一种云平台的任务调度方法、装置、存储介质及电子设备与流程

技术特征：
1.一种云平台的任务调度方法，其特征在于，包括：获取待处理数据，分别确定所述待处理数据和多个原型数据的相似度；基于所述相似度在云平台上预设的多个学生网络模型中确定至少一个目标模型，其中，所述每一学生网络模型分别基于对应原型数据的相似数据集训练得到；基于所述至少一个目标模型对所述待处理数据进行处理，得到所述待处理数据的处理结果。2.根据权利要求1所述的方法，其特征在于，所述分别确定所述待处理数据和多个原型数据的相似度，包括：基于预设编码器提取得到待处理数据的特征信息；对提取的特征信息与原型存储器中的多个原型数据分别计算相似度。3.根据权利要求2所述的方法，其特征在于，所述编码器与所述原型存储器的确定方法包括：构建一自编码网络模型，其中，所述自编码网络结构包括编码器、原型寻址模块、解码器和原型存储器，所述编码器用于提取输入数据的特征信息，所述原型存储器用于存储原型数据，所述原型寻址模块用于基于与所述输入数据的相似原型数据进行特征重组，所述解码器用于基于重组后的特征信息进行数据重建；基于预设的样本数据对所述自编码网络模型进行训练，在所述自编码网络模型满足训练条件时，得到所述编码器与所述原型存储器。4.根据权利要求3所述的方法，其特征在于，所述自编码网络模型训练过程中的损失函数包括：基于输入数据和输出数据的重建损失函数，以及，在输入数据与任意两原型数据的距离差值小于预设值的情况下，生成原型分离损失函数。5.根据权利要求1所述的方法，其特征在于，所述学生网络模型的训练方法，包括：获取样本数据集，基于所述样本数据集中的各样本数据与各原型数据的相似度，将所述样本数据划分为多个样本子集；对于每一样本子集中的样本数据，基于原始模型确定所述样本数据的伪标签，并基于所述样本子集中的样本数据和对应的伪标签对一初始网络模型训练得到一学生网络模型。6.根据权利要求1所述的方法，其特征在于，所述云平台上还设置有原始模型；所述方法还包括：若所述待处理数据和多个原型数据的相似度，均不满足各学生网络模型的匹配条件，则基于所述原始模型对所述待处理数据进行处理，得到处理结果。7.根据权利要求6所述的方法，其特征在于，所述方法还包括：将所述原始模型处理的待处理数据存储在独立数据集中，在所述独立数据集中数据满足训练条件的情况下，基于所述独立数据集确定新增原型数据，以及训练新增学生网络模型。8.一种云平台的任务调度装置，其特征在于，包括：数据相似度确定模块，用于获取待处理数据，分别确定所述待处理数据和多个原型数据的相似度；目标模型确定模块，用于基于所述相似度在云平台上预设的多个学生网络模型中确定至少一个目标模型，其中，所述每一学生网络模型分别基于对应原型数据的相似数据集训
练得到；第一数据处理模块，用于基于所述至少一个目标模型对所述待处理数据进行处理，得到所述待处理数据的处理结果。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的云平台的任务调度方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的云平台的任务调度方法。

技术总结
本发明实施例公开了一种云平台的任务调度方法、装置、存储介质及电子设备。其中方法包括：获取待处理数据，分别确定所述待处理数据和多个原型数据的相似度；基于所述相似度在云平台上预设的多个学生网络模型中确定至少一个目标模型，其中，所述每一学生网络模型分别基于对应原型数据的相似数据集训练得到；基于所述至少一个目标模型对所述待处理数据进行处理，得到所述待处理数据的处理结果。在云平台上通过存储空间小、算力消耗小的多个学生网络模型替代存储空间大、算力消耗大的处理模型，减少了模型在云平台的存储占用，以及在对数据处理过程中消耗的算力，同时由于学生网络模型中网络参数少，计算速度快，提高了待处理数据的处理效率。数据的处理效率。数据的处理效率。


技术研发人员：于朋鑫 王少康 陈宽
受保护的技术使用者：推想医疗科技股份有限公司
技术研发日：2021.12.08
技术公布日：2022/3/15