CN114564188A - 代码运行方法及装置、电子设备和存储介质 - Google Patents
代码运行方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114564188A CN114564188A CN202210216849.7A CN202210216849A CN114564188A CN 114564188 A CN114564188 A CN 114564188A CN 202210216849 A CN202210216849 A CN 202210216849A CN 114564188 A CN114564188 A CN 114564188A
- Authority
- CN
- China
- Prior art keywords
- experiment
- computing resources
- user
- parameters
- code
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000002474 experimental method Methods 0.000 claims abstract description 632
- 230000004044 response Effects 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 14
- 239000013589 supplement Substances 0.000 claims description 7
- 230000002829 reductive effect Effects 0.000 abstract description 10
- 238000012549 training Methods 0.000 description 31
- 238000012545 processing Methods 0.000 description 29
- 230000006870 function Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 19
- 238000005516 engineering process Methods 0.000 description 14
- 238000003062 neural network model Methods 0.000 description 13
- 239000011449 brick Substances 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000013473 artificial intelligence Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 238000010295 mobile communication Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000006731 degradation reaction Methods 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003042 antagnostic effect Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/34—Graphical or visual programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/70—Software maintenance or management
- G06F8/71—Version control; Configuration management
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/0053—Computers, e.g. programming
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Stored Programmes (AREA)
Abstract
本公开涉及一种代码运行方法及装置、电子设备和存储介质,所述方法包括:响应于实验制作者针对实验项目的第一编程操作,生成实验项目的至少一个编程积木,然后,可响应于实验使用者基于编程积木的第二编程操作,生成用户实验;实验教学平台可根据实验制作者设置的实验参数和管理员设置的平台参数,确定用户运行实验的计算资源,并使用该计算资源运行用户实验,得到运行结果。本公开实施例可灵活地协同本地设备和云端服务器的计算资源,进而可进行最优化计算资源成本配置,有助于降低实验教学平台的计算资源的投入成本。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种代码运行方法及装置、电子设备和存储介质。
背景技术
学前教育至高中教育(Kindergarten Through Twelfth Grade,K12)阶段,人工智能教育逐渐成为信息科技教育的一个重要组成部分。人工智能可涉及人工智能模型训练和人工智能推理(模型应用)等方面。然而,无论是利用已标注的数据集进行模型训练,还是利用训练好的模型进行推理应用,都需要消耗大量的计算资源。
鉴于在小学、初中阶段,信息科技课通常是规模化开课,同时上课人数较多,对于教育局或学校而言,建设人工智能教学实验类平台时,就需要投入规模不小的服务器作为计算资源,供学生实验时使用。这也使得人工智能类课程在小学、初中阶段的开课成本变得很高。
发明内容
本公开提出了一种代码运行技术方案。
根据本公开的一方面,提供了一种代码运行方法,所述方法应用于实验教学平台,包括:响应于实验制作者针对实验项目的第一编程操作,生成所述实验项目的至少一个编程积木,并确定所述实验项目的实验参数,其中,任一所述编程积木对应至少一种代码块,对应于同一编程积木的代码块具有相同的接口名称和接口参数,所述代码块包括用于在本地设备上运行的本地代码块,和/或用于在服务器运行的云端代码块;响应于实验使用者基于所述编程积木的第二编程操作,生成用户实验,所述用户实验包括具有执行逻辑顺序的多个编程积木的组合;根据所述实验参数和所述实验教学平台的管理员设置的平台参数,确定所述用户实验的计算资源,其中,所述计算资源包括本地计算资源和云端计算资源,所述实验参数用于所述实验制作者指示使用本地计算资源和云端计算资源中的一个以支持所述用户实验的运行,所述平台参数用于所述管理员指示使用本地计算资源和云端计算资源中的一个以支持所述用户实验的运行;使用所述计算资源,运行所述用户实验,得到运行结果。
在一种可能的实现方式中,所述平台参数的权限高于所述实验参数的权限。
在一种可能的实现方式中,所述平台参数包括第一参数,所述根据所述实验参数和所述实验教学平台的管理员设置的平台参数,确定所述用户实验的计算资源,包括:在所述第一参数指示所述实验教学平台的全部实验使用者使用本地计算资源运行所述用户实验的情况下,将所述本地计算资源确定为所述用户实验的所述计算资源;或者,在所述第一参数指示所述实验教学平台的全部实验使用者使用云端计算资源运行所述用户实验的情况下,将所述云端计算资源确定为所述用户实验的所述计算资源。
在一种可能的实现方式中,所述平台参数包括第二参数,所述根据所述实验参数和所述实验教学平台的管理员设置的平台参数,确定所述用户实验的计算资源,包括:在所述第二参数指示由所述实验参数确定所述用户实验的所述计算资源的情况下,将所述实验参数指示的所述计算资源确定为所述用户实验的所述计算资源。
在一种可能的实现方式中,所述平台参数包括第三参数,所述根据所述实验参数和所述实验教学平台的管理员设置的平台参数,确定所述用户实验的计算资源,包括:在所述第三参数指示优先使用本地计算资源的情况下,如果本地计算资源满足所述用户实验的运行需要,将所述本地计算资源确定为所述用户实验的计算资源,否则将所述云端计算资源确定为所述用户实验的计算资源;或者,在所述第三参数指示优先使用云端计算资源的情况下,如果云端计算资源满足所述用户实验的运行需要,将所述云端计算资源确定为所述用户实验的计算资源,否则将所述本地计算资源确定为所述用户实验的计算资源。
在一种可能的实现方式中,所述使用所述计算资源,运行所述用户实验,得到运行结果,包括:生成匹配所述计算资源的所述用户实验的实验代码,其中,所述实验代码包括用于匹配所述本地计算资源的本地代码,或者,用于匹配所述云端计算资源的云端代码,所述本地代码包括具有执行逻辑顺序的多个所述本地代码块的组合,所述云端代码包括具有执行逻辑顺序的多个所述云端代码块的组合;使用所述计算资源运行所述实验代码,得到实验结果。
在一种可能的实现方式中,在所述实验项目的编程积木对应所述云端代码块和所述本地代码块中的一种代码块的情况下,根据所述实验参数和所述实验教学平台的管理员设置的平台参数,确定所述用户实验的计算资源,包括:在所述实验项目的编程积木对应本地代码块的情况下,将所述本地计算资源确定为所述用户实验的计算资源,或者,在所述实验项目的编程积木对应云端代码块的情况下,将所述云端计算资源确定为所述用户实验的计算资源;或者,所述方法还包括:在所述实验项目的编程积木对应的一种代码块,与所述平台参数和所述实验参数中至少一个指示的所述用户实验的计算资源不匹配的情况下,触发用于指示所述实验制作者补充所述实验项目的编程积木的另外至少一种代码块的提示。
根据本公开的一方面,提供了一种代码运行装置,所述装置应用于实验教学平台,包括:第一生成模块,用于响应于实验制作者针对实验项目的第一编程操作,生成所述实验项目的至少一个编程积木,并确定所述实验项目的实验参数,其中,任一所述编程积木对应至少一种代码块,对应于同一编程积木的代码块具有相同的接口名称和接口参数,所述代码块包括用于在本地设备上运行的本地代码块,和/或用于在服务器运行的云端代码块;第二生成模块,用于响应于实验使用者基于所述编程积木的第二编程操作,生成用户实验,所述用户实验包括具有执行逻辑顺序的多个编程积木的组合;确定模块,用于根据所述实验参数和所述实验教学平台的管理员设置的平台参数,确定所述用户实验的计算资源,其中,所述计算资源包括本地计算资源和云端计算资源,所述实验参数用于所述实验制作者指示使用本地计算资源和云端计算资源中的一个以支持所述用户实验的运行,所述平台参数用于所述管理员指示使用本地计算资源和云端计算资源中的一个以支持所述用户实验的运行;运行模块,用于使用所述计算资源,运行所述用户实验,得到运行结果。
在一种可能的实现方式中,所述平台参数的权限高于所述实验参数的权限。
在一种可能的实现方式中,所述平台参数包括第一参数,所述确定模块用于:在所述第一参数指示所述实验教学平台的全部实验使用者使用本地计算资源运行所述用户实验的情况下,将所述本地计算资源确定为所述用户实验的所述计算资源;或者,在所述第一参数指示所述实验教学平台的全部实验使用者使用云端计算资源运行所述用户实验的情况下,将所述云端计算资源确定为所述用户实验的所述计算资源。
在一种可能的实现方式中,所述平台参数包括第二参数,所述确定模块用于:在所述第二参数指示由所述实验参数确定所述用户实验的所述计算资源的情况下,将所述实验参数指示的所述计算资源确定为所述用户实验的所述计算资源。
在一种可能的实现方式中,所述平台参数包括第三参数,所述确定模块用于:在所述第三参数指示优先使用本地计算资源的情况下,如果本地计算资源满足所述用户实验的运行需要,将所述本地计算资源确定为所述用户实验的计算资源,否则将所述云端计算资源确定为所述用户实验的计算资源;或者,在所述第三参数指示优先使用云端计算资源的情况下,如果云端计算资源满足所述用户实验的运行需要,将所述云端计算资源确定为所述用户实验的计算资源,否则将所述本地计算资源确定为所述用户实验的计算资源。
在一种可能的实现方式中,所述运行模块用于:生成匹配所述计算资源的所述用户实验的实验代码,其中,所述实验代码包括用于匹配所述本地计算资源的本地代码,或者,用于匹配所述云端计算资源的云端代码,所述本地代码包括具有执行逻辑顺序的多个所述本地代码块的组合,所述云端代码包括具有执行逻辑顺序的多个所述云端代码块的组合;使用所述计算资源运行所述实验代码,得到实验结果。
在一种可能的实现方式中,所述确定模块用于:在所述实验项目的编程积木对应所述云端代码块和所述本地代码块中的一种代码块的情况下,根据所述实验参数和所述实验教学平台的管理员设置的平台参数,确定所述用户实验的计算资源,包括:在所述实验项目的编程积木对应本地代码块的情况下,将所述本地计算资源确定为所述用户实验的计算资源,或者,在所述实验项目的编程积木对应云端代码块的情况下,将所述云端计算资源确定为所述用户实验的计算资源;或者,所述装置还包括触发模块,用于:在所述实验项目的编程积木对应的一种代码块,与所述平台参数和所述实验参数中至少一个指示的所述用户实验的计算资源不匹配的情况下,触发用于指示所述实验制作者补充所述实验项目的编程积木的另外至少一种代码块的提示。
根据本公开的一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中,能够响应于实验制作者针对实验项目的第一编程操作,生成实验项目的至少一个编程积木,然后,可响应于实验使用者基于编程积木的第二编程操作,生成用户实验;实验教学平台可根据实验制作者设置的实验参数和管理员设置的平台参数,确定用户运行实验的计算资源,并使用该计算资源运行用户实验,得到运行结果。通过这种方式,实验使用者直接基于编程积木进行第二编程操作生成用户实验,实验使用者学习的是编程积木的逻辑,通过编程积木屏蔽了底层的编程代码,使编程积木的逻辑对实验使用者一致,不需要实验使用者切换学习不同的编程语言,实验教学平台切换底层编程语言时不影响教学效果,有利于实验教学平台依据不同的参数配置策略,自动选择用户实验相应的计算资源,灵活地协同本地设备和云端服务器的计算资源,进而可进行最优化计算资源成本配置,有助于降低实验教学平台的计算资源的投入成本。
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。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
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。
图1示出根据本公开实施例的代码运行方法的流程图。
图2示出根据本公开实施例的编程积木的示意图。
图3示出根据本公开实施例的代码运行装置的框图。
图4示出根据本公开实施例的一种电子设备800的框图。
图5示出根据本公开实施例的一种电子设备1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,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。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
相关技术中,用于编程实验教学的实验平台,只能采用单一的计算资源,例如本地计算资源或云端计算资源。如果实验平台使用本地计算资源运行编程实验,学生需要使用匹配本地计算资源的编程语言编写实验代码,如果实验平台使用云端计算资源运行实验,学生需要使用匹配云端计算资源的编程语言编写实验代码,学生需要利用不同的编程语言写实验代码,提高了学生对编程逻辑进行学习的难度。而且,实验平台采用单一的计算资源,不利于对实验平台的搭建进行资源成本的最优化投入,可能会由于计算资源投入过多而大幅度提高实验平台的成本。
有鉴于此,在本公开的实施例中,用于编程实验教学的实验教学平台,能够响应于实验制作者针对实验项目的第一编程操作,生成实验项目的至少一个编程积木,然后,可响应于实验使用者基于编程积木的第二编程操作,生成用户实验;实验教学平台可根据实验制作者设置的实验参数和管理员设置的平台参数,确定用户运行实验的计算资源,并使用该计算资源运行用户实验,得到运行结果。
通过这种方式,实验使用者直接基于编程积木进行第二编程操作生成用户实验,实验使用者学习的是编程积木的逻辑,通过编程积木屏蔽了底层的编程代码,使编程积木的逻辑对实验使用者一致,不需要实验使用者切换学习不同的编程语言,实验教学平台切换底层编程语言时不影响教学效果,有利于实验教学平台依据不同的参数配置策略,自动选择用户实验相应的计算资源,灵活地协同本地设备和云端服务器的计算资源,进而可进行最优化计算资源成本配置,有助于降低实验教学平台的计算资源的投入成本。
图1示出根据本公开实施例的代码运行方法的流程图,如图1所示,所述代码运行方法包括:
在步骤S11中,响应于实验制作者针对实验项目的第一编程操作,生成所述实验项目的至少一个编程积木,并确定所述实验项目的实验参数。
在步骤S12中,响应于实验使用者基于所述编程积木的第二编程操作,生成用户实验,所述用户实验包括具有执行逻辑顺序的多个编程积木的组合;
在步骤S13中,根据所述实验参数和所述实验教学平台的管理员设置的平台参数,确定所述用户实验的计算资源。
在步骤S14中,使用所述计算资源,运行所述用户实验,得到运行结果。
在一种可能的实现方式中,所述代码运行方法可以由终端设备或服务器等电子设备执行,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等,所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者,可通过服务器执行所述方法。
在一种可能的实现方式中,在步骤S11中,实验制作者(例如老师)可基于该实验教学平台进行编程教育实验的设计和制作。例如,实验制作者可以在实验教学平台的用户终端的浏览器窗口,设计实验项目的实验逻辑,对实验项目进行第一编程操作,生成实验项目的至少一个编程积木,以使后续的实验使用者(例如学生)利用编程积木进行编程学习,完成用户实验。
其中,第一编程操作可使用机器语言、汇编语言、高级语言、脚本语言等编程语言编写实验项目的代码,其中,机器语言可利用二进制编码进行代码的编写,汇编语言可利用缩写英文作为标识符进行代码的编写,高级语言可独立于机器,进行面向过程或对象的代码编写,例如可包括Java语言、C语言、C++语言、C#语言、Pascal语言、Lisp语言、Prolog语言、FoxPro语言等编程语言,脚本语言可以缩短编写-编译-链接-运行(Edit-Compile-Link-Run)过程,在被调用时进行解释或编译,例如可包括Python语言、JavaScript语言、Installshield Script语言、ActionScript语言等,本公开对第一编程操作使用的代码语言类型不作限制。
其中,生成的编程积木关联可实现某个功能的代码块,可在教学平台的一个图形化的编程交互界面中显示为积木块,可用于控制预先设置的目标对象(例如包括变量、数组、矩阵、函数、神经网络模型等)执行某个功能或行为,编程积木可包括命令编程积木、功能编程积木、触发编程积木、控制编程积木等各类编程积木,本公开对编程积木的类别不作限制。并且,每个编程积木的大小、形状、颜色、与实验使用者(例如学生)的交互方式、以及多个编程积木之间的拼接方式,可由实验制作者(例如老师)根据教学需要任意设置,本公开对此也不作限制。
在一种可能的实现方式中,在步骤S11中,任一实验项目可对应至少一个编程积木,任一所述编程积木对应至少一种代码块,对应于同一编程积木的代码块具有相同的接口名称和接口参数,所述代码块包括用于在本地设备上运行的本地代码块,和/或用于在服务器运行的云端代码块;
举例来说,由于实验项目的内容与难易程度各不相同,对于不同的实验项目,生成的实验项目所对应的编程积木的数量也不同,比如,实验项目A1比较简单,响应于实验制作者(例如老师)针对实验项目A1的第一编程操作,可生一个编程积木;而实验项目A2比较复杂,响应于实验制作者(例如老师)针对实验项目A2的第一编程操作,可生成N个(N>1)编程积木,例如,编码积木1~编码积木N。
为了便于后续云端服务器与本地设备可协同使用计算资源,更高效的利用计算资源,任一编程积木可对应M种(M≥1)代码块,例如,假设定义某一编程积木B可实现图像的阈值分割,可为编程积木B配置两种(M=2)代码块,一种为用于在本地设备上运行的本地代码块B1,另一种为用于在服务器运行的云端代码块B2。考虑到JavaScript语言编写的代码适合在浏览器里利用本地资源运行,Python语言编写的代码适合在服务器云端利用Python解释器运行,可以使用JavaScript语言编写编程积木B对应的本地代码块B1,使用Python语言编写编程积木B对应的本地代码块B2。应当理解,本公开仅以JavaScript语言、Python语言为例,也可以使用其他编程语言编写本地代码块和云端代码块,每个编程积木也可以对应多个代码块,本公开对此不作限制。
其中,本地代码块B1和本地代码块B2虽然是使用不同的编程语言编写的,但是,本地代码块B1和本地代码块B2的功能是完全一样的,都可以实现编程积木B定义的功能(图像的阈值分割),并且,本地代码块B1和本地代码块B2具有相同的接口名称(例如代码块的软件接口名称)和接口参数(例如阈值参数),可以对输入的图像进行相同阈值的分割。
在生成了实验项目的编程积木,实验制作者(例如老师)还可以在用户终端上设置实验项目的实验参数,用于指示后续在实验使用者(如学生)实验的实验过程中,运行实验使用者(如学生)使用编程积木编写的用户实验,使用的是本地计算资源,还是云端计算资源。
其中,所述云端计算资源包括所述服务器的中央处理器(Central ProcessingUnit,CPU)、图像处理器(Graphics Processing Unit,GPU)、现场可编程逻辑门阵列(FieldProgrammable Gate Array,FPGA)、专用集成电路(Application Specific IntegratedCircuit,ASIC)中的至少一种,所述本地计算资源包括本地设备的中央处理器、图像处理器、现场可编程逻辑门阵列、专用集成电路中的至少一种。本公开对计算资源的类别不作限制。
在一种可能的实现方式中,在步骤S12中,实验使用者(例如学生)可完成由实验制作者在步骤S11中设计制作的编程教育实验。实验使用者可以在用户终端的浏览器窗口,观察到实验制作者(例如老师)在步骤S11中生成的编码积木,实验使用者(例如学生)可对编程积木进行点击、拖拽、拼接、下拉菜单选择、文本框编辑等第二编程操作,生成用户实验,该用户实验可包括具有执行逻辑顺序的多个编程积木的组合。
比如,在浏览器的窗口显示了编程积木D、编程积木E和编程积木F,实验使用者(例如学生)可以从这3个积木中选择实验需要的编程积木E和编程积木F,对编程积木E和编程积木F进行拼接和/或嵌入,并在编程积木E和编程积木F上进行交互操作(下拉菜单选择、文本框编辑等),生成用户实验。
示例性的,编程积木E是触发编程积木,编程积木F是功能编程积木,具有人脸识别的功能,编程积木E和编程积木F拼接组合得到的用户实验,其功能为只有满足编程积木E的触发条件,才会执行编程积木F的人脸识别功能。应当理解,用户实验可包括具有执行逻辑顺序的多个编程积木的组合,本公开对编程积木的组合方式,以及用于组成用户实验的编程积木的数量不作限制。
通过这种方式,实验使用者(例如学生)无需接触底层的编程代码,可直接对图形化的编码积木进行第二编程操作,生成用户实验,降低了在用户实验程序编写过程中,对实验使用者(例如学生)思维逻辑能力的要求,可提升用户实验程序编写的直观性、趣味性,有助于提高实验使用者(例如学生)的学习效率。
由于用户实验是由多个编程积木的组合而成的,每个编程积木可对应至少一种代码块,例如,可包括本地代码块和云端代码块,所以,由多个编程积木的组合而成的用户实验可对应至少一种代码程序,例如,可包括本地代码程序(即本地代码块组)和云端代码程序(云端代码块组)。用户实验可对应至少一种代码程序,有利于对运行用户实验使用的计算资源进行自由地选择,无论是使用本地计算资源,还是使用远端计算资源,都可以使用户实验与计算资源相匹配,便于后续使用任意的计算资源运行用户实验。
在一种可能的实现方式中,在步骤S13中,可根据实验制作者(例如老师)在步骤S11中设置的实验参数,以及实验教学平台的管理员设置的平台参数,确定步骤S12生成的用户实验的计算资源。其中,所述实验参数用于所述实验制作者指示使用本地计算资源和云端计算资源中的一个以支持所述用户实验的运行,所述平台参数用于所述管理员指示使用本地计算资源和云端计算资源中的一个以支持所述用户实验的运行;
通过对平台参数和实验参数的配合使用,设置不同的参数配置策略,可以灵活协同本地计算资源与云端计算资源,灵活控制用户实验使用的算力资源,有助于降低计算资源的成本。
在一种可能的实现方式中,在步骤S13确定了用户实验的计算资源,可在步骤S14中,使用计算资源,运行所述用户实验,得到运行结果。例如,如果确定的是本地计算资源,可使用本地计算资源,运行用户实验对应的本地代码程序,得到运行结果;如果确定的是云端计算资源,可使用云端计算资源,运行用户实验对应的云端代码程序,得到运行结果。
通过步骤S11~步骤S14,能够响应于实验制作者针对实验项目的第一编程操作,生成实验项目的至少一个编程积木,然后,可响应于实验使用者基于编程积木的第二编程操作,生成用户实验;实验教学平台可根据实验制作者设置的实验参数和管理员设置的平台参数,确定用户运行实验的计算资源,并使用该计算资源运行用户实验,得到运行结果。通过这种方式,实验使用者直接基于编程积木进行第二编程操作生成用户实验,实验使用者学习的是编程积木的逻辑,通过编程积木屏蔽了底层的编程代码,使编程积木的逻辑对实验使用者一致,不需要实验使用者切换学习不同的编程语言,实验教学平台切换底层编程语言时不影响教学效果,有利于实验教学平台依据不同的参数配置策略,自动选择用户实验相应的计算资源,灵活地协同本地设备和云端服务器的计算资源,进而可进行最优化计算资源成本配置,有助于降低实验教学平台的计算资源的投入成本。
下面对本公开的实施例的代码运行方法进行展开说明。
假设实验制作者(例如老师)想设计一个使用TensorFlow(端到端开源机器学习平台)进行神经网络模型训练的实验项目,以实现使实验使用者(例如学生)对TensorFlow和神经网络模型训练具有初步认识的教学目标。应当理解,实验项目可以包括人工智能模型训练、人工智能模型推理、视觉识别、语音识别、文本挖掘、自然语言处理等,本公开对实验项目的具体内容不作限制。
在步骤S11中,实验制作者可以在实验教学平台的用户终端的浏览器窗口进行第一编程操作,用户终端可响应于实验制作者的第一编程操作,生成实验项目(如神经网络模型训练实验)的编程积木。
图2示出根据本公开实施例的编程积木的示意图。如图2所示,该编程积木是一个用于训练模型的编程积木。
在该编程积木21处的下拉菜单中,可以显示多种神经网络模型,以使后续实验使用者(例如学生)从多种神经网络模型中选择一种作为用户实验的神经网络模型,例如,神经网络模型model。示例性的,21处也可以是一个模型积木,该积木为预先定义的模型变量积木,该多种神经网络模型可以为预先定义的多种模型变量。
其中,实验制作者(例如老师)可根据教学需要,通过第一编程操作,设置21处下拉菜单,使其可包括卷积神经网络(Convolutional Neural Networks,CNN)、循环神经网络(Recurrent Neural Network,RNN)、对抗神经网络(Generative Adversarial Nets,GAN)、残差网络(Residual Networks,ResNets)等网络模型。应当理解,本公开对21处下拉菜单中神经网络模型的类别不作限制,实验制作者(例如老师)可根据实现的教学情况进行设置。
在该编程积木22处的下拉菜单中,可以显示多种训练数据集,以使后续实验使用者(例如学生)从多种训练数据集中选择一种作为用户实验的训练数据集,例如,训练数据集data。示例性的,22处也可以是一个数据集积木,该积木为预先定义的数据集变量积木,该多种训练数据集可以为预先定义的多种数据集变量。
其中,实验制作者(例如老师)可根据教学需要,通过第一编程操作,设置22处下拉菜单,使其可包括分别由图像样本、视频样本、文字样本、语音样本等构成的各种训练数据集。应当理解,本公开对22处下拉菜单中训练数据集的内容不作限制,实验制作者(例如老师)可根据实现的教学情况进行设置。
在该编程积木23处的下拉菜单中,可以显示多种输出标签,以使后续实验使用者(例如学生)从多种标签中选择一种标记训练数据集中的样本数据,例如,标签labels。示例性的,23处也可以是一个标签积木,该积木为预先定义的标签变量积木,该多种输出标签可以为预先定义的多种标签变量。
其中,实验制作者(例如老师)可根据教学需要,通过第一编程操作,设置23处下拉菜单,使其可对训练数据集中样本数据进行各种标记,例如颜色标签、图形标签、文字标签等。应当理解,本公开对23处下拉菜单中标签的形式不作限制,实验制作者(例如老师)可根据实现的教学情况进行设置。
在该编程积木24处的文本编辑框中,通过输入数字,可用于确定在神经网络模型进行多轮迭代的批训练过程中,每轮训练输入的训练数据集中样本数据的个数,例如,批大小batchSize=32,指示在训练过程中,训练数据集中每32个样本数据会被计算一次梯度下降,优化一次神经网络模型。本公开对批大小batchSize的具体数值不作限制。
在该编程积木25处的文本编辑框中,通过输入数字,可用于确定神经网络模型在训练过程中的迭代次数,例如,时期epochs=5,指示在训练过程中,训练集中全部样本数据都被传递到神经网络模型迭代训练5次。比如,假设训练数据集data有320个样本数据,批大小batchSize=32,那么训练完全部训练数据集中的样本数据需要10轮迭代训练(即1个时期epochs),时期epochs=5需要50轮迭代训练。本公开对时期epochs的具体数值不作限制。
实验制作者(例如老师)在通过第一编程操作生成图形化的编程积木的过程中,同步地,可通过第一编程操作定义编程积木的配置文件(例如,代码块生成文件Generator),使同一个编程积木可以配置Python、JavaScript等多种程序语言的代码块。
其中,JavaScript代码则适合在浏览器里利用本地资源运行,可将JavaScript代码编写的代码块作为本地代码块。
示例性的,图2所示的编程积木对应的本地(JavaScript)代码块如下:
Python代码适合在服务器云端利用Python解释器运行,可将Python代码编写的代码块作为服务器运行的云端代码块;
示例性的,图2所示的编程积木对应的云端(Python)代码块如下:
//Train for 5epochs with batch size of 32.
model.fit(data,labels,epochs=5,batchSize=32)
对应于同一编程积木的代码块具有相同的接口名称和接口参数,例如,对于如图2所示的用于训练模型的编程积木,可对应本地代码块JavaScript和云端代码块Python这两个代码块。这两个代码块的接口名称都是model.fit(),并且接口参数,即:训练数据集data、标签labels、时期epochs=5、批大小batchSize=32也相同。本地代码块JavaScript和云端代码块Python这两个代码块的功能一样,可实现与其对应的编程积木定义的功能。
实验制作者(例如老师)还可通过第一编程操作确定实验项目的实验参数。在该实验项目发布后,可通过设置的实验参数指示实验使用者(例如学生)运行用户实验的计算资源。例如,如果实验参数确定为cloud,可用于指示使用云端计算资源运行实验使用者(例如学生)的用户实验,如果实验参数确定为local,可用于指示使用本地计算资源运行实验使用者(例如学生)的用户实验。
在步骤S11生成了实验项目的编程积木,并确定了实验项目的实验参数,实验制作者(例如老师)就可以在实验教学平台发布该实验项目,进而在步骤S12中,实验使用者(例如学生)可以在用户终端的浏览器登录该实验教学平台,使用该实验项目中的编程积木进行第二编程操作,生成用户实验。
在实验使用者(例如学生)进行第二编程操作的过程中,实验使用者(例如学生)可对编程积木进行点击、拖拽、拼接、下拉菜单选择、文本框编辑等第二编程操作,生成用户实验。用户实验包括具有执行逻辑顺序的多个编程积木的组合,应当理解,如果用户实验只需要一个编程积木,可以直接将该编程积木作为用户实验,本公开对用户实验包括的编程积木的数量不作限制。
这样,实验使用者(例如学生)无需接触底层的编程代码(例如JavaScript、Python等编程语言),可基于图像化的编程积木进行第二编程操作,例如对编程积木进行的点击、拖拽、拼接、编辑等交互操作,这种将整个用户实验程序编写过程图形化,有利于降低用户实验程序编写过程中对实验使用者(例如学生)思维逻辑能力的要求,降低用户实验程序编写的难度,提升用户实验程序编写的直观性、趣味性。
而且,实验使用者(例如学生)学习的是编程积木的逻辑,通过编程积木屏蔽底层的编程代码,使编程积木的逻辑对实验使用者(例如学生)一致,不需要实验使用者(例如学生)切换学习不同的编程语言(例如JavaScript、Python等编程语言),实验教学平台切换底层语言时也不影响教学效果,有利于后续实验教学平台依据不同的参数配置策略,自动为用户实验选择相应的计算资源,协同本地设备和云端服务器的计算资源。
在步骤S12,实验使用者(例如学生)对编程积木进行第二编程操作,生成用户实验,进而教学平台可在步骤S13中,根据实验参数和平台参数,确定运行用户实验所使用的计算资源。
在一种可能的实现方式中,平台参数的权限高于实验参数的权限,也就是说,教学平台优先根据平台参数确定运行用户实验所使用的计算资源。
举例来说,实验制作者(例如老师)可以设置实验参数,该实验参数可用于指示实验使用者(例如学生)通过第二编程操作生成的用户实验,是在本地计算资源上运行,还是在云端计算资源上运行。同样的,实验教学平台的管理员也可以设置平台参数,该平台参数用于指示实验使用者(例如学生)通过第二编程操作生成的用户实验,是在本地计算资源上运行,还是在云端计算资源上运行。可能会存在实验制作者(例如老师)设置的实验参数与管理员设置的平台参数相矛盾的情况,比如实验参数指示使用云端计算资源运行用户实验,而平台参数指示使用本地计算资源运行用户实验。
对此,考虑到对比实验制作者(例如老师),实验教学平台的管理员可以更全面地获取本地计算资源和云端计算资源的资源信息,可使实验教学平台的管理员设置的平台参数的权限高于实验制作者(例如老师)设置的实验参数的权限。在这种情况下,如果存在实验制作者(例如老师)设置的实验参数与管理员设置的平台参数相矛盾的情况,可以以管理员设置的平台参数为准,将平台参数指示的计算资源确定为运行用户实验的计算资源。
通过这种方式,在实验教学平台,令平台参数的权限高于实验参数的权限,有利于平台参数和实验参数的配合使用,实现云端与本地协同使用计算资源,降低计算资源的成本。
下面通过具体的应用场景,介绍实验参数和平台参数的配置策略,使实验教学平台可以自动选择相应的计算资源,以实现高效协同本地设备和云端服务器的计算资源。
在一种可能的实现方式中,在所述实验项目的编程积木对应所述云端代码块和所述本地代码块中的一种代码块的情况下,根据所述实验参数和所述实验教学平台的管理员设置的平台参数,确定所述用户实验的计算资源,包括:在所述实验项目的编程积木对应本地代码块的情况下,将所述本地计算资源确定为所述用户实验的计算资源,或者,在所述实验项目的编程积木对应云端代码块的情况下,将所述云端计算资源确定为所述用户实验的计算资源;
或者,在所述实验项目的编程积木对应的一种代码块,与所述平台参数和所述实验参数中至少一个指示的所述用户实验的计算资源不匹配的情况下,触发用于指示所述实验制作者补充所述实验项目的编程积木的另外至少一种代码块的提示。
举例来说,如果在步骤S11中实验制作者(例如老师)针对实验项目的编程积木,没有完整定义用于在本地设备上运行的本地代码块、以及用于在服务器运行的云端代码块这两种代码块,也即,实验制作者(例如老师)制作的实验项目的编程积木仅对应本地代码块和云端代码块中的一种代码块,可能会存在基于一种代码块(即本地代码块和云端代码块中的一种)的编程积木生成的用户实验的实验代码,与平台参数、实验参数中至少一个指示的用户实验的计算资源不匹配,实验教学平台可根据编程积木对应的代码块种类、以及实验参数和平台参数,判定降级处理或提示不兼容。
例如,假设实验制作者(例如老师)制作的实验项目的编程积木仅对应本地代码块,实验参数和平台参数中至少一个指示使用云端计算资源支持用户实验的运行,由于实验项目的编程积木仅对应本地代码块这一种,并且用户实验是实验使用者(例如学生)基于编程积木生成的,所以只能基于对应本地代码块的编程积木,生成用户实验,该用户实验的实验代码只能是匹配本地计算资源的本地代码。
在这种情况下,如果按照实验参数和/或平台参数指示的云端计算资源运行用户实验,可能会因为无法生成用户实验的云端代码,进而无法使用云端计算资源运行用户实验,导致用户实验运行失败。
为了使用户实验可以顺利运行,在实验项目的编程积木只对应本地代码块这一种的情况下,实验教学平台可根据编程积木对应的代码块种类、实验参数和平台参数,进行降级处理,将本地计算资源确定为用户实验的计算资源。
或者,为了使用更优的计算资源运行用户实验,实验教学平台也可以通过声音提示、文本提示、图片提示等提示方式,提示当前实验项目的编程积木对应的本地代码块与计算资源不兼容,实验制作者(例如老师)需补充实验项目的编程积木的云端代码块。这样,在实验制作者(例如老师)补充编程积木的云端代码块之后,有利于根据实验参数和平台参数从本地计算资源和云端计算资源中,选择一种更优的计算资源来运行用户实验。
又例如,假设实验制作者(例如老师)制作的实验项目的编程积木仅对应云端代码块,实验参数和平台参数中至少一个指示使用本地计算资源支持用户实验的运行,由于实验项目的编程积木仅对应云端代码块这一种,并且用户实验是实验使用者(例如学生)基于编程积木生成的,所以只能基于对应云端代码块的编程积木,生成用户实验,该用户实验的实验代码只能是匹配云端计算资源的云端代码。
在这种情况下,如果按照实验参数和/或平台参数指示的本地计算资源运行该用户实验,可能会因为无法生成用户实验的本地代码,进而无法使用本地计算资源运行用户实验,导致用户实验运行失败。
为了使用户实验可以顺利运行,在实验项目的编程积木只对应云端代码块这一种的情况下,实验教学平台可根据编程积木对应的代码块种类、实验参数和平台参数,进行降级处理,将云端计算资源确定为用户实验的计算资源。
或者,为了使用更优的计算资源运行用户实验,实验教学平台也可以通过声音提示、文本提示、图片提示等提示方式,提示当前实验项目的编程积木对应的云端代码块与计算资源不兼容,实验制作者(例如老师)需补充实验项目的编程积木的本地代码块。这样,在实验制作者(例如老师)补充编程积木的本地代码块之后,有利于根据实验参数和平台参数从本地计算资源和云端计算资源中,选择一种更优的计算资源来运行用户实验。
通过这种方式,如果实验制作者(例如老师)未完整定义编程积木的本地代码块和云端代码块这两种代码块,实验教学平台可根据当前定义的编程积木的代码块类别、实验参数和平台参数判定降级或不兼容,有利于提高实验教学平台的适用性。
下面介绍在实验项目的编程积木对应多种代码块(例如,编程积木既可以对应本地代码块,也可以对应云端代码块)的情况下,实验参数和平台参数的配置策略。
在一种可能的实现方式中,所述平台参数包括第一参数,在所述第一参数指示所述实验教学平台的全部实验使用者使用本地计算资源运行所述用户实验的情况下,将所述本地计算资源确定为所述用户实验的所述计算资源;或者,在所述第一参数指示所述实验教学平台的全部实验使用者使用云端计算资源运行所述用户实验的情况下,将所述云端计算资源确定为所述用户实验的所述计算资源。
举例来说,对于学校电脑(例如实验室电脑/教师电脑)或本地实验设备(如教具、开发板)等本地设备性能比较高,拥有充足的计算资源,本地设备的计算资源远高于云端服务器计算资源的场景下。拥有实验教学平台最高权限的管理员,可以将第一参数确定为force_local,用于指示实验教学平台的全部实验使用者使用本地计算资源运行用户实验。
在此情况下,由于平台参数的权限高于实验参数的权限,实验制作者(例如老师)在步骤S11中确定的实验参数,无论是指示使用本地计算资源运行用户实验的实验参数local,还是指示使用云端计算资源运行用户实验的实验参数cloud,实验教学平台都会将本地计算资源确定为用户实验的计算资源,使实验使用者(例如学生)基于编程积木生成的用户实验在本地计算资源上运行。
或者,对于学校电脑等本地设备性能比较低,拥有的计算资源比较少,本地设备的计算资源远低于云端服务器计算资源的场景下。拥有实验教学平台最高权限的管理员,可以将第一参数确定为force_cloud,用于指示实验教学平台的全部实验使用者使用云端计算资源运行用户实验。
在此情况下,由于平台参数的权限高于实验参数的权限,实验制作者(例如老师)在步骤S11中确定的实验参数,无论是指示使用本地计算资源运行用户实验的实验参数local,还是指示使用云端计算资源运行用户实验的实验参数cloud,实验教学平台都会将云端计算资源确定为用户实验的计算资源,使实验使用者(例如学生)基于编程积木生成的用户实验在云端计算资源上运行。
通过这种方式,在用户(例如拥有最高权限的管理员)对本地计算资源和云端计算资源的资源情况清楚的场景下,可通过配置平台参数(例如第一参数),灵活设置实验教学平台运行用户实验使用的计算资源,有利于根据实验使用场景协同使用本地计算资源和云端计算资源,提高用户实验的运行效率。
在一种可能的实现方式中,所述平台参数包括第二参数,在所述第二参数指示由所述实验参数确定所述用户实验的所述计算资源的情况下,将所述实验参数指示的所述计算资源确定为所述用户实验的所述计算资源。
举例来说,假设培训学校有不同年龄段的实验使用者(例如学生),实验制作者(例如老师)为不同年龄段的实验使用者(例如学生)定制的实验项目各不相同。比如,实验制作者(例如老师)为低龄的实验使用者(例如学生)定制的实验项目比较简单,实验使用者(例如学生)基于该实验项目中编程积木生成的用户实验也比较简单,需要的计算资源比较少,本地计算资源就可以满足用户实验的运行需要;实验制作者(例如老师)为高龄的实验使用者(例如学生)定制的实验项目比较复杂,实验使用者(例如学生)基于该实验项目中编程积木生成的用户实验也比较复杂,需要的计算资源比较多,本地计算资源不能满足用户实验的运行需要,需要使用云端计算资源运行用户实验。
在此场景下,拥有实验教学平台最高权限的管理员,可以设置第二参数defined_by_creator,用于指示由实验参数确定用户实验的计算资源,则实验制作者(例如老师)可由实验项目的难易配置实验参数,教学平台运行用户实验时根据实验项目配置的实验参数,确定用户实验使用本地计算资源还是云端计算资源。
在此情况下,虽然平台参数的权限高于实验参数的权限,但是通过设置第二参数defined_by_creator,可将权限下放至实验制作者(例如老师),实验制作者(例如老师)可根据具体的实验项目,确定使用本地计算资源还是云端计算资源运行用户实验。如果实验参数确定为cloud,将云端计算资源确定为用户实验的计算资源,使用云端计算资源运行用户实验;如果实验参数确定为local,将本地计算资源确定为用户实验的计算资源,使用本地计算资源运行用户实验。
通过这种方式,在用户(例如拥有最高权限的管理员)对具体实验项目不清楚,不同的实验项目需要不同的计算资源的场景下,可通过配置平台参数(例如第二参数),使实验制作者(例如老师)可以灵活设置实验教学平台的计算资源,有利于实验制作者(例如老师)根据不同的实验项目灵活选取本地计算资源和云端计算资源,提高用户实验的运行效率。
在一种可能的实现方式中,所述平台参数包括第三参数,在所述第三参数指示优先使用本地计算资源的情况下,如果本地计算资源满足所述用户实验的运行需要,将所述本地计算资源确定为所述用户实验的计算资源,否则将所述云端计算资源确定为所述用户实验的计算资源;或者,在所述第三参数指示优先使用云端计算资源的情况下,如果云端计算资源满足所述用户实验的运行需要,将所述云端计算资源确定为所述用户实验的计算资源,否则将所述本地计算资源确定为所述用户实验的计算资源。
举例来说,云端服务器的计算资源会受到用户访问量的影响发生变化,如果用户访问量过多,云端服务器的计算资源会相对变少,当用户访问量过少,云端服务器的计算资源会相对变多。
对于本地设备的计算资源高于云端服务器的计算资源为高概率的场景下,或者,在对数据安全性要求比较高的场景下,拥有实验教学平台最高权限的管理员,可以将第三参数确定为local_first,用于指示实验教学平台优先使用本地计算资源运行用户实验。
在此情况下,如果本地计算资源满足用户实验的运行需要,将本地计算资源确定为用户实验的计算资源,使用本地计算资源运行用户实验;只有在本地计算资源无法满足用户实验的运行需要,才将云端计算资源确定为用户实验的计算资源,使用云端计算资源运行用户实验。
或者,对于本地设备的计算资源高于云端服务器的计算资源为低概率的场景下,拥有实验教学平台最高权限的管理员,可以将第三参数确定为cloud_first,用于指示实验教学平台优先使用云端计算资源运行用户实验。
在此情况下,如果云端计算资源满足用户实验的运行需要,将云端计算资源确定为用户实验的计算资源,使用云端计算资源运行用户实验;只有在云端计算资源无法满足用户实验的运行需要,才将本地计算资源确定为用户实验的计算资源,使用本地计算资源运行用户实验。
应当理解,由于平台参数的权限高于实验参数的权限,实验制作者(例如老师)在步骤S11中设置的实验参数,无论是指示使用本地计算资源运行用户实验的实验参数local,还是指示使用云端计算资源运行用户实验的实验参数cloud,实验教学平台都不会对实验参数进行考虑。实验教学平台会自动评估本地计算资源是否满足用户实验的运行需要,自动选择使用本地计算资源还是使用云端计算资源运行用户实验。
通过这种方式,实验教学平台可为用户实验自动分配计算资源,灵活协同本地计算资源与云端计算资源,提高用户实验的运行效率。
应当理解,除了上述介绍的平台参数(第一参数~第三参数),还可以根据实际应用场景,增添或修改平台参数,以达到灵活协同本地设备与云端服务器的计算资源的目的,本公开对此不作限制。
在步骤S13确定了用户实验的计算资源,可在步骤S14中使用该计算资源运行用户实验,得到运行结果。
在一种可能的实现方式中,步骤S14可包括:
在步骤S141中,生成匹配所述计算资源的所述用户实验的实验代码,其中,所述实验代码包括用于匹配所述本地计算资源的本地代码,或者,用于匹配所述云端计算资源的云端代码,所述本地代码包括具有执行逻辑顺序的多个所述本地代码块的组合,所述云端代码包括具有执行逻辑顺序的多个所述云端代码块的组合;
在步骤S142中,使用所述计算资源运行所述实验代码,得到实验结果。
举例来说,假设用户实验是由编程积木H1和编程积木H2的组合而成的,编程积木H1可对应本地(JavaScript)代码块J1和云端(Python)代码块P1,编程积木H2可对应本地(JavaScript)代码块J2和云端(Python)代码块P2。
在步骤S141中,如果确定的计算资源为本地计算资源,可以使用积木代码生成文件Generator生成编程积木H1的本地(JavaScript)代码块J1,以及编程积木H2的本地(JavaScript)代码块J2,进而生成用户实验的实验代码J1+J2,该实验代码J1+J2为JavaScript代码;或者,如果确定的计算资源为云端计算资源,可以使用积木代码生成文件Generator生成编程积木H1的云端(Python)代码块P1,以及编程积木H2的云端(Python)代码块P2,进而生成用户实验的实验代码P1+P2,该实验代码P1+P2为Python代码。
在步骤S142中,考虑到Python代码适合在服务器云端利用Python解释器运行,JavaScript代码则适合在浏览器里利用本地计算资源运行。可使用本地计算资源(如浏览器引擎Web Engine)运行实验代码J1+J2,得到运行结果;或者使用云端计算资源(如云端服务器Python解释器)运行实验代码P1+P2,得到运行使用结果。
通过这种方式,在不影响实验使用者(例如学生)理解编程逻辑的情况下,可以在云端或本地运行实验代码,提高代码运行的灵活性。
综上所述,本公开的实施例,能够响应于实验制作者针对实验项目的第一编程操作,生成实验项目的至少一个编程积木,然后,可响应于实验使用者基于编程积木的第二编程操作,生成用户实验;实验教学平台可根据实验制作者设置的实验参数和管理员设置的平台参数,确定用户运行实验的计算资源,并使用该计算资源运行用户实验,得到运行结果。通过这种方式,实验使用者直接基于编程积木进行第二编程操作生成用户实验,实验使用者学习的是编程积木的逻辑,通过编程积木屏蔽了底层的编程代码,使编程积木的逻辑对实验使用者一致,不需要实验使用者切换学习不同的编程语言,实验教学平台切换底层编程语言时不影响教学效果,有利于实验教学平台依据不同的参数配置策略,自动选择用户实验相应的计算资源,动态调配本地设备和云端服务器的计算资源,进而降低实验教学平台的计算资源的投入成本。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了代码运行装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种代码运行方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图3示出根据本公开实施例的代码运行装置的框图,如图3所示,所述装置应用于实验教学平台,所述装置包括:
第一生成模块31,用于响应于实验制作者针对实验项目的第一编程操作,生成所述实验项目的至少一个编程积木,并确定所述实验项目的实验参数,其中,任一所述编程积木对应至少一种代码块,对应于同一编程积木的代码块具有相同的接口名称和接口参数,所述代码块包括用于在本地设备上运行的本地代码块,和/或用于在服务器运行的云端代码块;
第二生成模块32,用于响应于实验使用者基于所述编程积木的第二编程操作,生成用户实验,所述用户实验包括具有执行逻辑顺序的多个编程积木的组合;
确定模块33,用于根据所述实验参数和所述实验教学平台的管理员设置的平台参数,确定所述用户实验的计算资源,其中,所述计算资源包括本地计算资源和云端计算资源,所述实验参数用于所述实验制作者指示使用本地计算资源和云端计算资源中的一个以支持所述用户实验的运行,所述平台参数用于所述管理员指示使用本地计算资源和云端计算资源中的一个以支持所述用户实验的运行;
运行模块34,用于使用所述计算资源,运行所述用户实验,得到运行结果。
在一种可能的实现方式中,所述平台参数的权限高于所述实验参数的权限。
在一种可能的实现方式中,所述平台参数包括第一参数,所述确定模块33用于:在所述第一参数指示所述实验教学平台的全部实验使用者使用本地计算资源运行所述用户实验的情况下,将所述本地计算资源确定为所述用户实验的所述计算资源;或者,在所述第一参数指示所述实验教学平台的全部实验使用者使用云端计算资源运行所述用户实验的情况下,将所述云端计算资源确定为所述用户实验的所述计算资源。
在一种可能的实现方式中,所述平台参数包括第二参数,所述确定模块33用于:在所述第二参数指示由所述实验参数确定所述用户实验的所述计算资源的情况下,将所述实验参数指示的所述计算资源确定为所述用户实验的所述计算资源。
在一种可能的实现方式中,所述平台参数包括第三参数,所述确定模块33用于:在所述第三参数指示优先使用本地计算资源的情况下,如果本地计算资源满足所述用户实验的运行需要,将所述本地计算资源确定为所述用户实验的计算资源,否则将所述云端计算资源确定为所述用户实验的计算资源;或者,在所述第三参数指示优先使用云端计算资源的情况下,如果云端计算资源满足所述用户实验的运行需要,将所述云端计算资源确定为所述用户实验的计算资源,否则将所述本地计算资源确定为所述用户实验的计算资源。
在一种可能的实现方式中,所述运行模块34用于:生成匹配所述计算资源的所述用户实验的实验代码,其中,所述实验代码包括用于匹配所述本地计算资源的本地代码,或者,用于匹配所述云端计算资源的云端代码,所述本地代码包括具有执行逻辑顺序的多个所述本地代码块的组合,所述云端代码包括具有执行逻辑顺序的多个所述云端代码块的组合;使用所述计算资源运行所述实验代码,得到实验结果。
在一种可能的实现方式中,所述确定模块33用于:在所述实验项目的编程积木对应所述云端代码块和所述本地代码块中的一种代码块的情况下,根据所述实验参数和所述实验教学平台的管理员设置的平台参数,确定所述用户实验的计算资源,包括:在所述实验项目的编程积木对应本地代码块的情况下,将所述本地计算资源确定为所述用户实验的计算资源,或者,在所述实验项目的编程积木对应云端代码块的情况下,将所述云端计算资源确定为所述用户实验的计算资源;或者,所述装置还包括触发模块,用于:在所述实验项目的编程积木对应的一种代码块,与所述平台参数和所述实验参数中至少一个指示的所述用户实验的计算资源不匹配的情况下,触发用于指示所述实验制作者补充所述实验项目的编程积木的另外至少一种代码块的提示。
该方法与计算机系统的内部结构存在特定技术关联,且能够解决如何提升硬件运算效率或执行效果的技术问题(包括减少数据存储量、减少数据传输量、提高硬件处理速度等),从而获得符合自然规律的计算机系统内部性能改进的技术效果。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,或者承载有计算机可读代码的非易失性计算机可读存储介质,当所述计算机可读代码在电子设备的处理器中运行时,所述电子设备中的处理器执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图4示出根据本公开实施例的一种电子设备800的框图。例如,电子设备800可以是用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等终端设备。
参照图4,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以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。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如无线网络(Wi-Fi)、第二代移动通信技术(2G)、第三代移动通信技术(3G)、第四代移动通信技术(4G)、通用移动通信技术的长期演进(LTE)、第五代移动通信技术(5G)或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图5示出根据本公开实施例的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器或终端设备。参照图5,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如微软服务器操作系统(Windows ServerTM),苹果公司推出的基于图形用户界面操作系统(Mac OSXTM),多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM),开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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(LAN)或广域网(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)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分,所述模块、程序段或指令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。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,两个连续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动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。
该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。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处,其相同或相似之处可以互相参考,为了简洁,本文不再赘述。
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。
若本申请技术方案涉及个人信息,应用本申请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。若本申请技术方案涉及敏感个人信息,应用本申请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。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种代码运行方法,其特征在于,所述方法应用于实验教学平台,包括:
响应于实验制作者针对实验项目的第一编程操作,生成所述实验项目的至少一个编程积木,并确定所述实验项目的实验参数,其中,任一所述编程积木对应至少一种代码块,对应于同一编程积木的代码块具有相同的接口名称和接口参数,所述代码块包括用于在本地设备上运行的本地代码块,和/或用于在服务器运行的云端代码块;
响应于实验使用者基于所述编程积木的第二编程操作,生成用户实验,所述用户实验包括具有执行逻辑顺序的多个编程积木的组合;
根据所述实验参数和所述实验教学平台的管理员设置的平台参数,确定所述用户实验的计算资源,其中,所述计算资源包括本地计算资源和云端计算资源,所述实验参数用于所述实验制作者指示使用本地计算资源和云端计算资源中的一个以支持所述用户实验的运行,所述平台参数用于所述管理员指示使用本地计算资源和云端计算资源中的一个以支持所述用户实验的运行;
使用所述计算资源,运行所述用户实验,得到运行结果。
2.根据权利要求1所述的方法,其特征在于,所述平台参数的权限高于所述实验参数的权限。
3.根据权利要求1或2所述的方法,其特征在于,所述平台参数包括第一参数,
所述根据所述实验参数和所述实验教学平台的管理员设置的平台参数,确定所述用户实验的计算资源,包括:
在所述第一参数指示所述实验教学平台的全部实验使用者使用本地计算资源运行所述用户实验的情况下,将所述本地计算资源确定为所述用户实验的所述计算资源;
或者,在所述第一参数指示所述实验教学平台的全部实验使用者使用云端计算资源运行所述用户实验的情况下,将所述云端计算资源确定为所述用户实验的所述计算资源。
4.根据权利要求1或2所述的方法,其特征在于,所述平台参数包括第二参数,
所述根据所述实验参数和所述实验教学平台的管理员设置的平台参数,确定所述用户实验的计算资源,包括:
在所述第二参数指示由所述实验参数确定所述用户实验的所述计算资源的情况下,将所述实验参数指示的所述计算资源确定为所述用户实验的所述计算资源。
5.根据权利要求1或2所述的方法,其特征在于,所述平台参数包括第三参数,
所述根据所述实验参数和所述实验教学平台的管理员设置的平台参数,确定所述用户实验的计算资源,包括:
在所述第三参数指示优先使用本地计算资源的情况下,如果本地计算资源满足所述用户实验的运行需要,将所述本地计算资源确定为所述用户实验的计算资源,否则将所述云端计算资源确定为所述用户实验的计算资源;
或者,在所述第三参数指示优先使用云端计算资源的情况下,如果云端计算资源满足所述用户实验的运行需要,将所述云端计算资源确定为所述用户实验的计算资源,否则将所述本地计算资源确定为所述用户实验的计算资源。
6.根据权利要求1所述的方法,其特征在于,所述使用所述计算资源,运行所述用户实验,得到运行结果,包括:
生成匹配所述计算资源的所述用户实验的实验代码,其中,所述实验代码包括用于匹配所述本地计算资源的本地代码,或者,用于匹配所述云端计算资源的云端代码,所述本地代码包括具有执行逻辑顺序的多个所述本地代码块的组合,所述云端代码包括具有执行逻辑顺序的多个所述云端代码块的组合;
使用所述计算资源运行所述实验代码,得到实验结果。
7.根据权利要求1-6中任一项所述的方法,其特征在于,在所述实验项目的编程积木对应所述云端代码块和所述本地代码块中的一种代码块的情况下,
根据所述实验参数和所述实验教学平台的管理员设置的平台参数,确定所述用户实验的计算资源,包括:
在所述实验项目的编程积木对应本地代码块的情况下,将所述本地计算资源确定为所述用户实验的计算资源,或者,在所述实验项目的编程积木对应云端代码块的情况下,将所述云端计算资源确定为所述用户实验的计算资源;
或者,所述方法还包括:
在所述实验项目的编程积木对应的一种代码块,与所述平台参数和所述实验参数中至少一个指示的所述用户实验的计算资源不匹配的情况下,触发用于指示所述实验制作者补充所述实验项目的编程积木的另外至少一种代码块的提示。
8.一种代码运行装置,其特征在于,所述装置应用于实验教学平台,包括:
第一生成模块,用于响应于实验制作者针对实验项目的第一编程操作,生成所述实验项目的至少一个编程积木,并确定所述实验项目的实验参数,其中,任一所述编程积木对应至少一种代码块,对应于同一编程积木的代码块具有相同的接口名称和接口参数,所述代码块包括用于在本地设备上运行的本地代码块,和/或用于在服务器运行的云端代码块;
第二生成模块,用于响应于实验使用者基于所述编程积木的第二编程操作,生成用户实验,所述用户实验包括具有执行逻辑顺序的多个编程积木的组合;
确定模块,用于根据所述实验参数和所述实验教学平台的管理员设置的平台参数,确定所述用户实验的计算资源,其中,所述计算资源包括本地计算资源和云端计算资源,所述实验参数用于所述实验制作者指示使用本地计算资源和云端计算资源中的一个以支持所述用户实验的运行,所述平台参数用于所述管理员指示使用本地计算资源和云端计算资源中的一个以支持所述用户实验的运行;
运行模块,用于使用所述计算资源,运行所述用户实验,得到运行结果。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210216849.7A CN114564188A (zh) | 2022-03-07 | 2022-03-07 | 代码运行方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210216849.7A CN114564188A (zh) | 2022-03-07 | 2022-03-07 | 代码运行方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114564188A true CN114564188A (zh) | 2022-05-31 |
Family
ID=81718544
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210216849.7A Withdrawn CN114564188A (zh) | 2022-03-07 | 2022-03-07 | 代码运行方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114564188A (zh) |
-
2022
- 2022-03-07 CN CN202210216849.7A patent/CN114564188A/zh not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110837761B (zh) | 多模型知识蒸馏方法及装置、电子设备和存储介质 | |
CN110378820B (zh) | 教学系统及方法、电子设备和存储介质 | |
CN109919300B (zh) | 神经网络训练方法及装置以及图像处理方法及装置 | |
CN111222637B (zh) | 神经网络模型部署方法及装置、电子设备和存储介质 | |
CN109858614B (zh) | 神经网络训练方法及装置、电子设备和存储介质 | |
CN108960283B (zh) | 分类任务增量处理方法及装置、电子设备和存储介质 | |
CN109145970B (zh) | 基于图像的问答处理方法和装置、电子设备及存储介质 | |
CN112698769A (zh) | 信息交互方法、装置、设备、存储介质及程序产品 | |
CN114240882A (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
CN112836801A (zh) | 深度学习网络确定方法、装置、电子设备及存储介质 | |
CN114116495A (zh) | 测试方法及装置、电子设备和存储介质 | |
CN114446305A (zh) | 使用观众反馈的个人语音推荐 | |
WO2023071067A1 (zh) | 编程教育实验方法及装置、电子设备和存储介质 | |
CN113705653A (zh) | 模型生成方法及装置、电子设备和存储介质 | |
CN114120032A (zh) | 半监督学习的图像分类方法、系统、存储介质及计算机设备 | |
CN113485779A (zh) | 应用程序的操作引导方法和装置 | |
CN112598676A (zh) | 图像分割方法及装置、电子设备和存储介质 | |
CN114564188A (zh) | 代码运行方法及装置、电子设备和存储介质 | |
CN113504903A (zh) | 实验生成方法及装置、电子设备和存储介质 | |
CN111488964A (zh) | 图像处理方法及装置、神经网络训练方法及装置 | |
CN113065361B (zh) | 用户亲密度的确定方法及装置、电子设备和存储介质 | |
CN111984765A (zh) | 知识库问答过程关系检测方法及装置 | |
CN113378893B (zh) | 数据管理方法及装置、电子设备和存储介质 | |
CN113159275A (zh) | 网络训练方法、图像处理方法、装置、设备及存储介质 | |
CN109766463B (zh) | 应用于图像检索的半监督哈希学习方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220531 |
|
WW01 | Invention patent application withdrawn after publication |