1.本技术涉及数据处理
技术领域：
：，尤其涉及一种文件传输方法、装置、设备、存储介质及程序产品。
背景技术：
：：2.当前，在需要将占用内存较多的文件远程传输至其他设备时，通常采用文件传输系统进行传输。3.现有技术中，文件传输系统在传输文件时，通常是采用单一的节点将一整个文件压缩后直接传输。4.然而，发明人发现现有技术存在如下技术问题：现有的文件传输方法无法完全利用文件传输系统的文件压缩能力及带宽，导致产生文件传输速度慢的问题。技术实现要素：5.本技术提供一种文件传输方法、装置、设备、存储介质及程序产品，用以解决产生文件传输速度慢的问题。6.第一方面，本技术提供一种文件传输方法，应用于代理单元，包括：7.周期性向任务处理单元发送查询请求；接收任务处理单元根据查询请求发送的各压缩任务的任务信息及各传输任务的任务信息，其中，压缩任务及传输任务是任务处理单元接收用户的终端设备发送的待传输文件及对应的传输地址，将待传输文件拆分，得到多个待传输子文件，根据待传输子文件及传输地址创建的；根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务；向任务处理单元发送目标任务的标识，并接收任务处理单元根据目标任务的标识发送的目标任务；执行目标任务。8.在一种可能的实现方式中，根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务，包括：将自身状态参数、各压缩任务及各传输任务的任务信息输入预先接收的目标神经网络模型中，得到目标任务。9.在一种可能的实现方式中，在将自身状态参数、各压缩任务及各传输任务的任务信息输入预先接收的目标神经网络模型中，得到目标任务之前，还包括：以预设时间为间隔，周期性向任务处理单元发送查询请求；接收任务处理单元根据查询请求发送的各压缩训练任务的任务信息及各传输训练任务的任务信息，其中压缩训练任务及传输训练任务是根据多个待传输子训练文件及对应的多个传输训练地址创建的，多个待传输子训练文件是任务处理单元接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，并将多个待传输训练文件拆分得到的；将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数发送至模型训练单元，以使模型训练单元将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，并得到目标训练任务，并将目标训练任务的标识发送至任务处理单元；接收任务处理单元根据目标训练任务的标识发送的目标训练任务；执行目标训练任务，并将是否在预设时间内完成目标训练任务的子任务状态信息发送至模型训练单元，以使模型训练单元根据子任务状态信息，及任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息，计算待优化神经网络模型的评分，根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到任务处理单元发送的训练结束信号，将待优化神经网络模型确定为目标神经网络模型，其中，训练结束信号时任务处理单元在所有压缩训练任务及所有传输训练任务都完成时发送的。10.第二方面，本技术提供一种任务选择模型处理方法，应用于模型训练单元，包括：接收任一代理单元发送的各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数，其中，各压缩训练任务的任务信息及各传输训练任务的任务信息为任务处理单元根据查询请求发送的，查询请求是任一代理单元每隔预设时间向任务处理单元发送的，压缩训练任务及传输训练任务是任务处理单元根据多个待传输子训练文件及对应的多个传输训练地址创建的，多个待传输子训练文件是接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，并将多个待传输训练文件拆分得到的，多个待传输子训练文件与各待传输训练文件对应；将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，并得到目标训练任务；将目标训练任务的标识发送至任务处理单元，以使任务处理单元跟据目标训练任务的标识，将目标训练任务发送至任一代理单元；接收任一代理单元发送的是否在预设时间内完成目标训练任务的子任务状态信息；接收任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息；根据子任务状态信息及主任务状态信息，计算待优化神经网络模型的评分；根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到任务处理单元发送的训练结束信号，将待优化神经网络模型确定为目标神经网络模型，其中，训练结束信号是任务处理单元在所有压缩训练任务及所有传输训练任务都完成时发送的；将目标神经网络模型配置至所有代理单元。11.在一种可能的实现方式中，根据子任务状态信息及主任务状态信息，计算待优化神经网络模型的评分，包括：若子任务状态信息为在预设时间内完成目标训练任务，则将评分增加第一预设值，否则减去第二预设值；若主任务状态信息为完成单个待传输训练文件对应的所有压缩任务和传输任务，则将评分增加第三预设值，第三预设值大于第一预设值和第二预设值。12.在一种可能的实现方式中，若在预设时间内完成目标训练任务，则将评分增加第一预设值，否则减去第二预设值之前，还包括：根据目标训练任务的任务信息及自身状态参数，确定目标训练任务的预期完成用时；根据预期完成用时及预设时间，确定第二预设值。13.在一种可能的实现方式中，根据目标训练任务的任务信息及自身状态参数，确定目标训练任务的预期完成用时，包括：将目标训练任务对应的文件大小，除以代理单元的压缩速率或网络带宽，得到目标训练任务的预期完成用时。14.在一种可能的实现方式中，根据预期完成用时及代理单元向任务处理单元发送查询请求间隔的预设时间，确定第二预设值，的公式如下：15.16.式中，y表示第二预设值，a表示常数，t表示预期完成用时，t表示预设时间。17.第三方面，本技术提供一种文件传输方法，应用于任务处理单元，包括：接收用户的终端设备发送的待传输文件及对应的传输地址；将待传输文件拆分，得到多个待传输子文件；根据待传输子文件及传输地址，创建多个压缩任务及多个传输任务；接收任一代理单元周期性发送的查询请求；根据查询请求，向任一代理单元发送各压缩任务的任务信息及各传输任务的任务信息，以使任一代理单元根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务；接收任一代理单元发送的目标任务的标识，并根据目标任务的标识将目标任务发送至任一代理单元，以使任一代理单元执行目标任务。18.在一种可能的实现方式中，根据查询请求，向任一代理单元发送各压缩任务的任务信息及各传输任务的任务信息之前，还包括：接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，并将多个待传输训练文件拆分，得到与各待传输训练文件对应的多个待传输子训练文件；根据多个待传输子训练文件及对应的多个传输训练地址，创建多个压缩训练任务及传输训练任务；接收任一代理单元以预设时间为间隔，周期性发送的查询请求；根据查询请求，向任一代理单元发送各压缩训练任务的任务信息及各传输训练任务的任务信息，以使任一代理单元将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数发送至模型训练单元，使模型训练单元将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，并得到目标训练任务；接收模型训练单元发送的目标训练任务的标识；根据目标训练任务的标识，向任一代理单元发送目标训练任务，以使任一代理单元执行目标训练任务；在所有压缩训练任务及所有传输训练任务完成时，向模型训练单元发送训练结束信号；将是否在预设时间内完成目标训练任务的子任务状态信息发送至模型训练单元，使模型训练单元根据子任务状态信息，及任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息，计算待优化神经网络模型的评分，根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到训练结束信号，将待优化神经网络模型确定为目标神经网络模型。19.第四方面，本技术提供一种文件传输装置，包括：请求发送模块，用于周期性向任务处理单元发送查询请求；第一接收模块，用于接收任务处理单元根据查询请求发送的各压缩任务的任务信息及各传输任务的任务信息，其中，压缩任务及传输任务是任务处理单元接收用户的终端设备发送的待传输文件及对应的传输地址，将待传输文件拆分，得到多个待传输子文件，根据待传输子文件及传输地址创建的；任务确定模块，用于根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务；第二接收模块，用于向任务处理单元发送目标任务的标识，并接收任务处理单元根据目标任务的标识发送的目标任务；任务执行模块，用于执行目标任务。20.第五方面，本技术提供一种任务选择模型处理装置，包括：第三接收模块，用于接收任一代理单元发送的各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数，其中，各压缩训练任务的任务信息及各传输训练任务的任务信息为任务处理单元根据查询请求发送的，查询请求是任一代理单元每隔预设时间向任务处理单元发送的，压缩训练任务及传输训练任务是任务处理单元根据多个待传输子训练文件及对应的多个传输训练地址创建的，多个待传输子训练文件是接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，并将多个待传输训练文件拆分得到的，多个待传输子训练文件与各待传输训练文件对应；任务获得模块，用于将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，得到目标训练任务；标识发送模块，用于将目标训练任务的标识发送至任务处理单元，以使任务处理单元跟据目标训练任务的标识，将目标训练任务发送至任一代理单元；第四接收模块，用于接收任一代理单元发送的是否在预设时间内完成目标训练任务的子任务状态信息；第五接收模块，用于接收任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息；评分计算模块，用于根据子任务状态信息及主任务状态信息，计算待优化神经网络模型的评分；模型确定模块，用于根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到任务处理单元发送的训练结束信号，将待优化神经网络模型确定为目标神经网络模型，其中，训练结束信号是任务处理单元在所有压缩训练任务及所有传输训练任务都完成时发送的；模型配置模块，用于将目标神经网络模型配置至所有代理单元。21.第六方面，本技术提供一种文件传输装置，包括：第六接收模块，用于接收用户的终端设备发送的待传输文件及对应的传输地址；文件拆分模块，用于将待传输文件拆分，得到多个待传输子文件；任务创建模块，用于根据待传输子文件及传输地址，创建多个压缩任务及多个传输任务；第七接收模块，用于接收任一代理单元周期性发送的查询请求；信息发送模块，用于根据查询请求，向任一代理单元发送各压缩任务的任务信息及各传输任务的任务信息，以使任一代理单元根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务；任务发送模块，用于接收任一代理单元发送的目标任务的标识，并根据目标任务的标识将目标任务发送至任一代理单元，以使任一代理单元执行目标任务。22.第七方面，本技术提供一种电子设备，包括：处理器，以及与处理器通信连接的存储器；存储器存储计算机执行指令；处理器执行存储器存储的计算机执行指令，使得处理器执行如第一方面描述的文件传输方法，或第二方面描述的任务选择模型处理方法，或第三方面描述的文件传输方法。23.第八方面，本技术提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现如第一方面描述的文件传输方法，或第二方面描述的任务选择模型处理方法，或第三方面描述的文件传输方法。24.第九方面，本技术提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面描述的文件传输方法，或第二方面描述的任务选择模型处理方法，或第三方面描述的文件传输方法。25.本技术提供的文件传输方法、装置、设备、存储介质及程序产品，通过周期性向任务处理单元发送查询请求，并接收任务处理单元发送的压缩任务和传输任务的任务信息，结合自身状态参数、任务信息，确定目标任务，从而向任务处理单元发送对应的任务标识，接收到目标任务，最终执行目标任务，在完成一个待传输文件对应的所有压缩任务和传输任务后，就实现了将这个待传输文件发送至传输地址对应终端设备的目的，由于各代理单元是通过结合自身状态参数和任务信息得到的目标任务，所以可以更加充分的利用代理单元的内存、cpu(centralprocessingunit，中央处理器)、带宽等条件，实现提升文件传输速度的效果。附图说明26.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。27.图1为本技术实施例提供的文件传输方法的应用场景示意图；28.图2为本技术实施例提供的文件传输方法的流程示意图一；29.图3为本技术实施例提供的任务选择模型处理方法的流程示意图；30.图4为本技术实施例提供的文件传输方法的流程示意图二；31.图5为本技术实施例提供的一种文件传输装置的结构示意图一；32.图6为本技术实施例提供的一种任务选择模型处理装置的结构示意图；33.图7为本技术实施例提供的一种文件传输装置的结构示意图二；34.图8为本技术实施例提供的一种电子设备的结构示意图。35.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。具体实施方式36.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。37.当前在文件需要远程传输或进行大文件无线传输时，通常需要借助文件传输系统的帮助。38.现有技术中，文件传输系统通常将一个待传输的文件进行整体压缩后直接进行整体的传输，及时节点能力有所剩余，通常也不足以同时传输另一个较大的文件，因此一个文件通常会占用一个传输节点，无法完全利用文件传输系统的文件压缩能力及带宽，导致文件传输慢的问题。39.针对上述技术问题，发明人提出如下技术构思：通过将文件拆分，并针对每个拆分得到的文件单独创建压缩任务和传输任务，每个传输单元根据自身状态参数及任务信息确定要执行的任务，以将整个文件拆分得到的所有文件压缩并传输。40.图1为本技术实施例提供的文件传输方法的应用场景示意图。如图1，该场景中，包括：代理单元101、任务处理单元102、用户的终端设备103以及目标终端设备104。41.在具体实现过程中，代理单元101，可以是单独的服务器，也可以是服务器中的节点，可以有多个代理单元同时运行。代理单元101，用于查询任务处理单元102中的压缩任务及传输任务，并根据自身状态参数及任务信息确定要执行的任务，以进行文件压缩或文件传输。42.任务处理单元102，可以是单独的服务器，也可以是与代理单元101在相同的服务器，本技术对此不作特殊限制，用于接收用户的终端设备103发送的待传输文件及对应的传输地址，其中传输地址是目标终端设备104的地址。还用于将待传输文件拆分，得到多个待传输子文件，并根据待传输子文件及传输地址创建压缩任务及传输任务。43.用户的终端设备103，可以是服务器、电脑、笔记本电脑、平板电脑或手机等具有文件发送功能的设备，用于通过任务处理单元102及代理单元101向目标终端设备104发送文件。44.目标终端设备104可以是服务器、电脑、笔记本电脑、平板电脑或手机等具有文件接收功能的设备，用于接收用户的终端设备103通过任务处理单元102及代理单元101发送的文件。45.代理单元101、任务处理单元102、用户的终端设备103以及目标终端设备104之间的连接方式可以是有线连接也可以是无线连接。46.可以理解的是，本技术实施例示意的结构并不构成对文件传输方法的具体限定。在本技术另一些可行的实施方式中，上述架构可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置，具体可根据实际应用场景确定，在此不做限制。图1所示的部件可以以硬件，软件，或软件与硬件的组合实现。47.下面以具体地实施例对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。48.图2为本技术实施例提供的文件传输方法的流程示意图一。本技术实施例的执行主体可以是图1中的代理单元101，也可以是电脑和/或手机等，本实施例对此不作出特别限制。如图2所示，该方法包括：49.s201：周期性向任务处理单元发送查询请求。50.在本步骤中，周期性可以是以预设时间为间隔，每隔预设时间向处理单元发送查询请求，查询请求可以是由数字、字母、符号中的一种或多种组成的字符串。51.s202：接收任务处理单元根据查询请求发送的各压缩任务的任务信息及各传输任务的任务信息，其中，压缩任务及传输任务是任务处理单元接收用户的终端设备发送的待传输文件及对应的传输地址，将待传输文件拆分，得到多个待传输子文件，根据待传输子文件及传输地址创建的。52.在本步骤中，任务信息可以包括待压缩任务对应的压缩文件的大小、传输任务对应的待传输文件的大小。53.s203：根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务。54.在本步骤中，自身状态参数可以包括cpu(centralprocessingunit，中央处理器)占用率或使用率，内存占用量、内存使用量、磁盘剩余空间、带宽等中的一种或多种。目标任务可以是一个压缩任务或一个传输任务。任务信息包括压缩任务或传输任务对应文件的文件大小。55.s204：向任务处理单元发送目标任务的标识，并接收任务处理单元根据目标任务的标识发送的目标任务。56.在本步骤中，每个任务均有对应的标识，标识可以是数字、字母、符号中一种或多种的组合，接收目标任务可以是接收目标任务的文件，还可以是目标任务的文件及对应的传输地址。57.s205：执行目标任务。58.在本步骤中，若目标任务是压缩任务，则将目标任务中的文件进行压缩，若目标任务为传输任务，则将目标任务对应的文件根据传输地址进行发送，以传输至上述目标终端设备。59.从上述实施例的描述可知，本技术实施例通过周期性向任务处理单元发送查询请求，并接收任务处理单元发送的压缩任务和传输任务的任务信息，结合自身状态参数、任务信息，确定目标任务，从而向任务处理单元发送对应的任务标识，接收到目标任务，最终执行目标任务，在完成一个待传输文件对应的所有压缩任务和传输任务后，就实现了将这个待传输文件发送至传输地址对应终端设备的目的，由于各代理单元是通过结合自身状态参数和任务信息得到的目标任务，所以可以更加充分的利用代理单元的内存、cpu、带宽等条件，实现提升文件传输速度的效果。60.在一种可能的实现方式中，上述步骤s203中，根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务，包括：61.s2031：将自身状态参数、各压缩任务及各传输任务的任务信息输入预先接收的目标神经网络模型中，得到目标任务。62.在本步骤中，可以是将自身状态参数、各压缩任务的任务信息及各传输任务的任务信息先进行转换，得到数值化的自身状态参数、各压缩任务的任务信息及各传输任务的任务信息，再将数值化的自身状态参数、各压缩任务的任务信息及各传输任务的任务信息输入预先接收的目标神经网络模型中，得到模型输出的目标任务。63.其中，转换的方式可以是通过预设的产生式规则进行转换。64.从上述实施例的描述可知，本技术实施例通过将自身状态参数、各压缩任务及各传输任务的任务信息输入预先接收的目标神经网络模型中，由目标神经网络模型的输出确定目标任务，可以实现准确定位目标任务，找到更加适合代理单元的目标任务，从而提升文件传输速度的效果。65.在一种可能的实现方式中，在上述步骤s2031，将自身状态参数、各压缩任务及各传输任务的任务信息输入预先接收的目标神经网络模型中，得到目标任务之前，还包括：66.s2030a：以预设时间为间隔，周期性向任务处理单元发送查询请求。67.本步骤与上述步骤s201相似，预设时间可以是0.1秒、1秒、3秒、1分钟等，本技术对此不作特殊限制。68.s2030b：接收任务处理单元根据查询请求发送的各压缩训练任务的任务信息及各传输训练任务的任务信息，其中压缩训练任务及传输训练任务是根据多个待传输子训练文件及对应的多个传输训练地址创建的，多个待传输子训练文件是任务处理单元接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，并将多个待传输训练文件拆分得到的。69.本步骤与上述步骤s202类似，在这里不再赘述。工作人员的终端设备的种类可以是上述用户的终端设备的种类中的任一种。70.s2030c：将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数发送至模型训练单元，以使模型训练单元将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，并得到目标训练任务，并将目标训练任务的标识发送至任务处理单元。71.在本步骤中，模型训练单元可以是服务器、cpu、电脑、笔记本电脑、平板电脑等具有运算能力的设备。72.s2030d：接收任务处理单元根据目标训练任务的标识发送的目标训练任务。73.本步骤与上述步骤s204类似，在这里不再赘述。74.s2030e：执行目标训练任务，并将是否在预设时间内完成目标训练任务的子任务状态信息发送至模型训练单元，以使模型训练单元根据子任务状态信息，及任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息，计算待优化神经网络模型的评分，根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到任务处理单元发送的训练结束信号，将待优化神经网络模型确定为目标神经网络模型，其中，训练结束信号时任务处理单元在所有压缩训练任务及所有传输训练任务都完成时发送的。75.在本步骤中，预设时间为上述步骤s2030a中的预设时间，子任务状态信息可以包含0或1两种状态，或以其他方式表示在预设时间内完成或未完成目标训练任务。在模型训练单元将待优化神经网络模型确定为目标神经网络模型后，会将目标神经网络模型发送或部署至代理单元。76.在一种可能的实现方式中，在上述步骤s2030e之后，还包括s2030f：接收模型训练单元发送的目标神经网络模型。77.从上述实施例的描述可知，本技术实施例通过以预设时间为间隔，周期性向任务处理单元发送查询请求，并接收任务处理单元根据查询请求发送的压缩训练任务和传输训练任务的任务信息，将任务信息和自身状态信息输入模型训练单元，从而接收到任务处理单元发送的目标训练任务，执行目标训练任务，并将任务执行的情况，即子任务状态信息发送至模型训练单元，以实现让模型训练单元根据子任务状态信息及接收到的任务处理单元发送的主任务状态信息更新待优化神经网络模型，从而得到目标神经网络模型，实现模型的优化，从而为后续得到准确的目标任务、提升文件传输速度提供保障。78.图3为本技术实施例提供的任务选择模型处理方法的流程示意图。本技术实施例的执行主体可以是上述模型训练单元，也可以是电脑和/或手机等，本实施例对此不作出特别限制。如图3所示，该方法包括：79.s301：接收任一代理单元发送的各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数，其中，各压缩训练任务的任务信息及各传输训练任务的任务信息为任务处理单元根据查询请求发送的，查询请求是任一代理单元每隔预设时间向任务处理单元发送的，压缩训练任务及传输训练任务是任务处理单元根据多个待传输子训练文件及对应的多个传输训练地址创建的，多个待传输子训练文件是接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，并将多个待传输训练文件拆分得到的，多个待传输子训练文件与各待传输训练文件对应。80.在本步骤中，任务信息及自身状态参数的描述见上述步骤s202、s203描述。81.s302：将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，并得到目标训练任务。82.在本步骤中，待优化神经网络模型可以是前馈神经网络、反馈神经网络、全连接神经网络、卷积神经网络中的一种。83.s303：将目标训练任务的标识发送至任务处理单元，以使任务处理单元跟据目标训练任务的标识，将目标训练任务发送至任一代理单元。84.在本步骤中，目标训练任务的标识可以是与目标训练任务对应的，并且还可以是与目标训练任务的创建顺序对应的。85.s304：接收任一代理单元发送的是否在预设时间内完成目标训练任务的子任务状态信息。86.在本步骤中，子任务状态信息如上述步骤s2030e描述，在这里不再赘述。87.s305：接收任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息。88.在本步骤中，主任务状态信息的形式可以是与上述子任务状态信息类似的，可以增加一位或多位作为区分。89.例如，当前子任务状态信息为未完成，表示为0，主任务状态信息为未完成，可以表示为a0，其中a作为区分，也可以表示为b0等，本技术对此不作限制。又例如当前子任务状态信息为完成，表示为1，主任务状态信息为未完成，可以表示为d1等。90.s306：根据子任务状态信息及主任务状态信息，计算待优化神经网络模型的评分。91.在本步骤中，子任务状态信息为完成则在评分增加相应的子任务分数，子任务状态信息为未完成则在评分减去相应的子任务分数，主任务状态信息为完成则在评分增加相应的主任务分数，主任务状态信息为未完成则可以不对评分做变更，也可以减少一定的分数。92.s307：根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到任务处理单元发送的训练结束信号，将待优化神经网络模型确定为目标神经网络模型，其中，训练结束信号是任务处理单元在所有压缩训练任务及所有传输训练任务都完成时发送的。93.在本步骤中，根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，可以是根据评分更改待优化神经网络模型中各神经元之间的参数，或者根据评分更改神经网络中的激活函数中的参数。94.s308：将目标神经网络模型配置至所有代理单元。95.在本步骤中，将目标神经网络模型配置至所有代理单元可以是将目标神经网络模型发送至所有代理单元，使各代理单元可以使用目标神经网络模型，也可以是将目标神经网络模型部署至所有代理单元，作为代理单元运行逻辑的一环。96.从上述实施例的描述可知，本技术实施例通过接收代理单元发送的任务信息及自身状态参数，并将任务信息及自身状态参数输入待优化神经网络模型，得到目标训练任务，将目标训练任务的标识发送至任务处理单元，使任务处理单元将目标训练任务分配至代理单元，代理单元能够执行目标训练任务，接收代理单元发送的子任务状态信息和主任务状态信息，根据子任务状态信息和主任务状态信息计算待优化神经网络模型的评分，从而根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到任务处理单元发送的训练结束信号，将待优化神经网络模型确定为目标神经网络模型，将目标神经网络模型配置至所有代理单元，实现中心化的模型训练，去中心化的模型使用，各代理单元可以脱离模型训练单元使用目标神经网络模型，提高了文件传输的稳定性，并且由于后续使用的神经网络模型为目标神经网络模型，可以加快文件传输速度。97.在一种可能的实现方式中，上述步骤s306中，根据子任务状态信息及主任务状态信息，计算待优化神经网络模型的评分，包括：98.s3061：若子任务状态信息为在预设时间内完成目标训练任务，则将评分增加第一预设值，否则减去第二预设值。99.在本步骤中，预设时间s301中的预设时间。在预设时间内完成目标训练任务，可以是在代理单元下一次发送查询请求前完成目标训练任务。第一预设值例如10、15、20等。第二预设值例如1、2、3等。100.s3062：若主任务状态信息为完成单个待传输训练文件对应的所有压缩任务和传输任务，则将评分增加第三预设值，第三预设值大于第一预设值和第二预设值。101.在本步骤中，第三预设值例如2000、3000、10000、20000，本技术对此不特殊限制。102.从上述实施例的描述可知，本技术实施例通过根据子任务状态信息及主任务状态信息，更改评分的分值，实现使神经网络模型在完成目标训练任务和单个待传输训练文件的传输时得到更高的评分，在预设时间内未完成目标训练任务时得到较低的评分，从而实现使神经网络模型向文件传输速度或文件压缩速度更快的方向迭代，得到使文件压缩速度更快、文件传输速度更快的神经网络模型。103.在一种可能的实现方式中，上述步骤s3061若子任务状态信息为在预设时间内完成目标训练任务，则将评分增加第一预设值，否则减去第二预设值之前，还包括：104.s3060a：根据目标训练任务的任务信息及自身状态参数，确定目标训练任务的预期完成用时。105.在本步骤中，可以是将目标训练任务的任务信息和自身状态参数输入预先训练得到的预期时间计算模型，得到对应的预期时间。106.在一种可能的实现方式中，本步骤根据目标训练任务的任务信息及自身状态参数，确定目标训练任务的预期完成用时，包括：107.将目标训练任务对应的文件大小，除以代理单元的压缩速率或网络带宽，得到目标训练任务的预期完成用时。108.在本步骤中，若目标训练任务为压缩训练任务，则将文件大小除以代理单元的压缩速率，再与预设数值相加，若目标训练任务为传输训练任务，则将文件大小除以代理单元的网络带宽，并与预设数值相加。本步骤中的两个预设数值可以不同，以消除误差。109.s3060b：根据预期完成用时及预设时间，确定第二预设值。110.在本步骤中，可以是根据预期完成用时与预设时间的比值与预设值相加，得到第二预设值。111.在一种可能的实现方式中，根据预期完成用时及代理单元向任务处理单元发送查询请求间隔的预设时间，确定第二预设值，的公式如下：112.113.式中，y表示第二预设值，a表示常数，t表示预期完成用时，t表示预设时间。114.从上述实施例的描述可知，本技术实施例通过根据任务信息及自身状态参数，确定目标任务的预期完成用时，并根据预期完成用时及预设时间确定第二预设值，实现针对不同的预期完成时间动态改变第二预设值，从达到而加快模型训练速度的效果。115.图4为本技术实施例提供的文件传输方法的流程示意图二。本技术实施例的执行主体可以是上述任务处理单元，也可以是电脑和/或手机等，本实施例对此不作出特别限制。如图4所示，该方法包括：116.s401：接收用户的终端设备发送的待传输文件及对应的传输地址。117.在本步骤中，待传输文件可以是任意格式的，本技术对此不作特殊限制。118.s402：将待传输文件拆分，得到多个待传输子文件。119.在本步骤中，将待传输文件拆分，可以是将待传输文件拆分为固定大小的多个文件，也可以是将待传输文件拆分为固定数量个文件，还可以是根据待传输文件的大小，待传输文件越大，拆分得到的文件越大，或拆分得到的待传输子文件数量越多。当文件大小在预设大小以内时，还可以不进行拆分，可视作将一个文件拆为一个文件。120.403：根据待传输子文件及传输地址，创建多个压缩任务及多个传输任务。121.在本步骤中，每个待传输子文件可以对应创建一个压缩任务，将压缩后的待传输子文件与传输地址结合得到一个传输任务，即将一个压缩后的待传输子文件传输至传输地址作为一个传输任务。122.s404：接收任一代理单元周期性发送的查询请求。123.在本步骤中，接收可以是通过有线或无线的方式接收的。124.s405：根据查询请求，向任一代理单元发送各压缩任务的任务信息及各传输任务的任务信息，以使任一代理单元根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务。125.在本步骤中，可以是在接收到查询请求时，获取所有任务信息，并向发送查询请求的代理单元发送所有任务信息。126.s406：接收任一代理单元发送的目标任务的标识，并根据目标任务的标识将目标任务发送至任一代理单元，以使任一代理单元执行目标任务。127.在本步骤中，接收目标任务的标识可以是无线方式接收的也可以是优先方式接收的。128.在一种可能的实现方式中，上述步骤s405根据查询请求，向任一代理单元发送各压缩任务的任务信息及各传输任务的任务信息之前，还包括：129.s404a：接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，并将多个待传输训练文件拆分，得到与各待传输训练文件对应的多个待传输子训练文件。130.在本步骤中，例如待传输训练文件a可拆分为a1、a2、a3。131.本技术对待传输训练文件的格式不作限制。待传输训练文件的拆分方式如上述步骤s402描述，在这里不再赘述。132.s404b：根据多个待传输子训练文件及对应的多个传输训练地址，创建多个压缩训练任务及传输训练任务。133.若上述步骤s404a中待传输训练文件a对应传输训练地址c，则a1、a2、a3的传输训练地址也为c。134.s404c：接收任一代理单元以预设时间为间隔，周期性发送的查询请求。135.本步骤与上述步骤s404类似，在这里不再赘述。136.s404d：根据查询请求，向任一代理单元发送各压缩训练任务的任务信息及各传输训练任务的任务信息，以使任一代理单元将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数发送至模型训练单元，使模型训练单元将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，并得到目标训练任务。137.本步骤与上述步骤s405类似，只是代理单元的信息发送方向不同。138.s404e：接收模型训练单元发送的目标训练任务的标识。139.本步骤与上述步骤s406类似，在这里不再赘述。140.s404f：根据目标训练任务的标识，向任一代理单元发送目标训练任务，以使任一代理单元执行目标训练任务。141.本步骤与上述步骤s406类似，在这里不再赘述。142.s404g：在所有压缩训练任务及所有传输训练任务完成时，向模型训练单元发送训练结束信号。143.在本步骤中，可以是在任务列表中没有压缩训练任务及传输训练任务时，判定训练已经结束，向模型训练单元发送训练结束信号。144.s404h：将是否在预设时间内完成目标训练任务的子任务状态信息发送至模型训练单元，使模型训练单元根据子任务状态信息，及任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息，计算待优化神经网络模型的评分，根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到训练结束信号，将待优化神经网络模型确定为目标神经网络模型。145.从上述实施例的描述可知，本技术实施例通过接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，将待传输训练文件拆分，得到预各待传输训练文件对应的待传输子训练文件，从而由待传输子训练文件和对应的传输训练地址，创建压缩训练训练任务和传输训练任务，并在接收到查询请求后，经发送查询请求的代理单元向模型训练单元发送各训练任务的任务信息，从而使模型训练单元筛选出目标训练任务，并接收模型训练单元发送的目标训练任务的标识，根据目标训练任务的标识向代理单元发送目标训练任务，使代理单元执行目标训练任务，从而在所有压缩训练任务及所有传输训练任务完成时，向模型训练单元发送训练结束信号，以及将是否在预设时间内完成目标训练任务的子任务状态信息发送至模型训练单元，实现让模型训练单元根据子任务状态信息及主任务状态信息优化神经网络模型，得到目标神经网络模型，由于目标神经网络模型的优化与任务完成的速度有关，所以目标神经网络模型可以找到使任务完成更快的压缩任务或传输任务，在运用目标神经网络模型时可以提升文件传输速度。146.图5为本技术实施例提供的一种文件传输装置的结构示意图一。如图5所示，文件传输装置500，包括：请求发送模块501、第一接收模块502、任务确定模块503、第二接收模块504及任务执行模块505。147.请求发送模块501，用于周期性向任务处理单元发送查询请求。148.第一接收模块502，用于接收任务处理单元根据查询请求发送的各压缩任务的任务信息及各传输任务的任务信息，其中，压缩任务及传输任务是任务处理单元接收用户的终端设备发送的待传输文件及对应的传输地址，将待传输文件拆分，得到多个待传输子文件，根据待传输子文件及传输地址创建的。149.任务确定模块503，用于根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务。150.第二接收模块504，用于向任务处理单元发送目标任务的标识，并接收任务处理单元根据目标任务的标识发送的目标任务。151.任务执行模块505，用于执行目标任务。152.在一种可能的实现方式中，任务确定模块503，具体用于将自身状态参数、各压缩任务及各传输任务的任务信息输入预先接收的目标神经网络模型中，得到目标任务。153.在一种可能的实现方式中，请求发送模块501，还用于以预设时间为间隔，周期性向任务处理单元发送查询请求。154.第一接收模块502，还用于接收任务处理单元根据查询请求发送的各压缩训练任务的任务信息及各传输训练任务的任务信息，其中压缩训练任务及传输训练任务是根据多个待传输子训练文件及对应的多个传输训练地址创建的，多个待传输子训练文件是任务处理单元接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，并将多个待传输训练文件拆分得到的。155.文件传输装置500，还包括：数据发送模块506及状态发送模块507。156.数据发送模块506，用于将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数发送至模型训练单元，以使模型训练单元将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，并得到目标训练任务，并将目标训练任务的标识发送至任务处理单元。157.第二接收模块504，还用于接收任务处理单元根据目标训练任务的标识发送的目标训练任务。158.状态发送模块507，用于执行目标训练任务，并将是否在预设时间内完成目标训练任务的子任务状态信息发送至模型训练单元，以使模型训练单元根据子任务状态信息，及任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息，计算待优化神经网络模型的评分，根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到任务处理单元发送的训练结束信号，将待优化神经网络模型确定为目标神经网络模型，其中，训练结束信号时任务处理单元在所有压缩训练任务及所有传输训练任务都完成时发送的。159.图6为本技术实施例提供的一种任务选择模型处理装置的结构示意图。如图6所示，任务选择模型处理装置600，包括：第三接收模块601、任务获得模块602、标识发送模块603、第四接收模块604、第五接收模块605、评分计算模块606、模型确定模块607及模型配置模块608。160.第三接收模块601，用于接收任一代理单元发送的各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数，其中，各压缩训练任务的任务信息及各传输训练任务的任务信息为任务处理单元根据查询请求发送的，查询请求是任一代理单元每隔预设时间向任务处理单元发送的，压缩训练任务及传输训练任务是任务处理单元根据多个待传输子训练文件及对应的多个传输训练地址创建的，多个待传输子训练文件是接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，并将多个待传输训练文件拆分得到的，多个待传输子训练文件与各待传输训练文件对应。161.任务获得模块602，用于将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，得到目标训练任务。162.标识发送模块603，用于将目标训练任务的标识发送至任务处理单元，以使任务处理单元跟据目标训练任务的标识，将目标训练任务发送至任一代理单元。163.第四接收模块604，用于接收任一代理单元发送的是否在预设时间内完成目标训练任务的子任务状态信息。164.第五接收模块605，用于接收任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息。165.评分计算模块606，用于根据子任务状态信息及主任务状态信息，计算待优化神经网络模型的评分。166.模型确定模块607，用于根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到任务处理单元发送的训练结束信号，将待优化神经网络模型确定为目标神经网络模型，其中，训练结束信号是任务处理单元在所有压缩训练任务及所有传输训练任务都完成时发送的。167.模型配置模块608，用于将目标神经网络模型配置至所有代理单元。168.在一种可能的实现方式中，评分计算模块606，具体用于若子任务状态信息为在预设时间内完成目标训练任务，则将评分增加第一预设值，否则减去第二预设值。若主任务状态信息为完成单个待传输训练文件对应的所有压缩任务和传输任务，则将评分增加第三预设值，第三预设值大于第一预设值和第二预设值。169.在一种可能的实现方式中，任务选择模型处理装置600，包括：预设值确定模块609。170.预设值确定模块609，用于根据目标训练任务的任务信息及自身状态参数，确定目标训练任务的预期完成用时。根据预期完成用时及预设时间，确定第二预设值。171.预设值确定模块609，具体用于将目标训练任务对应的文件大小，除以代理单元的压缩速率或网络带宽，得到目标训练任务的预期完成用时。172.预设值确定模块609根据预期完成用时及代理单元向任务处理单元发送查询请求间隔的预设时间，确定第二预设值，的公式如下：[0173][0174]式中，y表示第二预设值，a表示常数，t表示预期完成用时，t表示预设时间。[0175]图7为本技术实施例提供的一种文件传输装置的结构示意图二。如图7所示，文件传输装置700，包括：第六接收模块701、文件拆分模块702、任务创建模块703、第七接收模块704、信息发送模块705及任务发送模块706。[0176]第六接收模块701，用于接收用户的终端设备发送的待传输文件及对应的传输地址。[0177]文件拆分模块702，用于将待传输文件拆分，得到多个待传输子文件。[0178]任务创建模块703，用于根据待传输子文件及传输地址，创建多个压缩任务及多个传输任务。[0179]第七接收模块704，用于接收任一代理单元周期性发送的查询请求。[0180]信息发送模块705，用于根据查询请求，向任一代理单元发送各压缩任务的任务信息及各传输任务的任务信息，以使任一代理单元根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务。[0181]任务发送模块706，用于接收任一代理单元发送的目标任务的标识，并根据目标任务的标识将目标任务发送至任一代理单元，以使任一代理单元执行目标任务。[0182]在一种可能的实现方式中，第六接收模块701，还用于接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，文件拆分模块702还用于，将多个待传输训练文件拆分，得到与各待传输训练文件对应的多个待传输子训练文件。[0183]任务创建模块703，还用于根据多个待传输子训练文件及对应的多个传输训练地址，创建多个压缩训练任务及传输训练任务。[0184]第七接收模块704，还用于接收任一代理单元以预设时间为间隔，周期性发送的查询请求。[0185]信息发送模块705，还用于根据查询请求，向任一代理单元发送各压缩训练任务的任务信息及各传输训练任务的任务信息，以使任一代理单元将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数发送至模型训练单元，使模型训练单元将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，并得到目标训练任务。[0186]任务发送模块706，还用于接收模型训练单元发送的目标训练任务的标识。根据目标训练任务的标识，向任一代理单元发送目标训练任务，以使任一代理单元执行目标训练任务。[0187]文件传输装置700，还包括：信号发送模块707及任务状态发送模块708。[0188]信号发送模块707，用于在所有压缩训练任务及所有传输训练任务完成时，向模型训练单元发送训练结束信号。[0189]务状态发送模块708，用于将是否在预设时间内完成目标训练任务的子任务状态信息发送至模型训练单元，使模型训练单元根据子任务状态信息，及任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息，计算待优化神经网络模型的评分，根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到训练结束信号，将待优化神经网络模型确定为目标神经网络模型。[0190]上述装置实施例的技术效果与上述方法实施例的技术效果相同，在这里不再赘述。[0191]为了实现上述实施例，本技术实施例还提供了一种电子设备。[0192]参考图8，其示出了适于用来实现本技术实施例的电子设备800的结构示意图，该电子设备800可以为终端设备或服务器。其中，终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(personaldigitalassistant，简称pda)、平板电脑(portableandroiddevice，简称pad)、便携式多媒体播放器(portablemediaplayer，简称pmp)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图8示出的电子设备仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。[0193]如图8所示，电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801，其可以根据存储在只读存储器(readonlymemory，简称rom)802中的程序或者从存储装置808加载到随机访问存储器(randomaccessmemory，简称ram)803中的程序而执行各种适当的动作和处理。在ram803中，还存储有电子设备800操作所需的各种程序和数据。处理装置801、rom802以及ram803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。[0194]通常，以下装置可以连接至i/o接口805：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806；包括例如液晶显示器(liquidcrystaldisplay，简称lcd)、扬声器、振动器等的输出装置807；包括例如磁带、硬盘等的存储装置808；以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备800，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。[0195]特别地，根据本技术的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置809从网络上被下载和安装，或者从存储装置808被安装，或者从rom802被安装。在该计算机程序被处理装置801执行时，执行本技术实施例的方法中限定的上述功能。[0196]需要说明的是，本技术上述的计算机可读存储介质可以是计算机可读信号介质或者计算机存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。[0197]上述计算机可读存储介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。[0198]上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备执行上述实施例所示的方法。[0199]可以以一种或多种程序设计语言或其组合来编写用于执行本技术的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(localareanetwork，简称lan)或广域网(wideareanetwork，简称wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。[0200]附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。[0201]描述于本技术实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该模块本身的限定，例如，文件拆分模块还可以被描述为“待传输文件拆分模块”。[0202]本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。[0203]本技术还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机执行指令，当处理器执行计算机执行指令时，实现上述任一实施例中的文件传输方法或任务选择模型处理方法的技术方案，其实现原理以及有益效果与文件传输方法或任务选择模型处理方法的实现原理及有益效果类似，可参见文件传输方法或任务选择模型处理方法的实现原理及有益效果，此处不再进行赘述。[0204]在本技术的上下文中，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。[0205]本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，实现上述任一实施例中的文件传输方法或任务选择模型处理方法的技术方案，其实现原理以及有益效果与文件传输方法或任务选择模型处理方法的实现原理及有益效果类似，可参见文件传输方法或任务选择模型处理方法的实现原理及有益效果，此处不再进行赘述。[0206]上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块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)或处理器执行本技术各个实施例方法的部分步骤。[0207]应理解，上述处理器可以是中央处理单元(centralprocessingunit，简称cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，简称dsp)、专用集成电路(applicationspecificintegratedcircuit，简称asic)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。[0208]存储器可能包含高速ram存储器，也可能还包括非易失性存储nvm，例如至少一个磁盘存储器，还可以为u盘、移动硬盘、只读存储器、磁盘或光盘等。[0209]总线可以是工业标准体系结构(industrystandardarchitecture，简称isa)总线、外部设备互连(peripheralcomponentinterconnect，简称pci)总线或扩展工业标准体系结构(extendedindustrystandardarchitecture，简称eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本技术附图中的总线并不限定仅有一根总线或一种类型的总线。[0210]上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。[0211]一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(applicationspecificintegratedcircuits，简称asic)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。[0212]本技术中的服务器也可以采用多个服务器组成的集群替代。[0213]本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。[0214]本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本
技术领域：
：中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求书指出。[0215]应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求书来限制。当前第1页12当前第1页12
技术领域：
：，尤其涉及一种文件传输方法、装置、设备、存储介质及程序产品。
背景技术：
：：2.当前，在需要将占用内存较多的文件远程传输至其他设备时，通常采用文件传输系统进行传输。3.现有技术中，文件传输系统在传输文件时，通常是采用单一的节点将一整个文件压缩后直接传输。4.然而，发明人发现现有技术存在如下技术问题：现有的文件传输方法无法完全利用文件传输系统的文件压缩能力及带宽，导致产生文件传输速度慢的问题。技术实现要素：5.本技术提供一种文件传输方法、装置、设备、存储介质及程序产品，用以解决产生文件传输速度慢的问题。6.第一方面，本技术提供一种文件传输方法，应用于代理单元，包括：7.周期性向任务处理单元发送查询请求；接收任务处理单元根据查询请求发送的各压缩任务的任务信息及各传输任务的任务信息，其中，压缩任务及传输任务是任务处理单元接收用户的终端设备发送的待传输文件及对应的传输地址，将待传输文件拆分，得到多个待传输子文件，根据待传输子文件及传输地址创建的；根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务；向任务处理单元发送目标任务的标识，并接收任务处理单元根据目标任务的标识发送的目标任务；执行目标任务。8.在一种可能的实现方式中，根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务，包括：将自身状态参数、各压缩任务及各传输任务的任务信息输入预先接收的目标神经网络模型中，得到目标任务。9.在一种可能的实现方式中，在将自身状态参数、各压缩任务及各传输任务的任务信息输入预先接收的目标神经网络模型中，得到目标任务之前，还包括：以预设时间为间隔，周期性向任务处理单元发送查询请求；接收任务处理单元根据查询请求发送的各压缩训练任务的任务信息及各传输训练任务的任务信息，其中压缩训练任务及传输训练任务是根据多个待传输子训练文件及对应的多个传输训练地址创建的，多个待传输子训练文件是任务处理单元接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，并将多个待传输训练文件拆分得到的；将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数发送至模型训练单元，以使模型训练单元将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，并得到目标训练任务，并将目标训练任务的标识发送至任务处理单元；接收任务处理单元根据目标训练任务的标识发送的目标训练任务；执行目标训练任务，并将是否在预设时间内完成目标训练任务的子任务状态信息发送至模型训练单元，以使模型训练单元根据子任务状态信息，及任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息，计算待优化神经网络模型的评分，根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到任务处理单元发送的训练结束信号，将待优化神经网络模型确定为目标神经网络模型，其中，训练结束信号时任务处理单元在所有压缩训练任务及所有传输训练任务都完成时发送的。10.第二方面，本技术提供一种任务选择模型处理方法，应用于模型训练单元，包括：接收任一代理单元发送的各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数，其中，各压缩训练任务的任务信息及各传输训练任务的任务信息为任务处理单元根据查询请求发送的，查询请求是任一代理单元每隔预设时间向任务处理单元发送的，压缩训练任务及传输训练任务是任务处理单元根据多个待传输子训练文件及对应的多个传输训练地址创建的，多个待传输子训练文件是接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，并将多个待传输训练文件拆分得到的，多个待传输子训练文件与各待传输训练文件对应；将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，并得到目标训练任务；将目标训练任务的标识发送至任务处理单元，以使任务处理单元跟据目标训练任务的标识，将目标训练任务发送至任一代理单元；接收任一代理单元发送的是否在预设时间内完成目标训练任务的子任务状态信息；接收任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息；根据子任务状态信息及主任务状态信息，计算待优化神经网络模型的评分；根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到任务处理单元发送的训练结束信号，将待优化神经网络模型确定为目标神经网络模型，其中，训练结束信号是任务处理单元在所有压缩训练任务及所有传输训练任务都完成时发送的；将目标神经网络模型配置至所有代理单元。11.在一种可能的实现方式中，根据子任务状态信息及主任务状态信息，计算待优化神经网络模型的评分，包括：若子任务状态信息为在预设时间内完成目标训练任务，则将评分增加第一预设值，否则减去第二预设值；若主任务状态信息为完成单个待传输训练文件对应的所有压缩任务和传输任务，则将评分增加第三预设值，第三预设值大于第一预设值和第二预设值。12.在一种可能的实现方式中，若在预设时间内完成目标训练任务，则将评分增加第一预设值，否则减去第二预设值之前，还包括：根据目标训练任务的任务信息及自身状态参数，确定目标训练任务的预期完成用时；根据预期完成用时及预设时间，确定第二预设值。13.在一种可能的实现方式中，根据目标训练任务的任务信息及自身状态参数，确定目标训练任务的预期完成用时，包括：将目标训练任务对应的文件大小，除以代理单元的压缩速率或网络带宽，得到目标训练任务的预期完成用时。14.在一种可能的实现方式中，根据预期完成用时及代理单元向任务处理单元发送查询请求间隔的预设时间，确定第二预设值，的公式如下：15.16.式中，y表示第二预设值，a表示常数，t表示预期完成用时，t表示预设时间。17.第三方面，本技术提供一种文件传输方法，应用于任务处理单元，包括：接收用户的终端设备发送的待传输文件及对应的传输地址；将待传输文件拆分，得到多个待传输子文件；根据待传输子文件及传输地址，创建多个压缩任务及多个传输任务；接收任一代理单元周期性发送的查询请求；根据查询请求，向任一代理单元发送各压缩任务的任务信息及各传输任务的任务信息，以使任一代理单元根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务；接收任一代理单元发送的目标任务的标识，并根据目标任务的标识将目标任务发送至任一代理单元，以使任一代理单元执行目标任务。18.在一种可能的实现方式中，根据查询请求，向任一代理单元发送各压缩任务的任务信息及各传输任务的任务信息之前，还包括：接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，并将多个待传输训练文件拆分，得到与各待传输训练文件对应的多个待传输子训练文件；根据多个待传输子训练文件及对应的多个传输训练地址，创建多个压缩训练任务及传输训练任务；接收任一代理单元以预设时间为间隔，周期性发送的查询请求；根据查询请求，向任一代理单元发送各压缩训练任务的任务信息及各传输训练任务的任务信息，以使任一代理单元将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数发送至模型训练单元，使模型训练单元将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，并得到目标训练任务；接收模型训练单元发送的目标训练任务的标识；根据目标训练任务的标识，向任一代理单元发送目标训练任务，以使任一代理单元执行目标训练任务；在所有压缩训练任务及所有传输训练任务完成时，向模型训练单元发送训练结束信号；将是否在预设时间内完成目标训练任务的子任务状态信息发送至模型训练单元，使模型训练单元根据子任务状态信息，及任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息，计算待优化神经网络模型的评分，根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到训练结束信号，将待优化神经网络模型确定为目标神经网络模型。19.第四方面，本技术提供一种文件传输装置，包括：请求发送模块，用于周期性向任务处理单元发送查询请求；第一接收模块，用于接收任务处理单元根据查询请求发送的各压缩任务的任务信息及各传输任务的任务信息，其中，压缩任务及传输任务是任务处理单元接收用户的终端设备发送的待传输文件及对应的传输地址，将待传输文件拆分，得到多个待传输子文件，根据待传输子文件及传输地址创建的；任务确定模块，用于根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务；第二接收模块，用于向任务处理单元发送目标任务的标识，并接收任务处理单元根据目标任务的标识发送的目标任务；任务执行模块，用于执行目标任务。20.第五方面，本技术提供一种任务选择模型处理装置，包括：第三接收模块，用于接收任一代理单元发送的各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数，其中，各压缩训练任务的任务信息及各传输训练任务的任务信息为任务处理单元根据查询请求发送的，查询请求是任一代理单元每隔预设时间向任务处理单元发送的，压缩训练任务及传输训练任务是任务处理单元根据多个待传输子训练文件及对应的多个传输训练地址创建的，多个待传输子训练文件是接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，并将多个待传输训练文件拆分得到的，多个待传输子训练文件与各待传输训练文件对应；任务获得模块，用于将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，得到目标训练任务；标识发送模块，用于将目标训练任务的标识发送至任务处理单元，以使任务处理单元跟据目标训练任务的标识，将目标训练任务发送至任一代理单元；第四接收模块，用于接收任一代理单元发送的是否在预设时间内完成目标训练任务的子任务状态信息；第五接收模块，用于接收任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息；评分计算模块，用于根据子任务状态信息及主任务状态信息，计算待优化神经网络模型的评分；模型确定模块，用于根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到任务处理单元发送的训练结束信号，将待优化神经网络模型确定为目标神经网络模型，其中，训练结束信号是任务处理单元在所有压缩训练任务及所有传输训练任务都完成时发送的；模型配置模块，用于将目标神经网络模型配置至所有代理单元。21.第六方面，本技术提供一种文件传输装置，包括：第六接收模块，用于接收用户的终端设备发送的待传输文件及对应的传输地址；文件拆分模块，用于将待传输文件拆分，得到多个待传输子文件；任务创建模块，用于根据待传输子文件及传输地址，创建多个压缩任务及多个传输任务；第七接收模块，用于接收任一代理单元周期性发送的查询请求；信息发送模块，用于根据查询请求，向任一代理单元发送各压缩任务的任务信息及各传输任务的任务信息，以使任一代理单元根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务；任务发送模块，用于接收任一代理单元发送的目标任务的标识，并根据目标任务的标识将目标任务发送至任一代理单元，以使任一代理单元执行目标任务。22.第七方面，本技术提供一种电子设备，包括：处理器，以及与处理器通信连接的存储器；存储器存储计算机执行指令；处理器执行存储器存储的计算机执行指令，使得处理器执行如第一方面描述的文件传输方法，或第二方面描述的任务选择模型处理方法，或第三方面描述的文件传输方法。23.第八方面，本技术提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现如第一方面描述的文件传输方法，或第二方面描述的任务选择模型处理方法，或第三方面描述的文件传输方法。24.第九方面，本技术提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面描述的文件传输方法，或第二方面描述的任务选择模型处理方法，或第三方面描述的文件传输方法。25.本技术提供的文件传输方法、装置、设备、存储介质及程序产品，通过周期性向任务处理单元发送查询请求，并接收任务处理单元发送的压缩任务和传输任务的任务信息，结合自身状态参数、任务信息，确定目标任务，从而向任务处理单元发送对应的任务标识，接收到目标任务，最终执行目标任务，在完成一个待传输文件对应的所有压缩任务和传输任务后，就实现了将这个待传输文件发送至传输地址对应终端设备的目的，由于各代理单元是通过结合自身状态参数和任务信息得到的目标任务，所以可以更加充分的利用代理单元的内存、cpu(centralprocessingunit，中央处理器)、带宽等条件，实现提升文件传输速度的效果。附图说明26.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。27.图1为本技术实施例提供的文件传输方法的应用场景示意图；28.图2为本技术实施例提供的文件传输方法的流程示意图一；29.图3为本技术实施例提供的任务选择模型处理方法的流程示意图；30.图4为本技术实施例提供的文件传输方法的流程示意图二；31.图5为本技术实施例提供的一种文件传输装置的结构示意图一；32.图6为本技术实施例提供的一种任务选择模型处理装置的结构示意图；33.图7为本技术实施例提供的一种文件传输装置的结构示意图二；34.图8为本技术实施例提供的一种电子设备的结构示意图。35.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。具体实施方式36.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。37.当前在文件需要远程传输或进行大文件无线传输时，通常需要借助文件传输系统的帮助。38.现有技术中，文件传输系统通常将一个待传输的文件进行整体压缩后直接进行整体的传输，及时节点能力有所剩余，通常也不足以同时传输另一个较大的文件，因此一个文件通常会占用一个传输节点，无法完全利用文件传输系统的文件压缩能力及带宽，导致文件传输慢的问题。39.针对上述技术问题，发明人提出如下技术构思：通过将文件拆分，并针对每个拆分得到的文件单独创建压缩任务和传输任务，每个传输单元根据自身状态参数及任务信息确定要执行的任务，以将整个文件拆分得到的所有文件压缩并传输。40.图1为本技术实施例提供的文件传输方法的应用场景示意图。如图1，该场景中，包括：代理单元101、任务处理单元102、用户的终端设备103以及目标终端设备104。41.在具体实现过程中，代理单元101，可以是单独的服务器，也可以是服务器中的节点，可以有多个代理单元同时运行。代理单元101，用于查询任务处理单元102中的压缩任务及传输任务，并根据自身状态参数及任务信息确定要执行的任务，以进行文件压缩或文件传输。42.任务处理单元102，可以是单独的服务器，也可以是与代理单元101在相同的服务器，本技术对此不作特殊限制，用于接收用户的终端设备103发送的待传输文件及对应的传输地址，其中传输地址是目标终端设备104的地址。还用于将待传输文件拆分，得到多个待传输子文件，并根据待传输子文件及传输地址创建压缩任务及传输任务。43.用户的终端设备103，可以是服务器、电脑、笔记本电脑、平板电脑或手机等具有文件发送功能的设备，用于通过任务处理单元102及代理单元101向目标终端设备104发送文件。44.目标终端设备104可以是服务器、电脑、笔记本电脑、平板电脑或手机等具有文件接收功能的设备，用于接收用户的终端设备103通过任务处理单元102及代理单元101发送的文件。45.代理单元101、任务处理单元102、用户的终端设备103以及目标终端设备104之间的连接方式可以是有线连接也可以是无线连接。46.可以理解的是，本技术实施例示意的结构并不构成对文件传输方法的具体限定。在本技术另一些可行的实施方式中，上述架构可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置，具体可根据实际应用场景确定，在此不做限制。图1所示的部件可以以硬件，软件，或软件与硬件的组合实现。47.下面以具体地实施例对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。48.图2为本技术实施例提供的文件传输方法的流程示意图一。本技术实施例的执行主体可以是图1中的代理单元101，也可以是电脑和/或手机等，本实施例对此不作出特别限制。如图2所示，该方法包括：49.s201：周期性向任务处理单元发送查询请求。50.在本步骤中，周期性可以是以预设时间为间隔，每隔预设时间向处理单元发送查询请求，查询请求可以是由数字、字母、符号中的一种或多种组成的字符串。51.s202：接收任务处理单元根据查询请求发送的各压缩任务的任务信息及各传输任务的任务信息，其中，压缩任务及传输任务是任务处理单元接收用户的终端设备发送的待传输文件及对应的传输地址，将待传输文件拆分，得到多个待传输子文件，根据待传输子文件及传输地址创建的。52.在本步骤中，任务信息可以包括待压缩任务对应的压缩文件的大小、传输任务对应的待传输文件的大小。53.s203：根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务。54.在本步骤中，自身状态参数可以包括cpu(centralprocessingunit，中央处理器)占用率或使用率，内存占用量、内存使用量、磁盘剩余空间、带宽等中的一种或多种。目标任务可以是一个压缩任务或一个传输任务。任务信息包括压缩任务或传输任务对应文件的文件大小。55.s204：向任务处理单元发送目标任务的标识，并接收任务处理单元根据目标任务的标识发送的目标任务。56.在本步骤中，每个任务均有对应的标识，标识可以是数字、字母、符号中一种或多种的组合，接收目标任务可以是接收目标任务的文件，还可以是目标任务的文件及对应的传输地址。57.s205：执行目标任务。58.在本步骤中，若目标任务是压缩任务，则将目标任务中的文件进行压缩，若目标任务为传输任务，则将目标任务对应的文件根据传输地址进行发送，以传输至上述目标终端设备。59.从上述实施例的描述可知，本技术实施例通过周期性向任务处理单元发送查询请求，并接收任务处理单元发送的压缩任务和传输任务的任务信息，结合自身状态参数、任务信息，确定目标任务，从而向任务处理单元发送对应的任务标识，接收到目标任务，最终执行目标任务，在完成一个待传输文件对应的所有压缩任务和传输任务后，就实现了将这个待传输文件发送至传输地址对应终端设备的目的，由于各代理单元是通过结合自身状态参数和任务信息得到的目标任务，所以可以更加充分的利用代理单元的内存、cpu、带宽等条件，实现提升文件传输速度的效果。60.在一种可能的实现方式中，上述步骤s203中，根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务，包括：61.s2031：将自身状态参数、各压缩任务及各传输任务的任务信息输入预先接收的目标神经网络模型中，得到目标任务。62.在本步骤中，可以是将自身状态参数、各压缩任务的任务信息及各传输任务的任务信息先进行转换，得到数值化的自身状态参数、各压缩任务的任务信息及各传输任务的任务信息，再将数值化的自身状态参数、各压缩任务的任务信息及各传输任务的任务信息输入预先接收的目标神经网络模型中，得到模型输出的目标任务。63.其中，转换的方式可以是通过预设的产生式规则进行转换。64.从上述实施例的描述可知，本技术实施例通过将自身状态参数、各压缩任务及各传输任务的任务信息输入预先接收的目标神经网络模型中，由目标神经网络模型的输出确定目标任务，可以实现准确定位目标任务，找到更加适合代理单元的目标任务，从而提升文件传输速度的效果。65.在一种可能的实现方式中，在上述步骤s2031，将自身状态参数、各压缩任务及各传输任务的任务信息输入预先接收的目标神经网络模型中，得到目标任务之前，还包括：66.s2030a：以预设时间为间隔，周期性向任务处理单元发送查询请求。67.本步骤与上述步骤s201相似，预设时间可以是0.1秒、1秒、3秒、1分钟等，本技术对此不作特殊限制。68.s2030b：接收任务处理单元根据查询请求发送的各压缩训练任务的任务信息及各传输训练任务的任务信息，其中压缩训练任务及传输训练任务是根据多个待传输子训练文件及对应的多个传输训练地址创建的，多个待传输子训练文件是任务处理单元接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，并将多个待传输训练文件拆分得到的。69.本步骤与上述步骤s202类似，在这里不再赘述。工作人员的终端设备的种类可以是上述用户的终端设备的种类中的任一种。70.s2030c：将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数发送至模型训练单元，以使模型训练单元将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，并得到目标训练任务，并将目标训练任务的标识发送至任务处理单元。71.在本步骤中，模型训练单元可以是服务器、cpu、电脑、笔记本电脑、平板电脑等具有运算能力的设备。72.s2030d：接收任务处理单元根据目标训练任务的标识发送的目标训练任务。73.本步骤与上述步骤s204类似，在这里不再赘述。74.s2030e：执行目标训练任务，并将是否在预设时间内完成目标训练任务的子任务状态信息发送至模型训练单元，以使模型训练单元根据子任务状态信息，及任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息，计算待优化神经网络模型的评分，根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到任务处理单元发送的训练结束信号，将待优化神经网络模型确定为目标神经网络模型，其中，训练结束信号时任务处理单元在所有压缩训练任务及所有传输训练任务都完成时发送的。75.在本步骤中，预设时间为上述步骤s2030a中的预设时间，子任务状态信息可以包含0或1两种状态，或以其他方式表示在预设时间内完成或未完成目标训练任务。在模型训练单元将待优化神经网络模型确定为目标神经网络模型后，会将目标神经网络模型发送或部署至代理单元。76.在一种可能的实现方式中，在上述步骤s2030e之后，还包括s2030f：接收模型训练单元发送的目标神经网络模型。77.从上述实施例的描述可知，本技术实施例通过以预设时间为间隔，周期性向任务处理单元发送查询请求，并接收任务处理单元根据查询请求发送的压缩训练任务和传输训练任务的任务信息，将任务信息和自身状态信息输入模型训练单元，从而接收到任务处理单元发送的目标训练任务，执行目标训练任务，并将任务执行的情况，即子任务状态信息发送至模型训练单元，以实现让模型训练单元根据子任务状态信息及接收到的任务处理单元发送的主任务状态信息更新待优化神经网络模型，从而得到目标神经网络模型，实现模型的优化，从而为后续得到准确的目标任务、提升文件传输速度提供保障。78.图3为本技术实施例提供的任务选择模型处理方法的流程示意图。本技术实施例的执行主体可以是上述模型训练单元，也可以是电脑和/或手机等，本实施例对此不作出特别限制。如图3所示，该方法包括：79.s301：接收任一代理单元发送的各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数，其中，各压缩训练任务的任务信息及各传输训练任务的任务信息为任务处理单元根据查询请求发送的，查询请求是任一代理单元每隔预设时间向任务处理单元发送的，压缩训练任务及传输训练任务是任务处理单元根据多个待传输子训练文件及对应的多个传输训练地址创建的，多个待传输子训练文件是接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，并将多个待传输训练文件拆分得到的，多个待传输子训练文件与各待传输训练文件对应。80.在本步骤中，任务信息及自身状态参数的描述见上述步骤s202、s203描述。81.s302：将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，并得到目标训练任务。82.在本步骤中，待优化神经网络模型可以是前馈神经网络、反馈神经网络、全连接神经网络、卷积神经网络中的一种。83.s303：将目标训练任务的标识发送至任务处理单元，以使任务处理单元跟据目标训练任务的标识，将目标训练任务发送至任一代理单元。84.在本步骤中，目标训练任务的标识可以是与目标训练任务对应的，并且还可以是与目标训练任务的创建顺序对应的。85.s304：接收任一代理单元发送的是否在预设时间内完成目标训练任务的子任务状态信息。86.在本步骤中，子任务状态信息如上述步骤s2030e描述，在这里不再赘述。87.s305：接收任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息。88.在本步骤中，主任务状态信息的形式可以是与上述子任务状态信息类似的，可以增加一位或多位作为区分。89.例如，当前子任务状态信息为未完成，表示为0，主任务状态信息为未完成，可以表示为a0，其中a作为区分，也可以表示为b0等，本技术对此不作限制。又例如当前子任务状态信息为完成，表示为1，主任务状态信息为未完成，可以表示为d1等。90.s306：根据子任务状态信息及主任务状态信息，计算待优化神经网络模型的评分。91.在本步骤中，子任务状态信息为完成则在评分增加相应的子任务分数，子任务状态信息为未完成则在评分减去相应的子任务分数，主任务状态信息为完成则在评分增加相应的主任务分数，主任务状态信息为未完成则可以不对评分做变更，也可以减少一定的分数。92.s307：根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到任务处理单元发送的训练结束信号，将待优化神经网络模型确定为目标神经网络模型，其中，训练结束信号是任务处理单元在所有压缩训练任务及所有传输训练任务都完成时发送的。93.在本步骤中，根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，可以是根据评分更改待优化神经网络模型中各神经元之间的参数，或者根据评分更改神经网络中的激活函数中的参数。94.s308：将目标神经网络模型配置至所有代理单元。95.在本步骤中，将目标神经网络模型配置至所有代理单元可以是将目标神经网络模型发送至所有代理单元，使各代理单元可以使用目标神经网络模型，也可以是将目标神经网络模型部署至所有代理单元，作为代理单元运行逻辑的一环。96.从上述实施例的描述可知，本技术实施例通过接收代理单元发送的任务信息及自身状态参数，并将任务信息及自身状态参数输入待优化神经网络模型，得到目标训练任务，将目标训练任务的标识发送至任务处理单元，使任务处理单元将目标训练任务分配至代理单元，代理单元能够执行目标训练任务，接收代理单元发送的子任务状态信息和主任务状态信息，根据子任务状态信息和主任务状态信息计算待优化神经网络模型的评分，从而根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到任务处理单元发送的训练结束信号，将待优化神经网络模型确定为目标神经网络模型，将目标神经网络模型配置至所有代理单元，实现中心化的模型训练，去中心化的模型使用，各代理单元可以脱离模型训练单元使用目标神经网络模型，提高了文件传输的稳定性，并且由于后续使用的神经网络模型为目标神经网络模型，可以加快文件传输速度。97.在一种可能的实现方式中，上述步骤s306中，根据子任务状态信息及主任务状态信息，计算待优化神经网络模型的评分，包括：98.s3061：若子任务状态信息为在预设时间内完成目标训练任务，则将评分增加第一预设值，否则减去第二预设值。99.在本步骤中，预设时间s301中的预设时间。在预设时间内完成目标训练任务，可以是在代理单元下一次发送查询请求前完成目标训练任务。第一预设值例如10、15、20等。第二预设值例如1、2、3等。100.s3062：若主任务状态信息为完成单个待传输训练文件对应的所有压缩任务和传输任务，则将评分增加第三预设值，第三预设值大于第一预设值和第二预设值。101.在本步骤中，第三预设值例如2000、3000、10000、20000，本技术对此不特殊限制。102.从上述实施例的描述可知，本技术实施例通过根据子任务状态信息及主任务状态信息，更改评分的分值，实现使神经网络模型在完成目标训练任务和单个待传输训练文件的传输时得到更高的评分，在预设时间内未完成目标训练任务时得到较低的评分，从而实现使神经网络模型向文件传输速度或文件压缩速度更快的方向迭代，得到使文件压缩速度更快、文件传输速度更快的神经网络模型。103.在一种可能的实现方式中，上述步骤s3061若子任务状态信息为在预设时间内完成目标训练任务，则将评分增加第一预设值，否则减去第二预设值之前，还包括：104.s3060a：根据目标训练任务的任务信息及自身状态参数，确定目标训练任务的预期完成用时。105.在本步骤中，可以是将目标训练任务的任务信息和自身状态参数输入预先训练得到的预期时间计算模型，得到对应的预期时间。106.在一种可能的实现方式中，本步骤根据目标训练任务的任务信息及自身状态参数，确定目标训练任务的预期完成用时，包括：107.将目标训练任务对应的文件大小，除以代理单元的压缩速率或网络带宽，得到目标训练任务的预期完成用时。108.在本步骤中，若目标训练任务为压缩训练任务，则将文件大小除以代理单元的压缩速率，再与预设数值相加，若目标训练任务为传输训练任务，则将文件大小除以代理单元的网络带宽，并与预设数值相加。本步骤中的两个预设数值可以不同，以消除误差。109.s3060b：根据预期完成用时及预设时间，确定第二预设值。110.在本步骤中，可以是根据预期完成用时与预设时间的比值与预设值相加，得到第二预设值。111.在一种可能的实现方式中，根据预期完成用时及代理单元向任务处理单元发送查询请求间隔的预设时间，确定第二预设值，的公式如下：112.113.式中，y表示第二预设值，a表示常数，t表示预期完成用时，t表示预设时间。114.从上述实施例的描述可知，本技术实施例通过根据任务信息及自身状态参数，确定目标任务的预期完成用时，并根据预期完成用时及预设时间确定第二预设值，实现针对不同的预期完成时间动态改变第二预设值，从达到而加快模型训练速度的效果。115.图4为本技术实施例提供的文件传输方法的流程示意图二。本技术实施例的执行主体可以是上述任务处理单元，也可以是电脑和/或手机等，本实施例对此不作出特别限制。如图4所示，该方法包括：116.s401：接收用户的终端设备发送的待传输文件及对应的传输地址。117.在本步骤中，待传输文件可以是任意格式的，本技术对此不作特殊限制。118.s402：将待传输文件拆分，得到多个待传输子文件。119.在本步骤中，将待传输文件拆分，可以是将待传输文件拆分为固定大小的多个文件，也可以是将待传输文件拆分为固定数量个文件，还可以是根据待传输文件的大小，待传输文件越大，拆分得到的文件越大，或拆分得到的待传输子文件数量越多。当文件大小在预设大小以内时，还可以不进行拆分，可视作将一个文件拆为一个文件。120.403：根据待传输子文件及传输地址，创建多个压缩任务及多个传输任务。121.在本步骤中，每个待传输子文件可以对应创建一个压缩任务，将压缩后的待传输子文件与传输地址结合得到一个传输任务，即将一个压缩后的待传输子文件传输至传输地址作为一个传输任务。122.s404：接收任一代理单元周期性发送的查询请求。123.在本步骤中，接收可以是通过有线或无线的方式接收的。124.s405：根据查询请求，向任一代理单元发送各压缩任务的任务信息及各传输任务的任务信息，以使任一代理单元根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务。125.在本步骤中，可以是在接收到查询请求时，获取所有任务信息，并向发送查询请求的代理单元发送所有任务信息。126.s406：接收任一代理单元发送的目标任务的标识，并根据目标任务的标识将目标任务发送至任一代理单元，以使任一代理单元执行目标任务。127.在本步骤中，接收目标任务的标识可以是无线方式接收的也可以是优先方式接收的。128.在一种可能的实现方式中，上述步骤s405根据查询请求，向任一代理单元发送各压缩任务的任务信息及各传输任务的任务信息之前，还包括：129.s404a：接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，并将多个待传输训练文件拆分，得到与各待传输训练文件对应的多个待传输子训练文件。130.在本步骤中，例如待传输训练文件a可拆分为a1、a2、a3。131.本技术对待传输训练文件的格式不作限制。待传输训练文件的拆分方式如上述步骤s402描述，在这里不再赘述。132.s404b：根据多个待传输子训练文件及对应的多个传输训练地址，创建多个压缩训练任务及传输训练任务。133.若上述步骤s404a中待传输训练文件a对应传输训练地址c，则a1、a2、a3的传输训练地址也为c。134.s404c：接收任一代理单元以预设时间为间隔，周期性发送的查询请求。135.本步骤与上述步骤s404类似，在这里不再赘述。136.s404d：根据查询请求，向任一代理单元发送各压缩训练任务的任务信息及各传输训练任务的任务信息，以使任一代理单元将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数发送至模型训练单元，使模型训练单元将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，并得到目标训练任务。137.本步骤与上述步骤s405类似，只是代理单元的信息发送方向不同。138.s404e：接收模型训练单元发送的目标训练任务的标识。139.本步骤与上述步骤s406类似，在这里不再赘述。140.s404f：根据目标训练任务的标识，向任一代理单元发送目标训练任务，以使任一代理单元执行目标训练任务。141.本步骤与上述步骤s406类似，在这里不再赘述。142.s404g：在所有压缩训练任务及所有传输训练任务完成时，向模型训练单元发送训练结束信号。143.在本步骤中，可以是在任务列表中没有压缩训练任务及传输训练任务时，判定训练已经结束，向模型训练单元发送训练结束信号。144.s404h：将是否在预设时间内完成目标训练任务的子任务状态信息发送至模型训练单元，使模型训练单元根据子任务状态信息，及任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息，计算待优化神经网络模型的评分，根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到训练结束信号，将待优化神经网络模型确定为目标神经网络模型。145.从上述实施例的描述可知，本技术实施例通过接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，将待传输训练文件拆分，得到预各待传输训练文件对应的待传输子训练文件，从而由待传输子训练文件和对应的传输训练地址，创建压缩训练训练任务和传输训练任务，并在接收到查询请求后，经发送查询请求的代理单元向模型训练单元发送各训练任务的任务信息，从而使模型训练单元筛选出目标训练任务，并接收模型训练单元发送的目标训练任务的标识，根据目标训练任务的标识向代理单元发送目标训练任务，使代理单元执行目标训练任务，从而在所有压缩训练任务及所有传输训练任务完成时，向模型训练单元发送训练结束信号，以及将是否在预设时间内完成目标训练任务的子任务状态信息发送至模型训练单元，实现让模型训练单元根据子任务状态信息及主任务状态信息优化神经网络模型，得到目标神经网络模型，由于目标神经网络模型的优化与任务完成的速度有关，所以目标神经网络模型可以找到使任务完成更快的压缩任务或传输任务，在运用目标神经网络模型时可以提升文件传输速度。146.图5为本技术实施例提供的一种文件传输装置的结构示意图一。如图5所示，文件传输装置500，包括：请求发送模块501、第一接收模块502、任务确定模块503、第二接收模块504及任务执行模块505。147.请求发送模块501，用于周期性向任务处理单元发送查询请求。148.第一接收模块502，用于接收任务处理单元根据查询请求发送的各压缩任务的任务信息及各传输任务的任务信息，其中，压缩任务及传输任务是任务处理单元接收用户的终端设备发送的待传输文件及对应的传输地址，将待传输文件拆分，得到多个待传输子文件，根据待传输子文件及传输地址创建的。149.任务确定模块503，用于根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务。150.第二接收模块504，用于向任务处理单元发送目标任务的标识，并接收任务处理单元根据目标任务的标识发送的目标任务。151.任务执行模块505，用于执行目标任务。152.在一种可能的实现方式中，任务确定模块503，具体用于将自身状态参数、各压缩任务及各传输任务的任务信息输入预先接收的目标神经网络模型中，得到目标任务。153.在一种可能的实现方式中，请求发送模块501，还用于以预设时间为间隔，周期性向任务处理单元发送查询请求。154.第一接收模块502，还用于接收任务处理单元根据查询请求发送的各压缩训练任务的任务信息及各传输训练任务的任务信息，其中压缩训练任务及传输训练任务是根据多个待传输子训练文件及对应的多个传输训练地址创建的，多个待传输子训练文件是任务处理单元接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，并将多个待传输训练文件拆分得到的。155.文件传输装置500，还包括：数据发送模块506及状态发送模块507。156.数据发送模块506，用于将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数发送至模型训练单元，以使模型训练单元将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，并得到目标训练任务，并将目标训练任务的标识发送至任务处理单元。157.第二接收模块504，还用于接收任务处理单元根据目标训练任务的标识发送的目标训练任务。158.状态发送模块507，用于执行目标训练任务，并将是否在预设时间内完成目标训练任务的子任务状态信息发送至模型训练单元，以使模型训练单元根据子任务状态信息，及任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息，计算待优化神经网络模型的评分，根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到任务处理单元发送的训练结束信号，将待优化神经网络模型确定为目标神经网络模型，其中，训练结束信号时任务处理单元在所有压缩训练任务及所有传输训练任务都完成时发送的。159.图6为本技术实施例提供的一种任务选择模型处理装置的结构示意图。如图6所示，任务选择模型处理装置600，包括：第三接收模块601、任务获得模块602、标识发送模块603、第四接收模块604、第五接收模块605、评分计算模块606、模型确定模块607及模型配置模块608。160.第三接收模块601，用于接收任一代理单元发送的各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数，其中，各压缩训练任务的任务信息及各传输训练任务的任务信息为任务处理单元根据查询请求发送的，查询请求是任一代理单元每隔预设时间向任务处理单元发送的，压缩训练任务及传输训练任务是任务处理单元根据多个待传输子训练文件及对应的多个传输训练地址创建的，多个待传输子训练文件是接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，并将多个待传输训练文件拆分得到的，多个待传输子训练文件与各待传输训练文件对应。161.任务获得模块602，用于将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，得到目标训练任务。162.标识发送模块603，用于将目标训练任务的标识发送至任务处理单元，以使任务处理单元跟据目标训练任务的标识，将目标训练任务发送至任一代理单元。163.第四接收模块604，用于接收任一代理单元发送的是否在预设时间内完成目标训练任务的子任务状态信息。164.第五接收模块605，用于接收任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息。165.评分计算模块606，用于根据子任务状态信息及主任务状态信息，计算待优化神经网络模型的评分。166.模型确定模块607，用于根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到任务处理单元发送的训练结束信号，将待优化神经网络模型确定为目标神经网络模型，其中，训练结束信号是任务处理单元在所有压缩训练任务及所有传输训练任务都完成时发送的。167.模型配置模块608，用于将目标神经网络模型配置至所有代理单元。168.在一种可能的实现方式中，评分计算模块606，具体用于若子任务状态信息为在预设时间内完成目标训练任务，则将评分增加第一预设值，否则减去第二预设值。若主任务状态信息为完成单个待传输训练文件对应的所有压缩任务和传输任务，则将评分增加第三预设值，第三预设值大于第一预设值和第二预设值。169.在一种可能的实现方式中，任务选择模型处理装置600，包括：预设值确定模块609。170.预设值确定模块609，用于根据目标训练任务的任务信息及自身状态参数，确定目标训练任务的预期完成用时。根据预期完成用时及预设时间，确定第二预设值。171.预设值确定模块609，具体用于将目标训练任务对应的文件大小，除以代理单元的压缩速率或网络带宽，得到目标训练任务的预期完成用时。172.预设值确定模块609根据预期完成用时及代理单元向任务处理单元发送查询请求间隔的预设时间，确定第二预设值，的公式如下：[0173][0174]式中，y表示第二预设值，a表示常数，t表示预期完成用时，t表示预设时间。[0175]图7为本技术实施例提供的一种文件传输装置的结构示意图二。如图7所示，文件传输装置700，包括：第六接收模块701、文件拆分模块702、任务创建模块703、第七接收模块704、信息发送模块705及任务发送模块706。[0176]第六接收模块701，用于接收用户的终端设备发送的待传输文件及对应的传输地址。[0177]文件拆分模块702，用于将待传输文件拆分，得到多个待传输子文件。[0178]任务创建模块703，用于根据待传输子文件及传输地址，创建多个压缩任务及多个传输任务。[0179]第七接收模块704，用于接收任一代理单元周期性发送的查询请求。[0180]信息发送模块705，用于根据查询请求，向任一代理单元发送各压缩任务的任务信息及各传输任务的任务信息，以使任一代理单元根据自身状态参数、各压缩任务及各传输任务的任务信息，在所有压缩任务和所有传输任务中确定目标任务。[0181]任务发送模块706，用于接收任一代理单元发送的目标任务的标识，并根据目标任务的标识将目标任务发送至任一代理单元，以使任一代理单元执行目标任务。[0182]在一种可能的实现方式中，第六接收模块701，还用于接收工作人员的终端设备发送的多个待传输训练文件及对应的多个传输训练地址，文件拆分模块702还用于，将多个待传输训练文件拆分，得到与各待传输训练文件对应的多个待传输子训练文件。[0183]任务创建模块703，还用于根据多个待传输子训练文件及对应的多个传输训练地址，创建多个压缩训练任务及传输训练任务。[0184]第七接收模块704，还用于接收任一代理单元以预设时间为间隔，周期性发送的查询请求。[0185]信息发送模块705，还用于根据查询请求，向任一代理单元发送各压缩训练任务的任务信息及各传输训练任务的任务信息，以使任一代理单元将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数发送至模型训练单元，使模型训练单元将各压缩训练任务的任务信息及各传输训练任务的任务信息及自身状态参数输入待优化神经网络模型，并得到目标训练任务。[0186]任务发送模块706，还用于接收模型训练单元发送的目标训练任务的标识。根据目标训练任务的标识，向任一代理单元发送目标训练任务，以使任一代理单元执行目标训练任务。[0187]文件传输装置700，还包括：信号发送模块707及任务状态发送模块708。[0188]信号发送模块707，用于在所有压缩训练任务及所有传输训练任务完成时，向模型训练单元发送训练结束信号。[0189]务状态发送模块708，用于将是否在预设时间内完成目标训练任务的子任务状态信息发送至模型训练单元，使模型训练单元根据子任务状态信息，及任务处理单元发送的是否完成单个待传输训练文件对应的所有压缩任务和传输任务的主任务状态信息，计算待优化神经网络模型的评分，根据评分更新待优化神经网络模型，得到新的待优化神经网络模型，直至评分不再增加或接收到训练结束信号，将待优化神经网络模型确定为目标神经网络模型。[0190]上述装置实施例的技术效果与上述方法实施例的技术效果相同，在这里不再赘述。[0191]为了实现上述实施例，本技术实施例还提供了一种电子设备。[0192]参考图8，其示出了适于用来实现本技术实施例的电子设备800的结构示意图，该电子设备800可以为终端设备或服务器。其中，终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(personaldigitalassistant，简称pda)、平板电脑(portableandroiddevice，简称pad)、便携式多媒体播放器(portablemediaplayer，简称pmp)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图8示出的电子设备仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。[0193]如图8所示，电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801，其可以根据存储在只读存储器(readonlymemory，简称rom)802中的程序或者从存储装置808加载到随机访问存储器(randomaccessmemory，简称ram)803中的程序而执行各种适当的动作和处理。在ram803中，还存储有电子设备800操作所需的各种程序和数据。处理装置801、rom802以及ram803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。[0194]通常，以下装置可以连接至i/o接口805：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806；包括例如液晶显示器(liquidcrystaldisplay，简称lcd)、扬声器、振动器等的输出装置807；包括例如磁带、硬盘等的存储装置808；以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备800，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。[0195]特别地，根据本技术的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置809从网络上被下载和安装，或者从存储装置808被安装，或者从rom802被安装。在该计算机程序被处理装置801执行时，执行本技术实施例的方法中限定的上述功能。[0196]需要说明的是，本技术上述的计算机可读存储介质可以是计算机可读信号介质或者计算机存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。[0197]上述计算机可读存储介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。[0198]上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备执行上述实施例所示的方法。[0199]可以以一种或多种程序设计语言或其组合来编写用于执行本技术的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(localareanetwork，简称lan)或广域网(wideareanetwork，简称wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。[0200]附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。[0201]描述于本技术实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该模块本身的限定，例如，文件拆分模块还可以被描述为“待传输文件拆分模块”。[0202]本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。[0203]本技术还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机执行指令，当处理器执行计算机执行指令时，实现上述任一实施例中的文件传输方法或任务选择模型处理方法的技术方案，其实现原理以及有益效果与文件传输方法或任务选择模型处理方法的实现原理及有益效果类似，可参见文件传输方法或任务选择模型处理方法的实现原理及有益效果，此处不再进行赘述。[0204]在本技术的上下文中，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。[0205]本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，实现上述任一实施例中的文件传输方法或任务选择模型处理方法的技术方案，其实现原理以及有益效果与文件传输方法或任务选择模型处理方法的实现原理及有益效果类似，可参见文件传输方法或任务选择模型处理方法的实现原理及有益效果，此处不再进行赘述。[0206]上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块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)或处理器执行本技术各个实施例方法的部分步骤。[0207]应理解，上述处理器可以是中央处理单元(centralprocessingunit，简称cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，简称dsp)、专用集成电路(applicationspecificintegratedcircuit，简称asic)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。[0208]存储器可能包含高速ram存储器，也可能还包括非易失性存储nvm，例如至少一个磁盘存储器，还可以为u盘、移动硬盘、只读存储器、磁盘或光盘等。[0209]总线可以是工业标准体系结构(industrystandardarchitecture，简称isa)总线、外部设备互连(peripheralcomponentinterconnect，简称pci)总线或扩展工业标准体系结构(extendedindustrystandardarchitecture，简称eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本技术附图中的总线并不限定仅有一根总线或一种类型的总线。[0210]上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。[0211]一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(applicationspecificintegratedcircuits，简称asic)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。[0212]本技术中的服务器也可以采用多个服务器组成的集群替代。[0213]本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。[0214]本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本
技术领域：
：中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求书指出。[0215]应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求书来限制。当前第1页12当前第1页12
再多了解一些
本文用于创业者技术爱好者查询，仅供学习研究，如用于商业用途，请联系技术所有人。
