[发明专利]一种免编程深度学习应用的开发方法

权利要求书

1.一种免编程深度学习应用的开发方法，其特征在于，方法包括以下步骤：

步骤1：设定神经网络类型，根据神经网络类型设定待输入的原始数据的数据类型，根据设定的数据类型对待输入的原始数据进行训练前处理，形成训练数据；

步骤2：于图形界面上显示构建的神经网络组件库和/或神经网络模板库，所述神经网络组件库包括多种神经网络层的基本网络结构组件，所述神经网络模板库包含多个神经网络模板；利用可视化操作在图像界面上搭建可视化的神经网络，并于图形界面上显示搭建操作过程；

具体包括，

步骤21：将基本网络结构组件和/或神经网络模板拖拽至神经网络搭建区域，并在搭建区域显示；

步骤22：在神经网络搭建区域中利用基本网络结构组件和/神经网络模板进行可视化的搭建操作，完成神经网络的搭建；

步骤23：读取图形界面展示的神经网络结构，保存网络描述文件；

步骤3：向搭建的神经网络输入训练数据，对神经网络设定网络超参数，神经网络根据网络超参数训练，并于图形界面上实时显示神经网络的训练指标；

步骤4：于图形界面上显示训练好的神经网络，并给定输入数据，根据神经网络的模型输出推理结果，并于图形界面上显示。

2.如权利要求1的免编程深度学习应用的开发方法，其特征在于，步骤1包括以下步骤：

步骤11:选择和/或定义神经网络类型；

步骤12：根据神经网络类型确定所要使用到的数据类型；

步骤13：对原始数据进行训练前处理，以使原始数据按照确定的数据类型输入，满足神经网络类型需求，从而形成训练数据。

3.如权利要求2的免编程深度学习应用的开发方法，其特征在于，神经网络类型至少包括用于处理分类任务的第一类型和用于处理语义分割任务的第二类型；

当神经网络为第一类型时，确定的数据类型为从原始图像数据转换，并满足第一类型的神经网络需求；

当神经网络为第二类型时，确定的数据类型为，将原始图像数据加载在显示区域显示，对显示区域显示的图像进行分割区域选取打标处理后的数据。

4.如权利要求3的免编程深度学习应用的开发方法，其特征在于，对图像进行分割区域选取打标操作包括：

通过鼠标对分割区域进行选取；

使用任意多边形绘制、选择分割区域；

多个分割区域选取。

5.如权利要求1的免编程深度学习应用的开发方法，其特征在于，

对基本网络结构组件操作完成神经网络搭建的方法包括：对多个基本网络结构组件导入、连线、聚焦、平移、缩放；对神经网络模板操作完成神经网络搭建的方法包括导入和修改。

6.如权利要求1的免编程深度学习应用的开发方法，其特征在于，基本网络结构组件包括：数据层、卷积层、丢弃层、池化层、局部相应层、全连接层、逻辑回归层以及激活层中的至少一个及一个以上的组合。

7.如权利要求1的免编程深度学习应用的开发方法，其特征在于，神经网络模板库包括：Lenet、AlexNet、VGGNet、GoogleNet神经网络。

8.如权利要求1的免编程深度学习应用的开发方法，其特征在于，神经网络的搭建还包括读取已有的网络描述文件完成搭建。

9.如权利要求1的免编程深度学习应用的开发方法，其特征在于，步骤3包括以下步骤：

步骤31：导入网络描述文件，生成神经网络模型；

步骤32:于前端界面设置神经网络的训练超参数；

步骤33：向神经网络中加载训练数据，并使神经网络按照预定结构开始训练；

步骤34：利用文件保存训练后的参数结果；

步骤35：监控网络训练过程，形成训练日志；

步骤36：添加、导入、导出训练日志；

步骤37：以图表的形式显示网络训练过程，并对对图表显示界面进行调节操作；

步骤38：在训练过程中实时监控神经网络，并在网络训练超参数录入窗口调整网络超参数。