基于P2P技术的人工智能算力共享方法、系统和存储介质与流程

本申请涉及人工智能技术，特别是一种基于p2p技术的人工智能算力共享方法、系统和存储介质。

背景技术：

1、随着人工智能技术的发展，图像识别等应用得到了普及，很多的图像识别模型均部署在服务器一端，用户通常通过调用接口来实现图像处理。在现有技术中，往往采用中心网络，即设备连接服务器。这一方案网络传输过于依赖单个中央服务器，服务器宕机会导致网络中断，抗干扰性弱；依赖客户端于服务器工作，相互通信和交换数据时数据传输和处理的效率低；传统网络支持协议和应用程序有限，可操作性有限；中央服务器掌管用户的隐私数据，保密性局限。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提供一种基于p2p技术的人工智能算力共享方法、系统和存储介质。

2、一方面本申请实施例提供了一种基于p2p技术的人工智能算力共享方法，包括：

3、获取接入算力共享的设备信息；

4、根据设备信息对所有设备进行评分，得到各设备在设备维度的第一评分和跨局域网时的第二评分；

5、当第一设备发起人工智能处理任务时，根据第一设备局域网中可用设备的第一评分和跨局域网的可用设备的第二评分进行任务分配任务。

6、在一些实施例中，所述根据设备信息对所有设备进行评分，包括：

7、根据各设备的cpu、npu、内存硬件资源及设备使用情况对所有设备进行评分。

8、在一些实施例中，还包括以下步骤：

9、在分配设备任务时，通过图像压缩技术将图像文件进行压缩。

10、在一些实施例中，还包括以下步骤：

11、对图像文件进行压缩时，根据图像质量要求选择有损压缩或者无损压缩。

12、在一些实施例中，对图像文件压缩的方式包括：

13、降低图像分辨率；

14、减少图像的颜色位数；

15、采用渐进式编码，将图像按照不同的质量级别分成多个扫描层，优先显示低质量级别的图像。

16、在一些实施例中，根据设备的上线情况进行动态评分。

17、在一些实施例中，不同局域网中的设备通过设备基站进行评分和任务分配。

18、另一方面，本申请实施例提供了一种基于p2p技术热人工智能算力共享系统，包括:

19、获取单元，用于获取接入算力共享的设备信息；

20、评分单元，用于根据设备信息对所有设备进行评分，得到各设备在设备维度的第一评分和跨局域网时的第二评分；

21、分配单元，当第一设备发起人工智能处理任务时，根据第一设备局域网中可用设备的第一评分和跨局域网的可用设备的第二评分进行任务分配任务。

22、另一方面，本申请实施例提供了一种基于p2p技术热人工智能算力共享系统，其特征在于，包括存储器，用于存储程序；

23、处理器，用于加载所述程序以执行所述的基于p2p技术热人工智能算力共享方法。

24、另一方面，本申请实施例提供了一种计算机可读存储介质，其存储有程序，所述程序被处理器执行时，实现所述的基于p2p技术热人工智能算力共享方法。

25、通过本方案实施例，可以利用个人计算机的闲置算力、节约能源和硬件，使得其可以充分利用，节约能源和硬件使用率，现有技术中，每台计算机无法同时处理任务，计算效率的速度有限，且无法根据需求和应用场景调配计算机院，灵活性有限；本方案低成本：独立的计算机集群或数据中心成本较大；可以避免中心服务器宕机而导致任务不能完成；上述方案中对设备在两个维度进行评分，在分配任务时根据设备评分进行任务分配，优化资源，使得p2p系统效率更高。

技术特征：

1.一种基于p2p技术的人工智能算力共享方法，其特征在于，包括：

2.根据权利要求1所述的基于p2p技术的人工智能算力共享方法，其特征在于，所述根据设备信息对所有设备进行评分，包括：

3.根据权利要求1所述的基于p2p技术热人工智能算力共享方法，其特征在于，还包括以下步骤：

4.根据权利要求3所述的基于p2p技术热人工智能算力共享方法，其特征在于，还包括以下步骤：

5.根据权利要求1所述的基于p2p技术热人工智能算力共享方法，其特征在于，对图像文件压缩的方式包括：

6.根据权利要求1所述的基于p2p技术热人工智能算力共享方法，其特征在于，根据设备的上线情况进行动态评分。

7.根据权利要求1所述的基于p2p技术热人工智能算力共享方法，其特征在于，不同局域网中的设备通过设备基站进行评分和任务分配。

8.一种基于p2p技术热人工智能算力共享系统，其特征在于，包括:

9.一种基于p2p技术热人工智能算力共享系统，其特征在于，包括存储器，用于存储程序；

10.一种计算机可读存储介质，其特征在于，其存储有程序，所述程序被处理器执行时，实现如权利要求1-7任一项所述的基于p2p技术热人工智能算力共享方法。

技术总结本申请公开了一种基于P2P技术的人工智能算力共享方法、系统和存储介质，包括：获取接入算力共享的设备信息；根据设备信息对所有设备进行评分，得到各设备在设备维度的第一评分和跨局域网时的第二评分；当第一设备发起人工智能处理任务时，根据第一设备局域网中可用设备的第一评分和跨局域网的可用设备的第二评分进行任务分配任务。本方案可以改善人工智能处理时的效率和成本问题。技术研发人员：黄灼,黄锡雄,刘琰,邢雁受保护的技术使用者：广州机智云物联网科技有限公司技术研发日：技术公布日：2024/8/1