠推理引擎开发平台即可得到图像推理结果，而不需要对所调用的目标推理引擎进行学习。
72.本公开的一个实施例中，上述方法还包括：
73.利用推理引擎调用模块，获取待推理图像数据，将待推理图像数据转换为多维矩阵的形式，得到目标图像数据。
74.由上可见，本公开提供的推理引擎开发方法，可以将待推理图像数据转换为多维矩阵的形式，能够提高图像数据的安全性，同时使得目标推理引擎能够顺利地对图像数据进行处理。
75.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。
76.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。
77.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400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。
78.如图4所示，设备400包括计算单元401，其可以根据存储在只读存储器(rom)402中的计算机程序或者从存储单元408加载到随机访问存储器(ram)403中的计算机程序，来执行各种适当的动作和处理。在ram 403中，还可存储设备400操作所需的各种程序和数据。计算单元401、rom 402以及ram 403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。
79.设备400中的多个部件连接至i/o接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400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。
80.计算单元401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401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401执行上文所描述的各个方法和处理，例如推理引擎开发方法。例如，在一些实施例中，推理引擎开发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408。在一些实施例中，计算机程序的部分或者全部可以经由rom 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到ram 403并由计算单元401执行时，可以执行上文描述的推理引擎开发方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行推理引擎开发方法。
81.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。
82.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。
83.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。
84.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。
85.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。
86.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。
87.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。
88.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。