中移（苏州）软件技术有限公司

本发明公开了一种可视化埋点处理方法、装置、设备、存储介质及程序产品，该方法包括：对待埋点页面的埋点配置对应的埋点元素进行样式注入，获得埋点配置的页面截图，将页面截图与注入帧截图进行相似度比对；在页面中存在部分埋点配置对应的页面截图与注入帧截图未通过相似度比对时，对页面及其上一个版本的历史页面进行差异分析，定位埋点元素发生变化的区域块截图，并与注入帧截图进行埋点元素相似度比对，得到至少一个埋点元素对，埋点元素对包括：区域块中的一个埋点元素以及注入帧截图中的一个埋点元素；对埋点元素对进行相似度判断，并根据相似度判定结果对页面进行可视化埋点处理。本发明能有效降低埋点的耗时和人力成本，提高埋点效率。

本申请公开了一种基于工作流的处理系统，调度执行服务器获取第一语言指令，并将第一语言指令进行拆解，获得第一场景需求，并将第一场景需求发送至规划服务器，规划服务器基于第一场景需求进行处理，获得第一节点信息，并将第一节点信息发送至编排服务器，其中，所述第一节点信息至少包括：第一节点种类和第一节点数量，编排服务器基于第一节点信息进行边参数填充，获得第一可执行结果，并将第一可执行结果发送至所述校验器，校验器基于第一可执行结果进行校验，获得校验结果。也就是说，通过调度执行服务器、规划服务器、编排服务器、校验器对第一语言指令进行处理，从而精准的自动化生成工作流，避免消耗人工资源和成本。

本发明公开一种GPU集群调度方法、系统、设备、介质及程序产品，通过获取用于表征GPU集群中空闲计算节点的聚集程度的规整度熵，并在规整度熵大于预设的规整度熵阈值时，能够根据当前的分布式训练任务信息和各个超节点的空闲计算节点数量，在GPU集群中设置保留超节点集合，约束保留超节点集合中的空闲计算节点仅用于执行分布式训练任务，从而能够为当前待执行的目标分布式训练任务提前锁定完整的资源空间，有效降低了资源碎片化程度，同时避免了因资源碎片化程度严重所造成的死锁问题，进而显著提高了GPU集群的资源利用率，保障了分布式训练任务的有效、高效执行。

本公开实施例公开了基于量子电路的复用方法、装置、电子设备、介质及产品。其中，上述方法包括：构建配置多组约束条件的CP‑SAT模型；其中，CP‑SAT模型以最小化物理比特使用数量为优化目标；确定待执行量子电路的电路运行信息；其中，电路运行信息用于指示待执行量子电路的电路时序、各逻辑比特的运行逻辑和运行周期；通过CP‑SAT模型对电路运行信息进行处理，得到中间复用方案；在确定中间复用方案满足各约束条件，并且，满足待执行量子电路的执行规则的情况下，将中间复用方案确定为目标复用方案；其中，执行规则用于指示待执行量子电路的时序和逻辑比特的因果依赖逻辑；基于目标复用方案重构待执行量子电路，得到目标量子电路。

本发明公开了一种分布式RCU处理方法、装置、设备、介质及产品，所述方法包括当接收读请求时，获取读请求对应业务数据的全局最新版本号；对全局最新版本号和本地缓存中对应的原版本号进行校验，根据校验结果读取对应的目标业务数据；根据目标业务数据对应的目标版本号和本地活跃读操作列表记录读请求的执行状态；当目标业务数据对应所有读请求的执行状态为已完成，且目标业务数据标记为待回收状态时，对目标业务数据进行清理。能够基于全局版本校验实现本地无锁读取，依托活跃读列表记录读操作状态，并在缓存待回收且无活跃读请求时清理缓存，实现跨节点数据同步，适用于分布式高并发业务场景，解决高并发读场景下锁竞争和性能瓶颈的问题。

本发明公开了一种声纹识别模型训练方法、装置、设备、存储介质和程序产品，提取原始语音信号的语音特征后，通过自注意力机制进行加权，得到加权特征；将加权特征分两路分别输入至声纹识别模型的第一分支和第二分支，并获取第一分支输出的第一损失，以及获取第二分支输出的第二损失；其中，所述第一分支用于识别用户身份，所述第二分支用于识别用户的语音类别；基于第一损失和第二损失计算总损失；利用总损失更新所述声纹识别模型的模型参数，直至达到预设的训练轮次时，完成声纹识别模型的训练。采用本发明实施例，能提高多场景下声纹识别准确率。

本申请提供了一种数据处理方法、设备、程序产品、存储介质；所述方法包括：接收第一入云流量，所述第一入云流量包括N个第一报文，N为正整数；对所述第一入云流量进行限速处理，得到第二入云流量，所述第二入云流量包括M个第一报文，M为正整数，M小于等于N；对所述第二入云流量中的第一报文进行处理得到第一安全报文，所述第一安全报文包括安全头字段；将第三入云流量发送至云内资源池，所述第三入云流量包括所述第二入云流量中每个第一报文对应的第一安全报文，如此，先将第一入云流量限速后再处理，提升整体处理效率，将第一报文生成对应的第一安全报文，保证传输过程的安全，提升网络性能。

本申请实施例提供了一种图像重建方法、设备、存储介质及计算机程序产品，该方法包括：获取第一图像对应的高频子带系数和低频子带系数；并确定与高频子带系数对应的第一高频系数块、与低频子带系数对应的第一低频近似图像块；其中，第一高频系数块包括三层小波变换中的每层对应的高频系数块；基于第一低频近似图像块确定重建后的低频近似图像，并基于第一低频近似图像块、第一高频系数块确定自适应采样率；其中，自适应采样率用于调整每层的高频系数块在对应方向上的采样率；基于自适应采样率确定重建后的高频系数块，并基于重建后的高频系数块和重建后的低频近似图像确定压缩重建图像，从而提高了压缩重建图像的质量。