[发明专利]基于云端模块化技术的模型开发方法、平台和智能终端

权利要求书

1.一种基于云端模块化技术的模型开发方法，其特征在于，包括以下步骤：

选择数据集并进行数据导入，将导入的数据进行可视化处理，以生成与数据对应的图形化文件；

拖拽所述图形化文件，以生成TensorFlow或MXNET代码；

将生成的代码与图形化文件的界面进行双向关联；

以图形化文件的方式设置模型参数，并设置超参数后开始训练，在训练过程中实时查看智能终端的资源占用率和训练的准确度；

结束训练，生成模型性能报告并将训练结果以安装包的形式发布在所述智能终端上。

2.根据权利要求1所述的基于云端模块化技术的模型开发方法，其特征在于，所述选择数据集并进行数据导入，将导入的数据进行可视化处理，以生成与数据对应的图形化文件包括：

导入数据并标注，对数据进行预处理和可视化处理；

所述预处理包括对输入的数据进行去均值处理和归一化处理。

3.根据权利要求2所述的基于云端模块化技术的模型开发方法，其特征在于，所述去均值处理为：

对待训练图形化文件中的每一张图片的特征，均减去全部训练集图片的特征均值，以将输入数据中各个维度的数据均中心化至0维度；

所述归一化处理为：

在数据经过去均值处理后，每个维度上的数据均除以该维度上数据的标准差；或，

在数据经过去均值处理后，每个维度上的数据均除以该维度上数据的绝对值最大值。

4.根据权利要求1所述的基于云端模块化技术的模型开发方法，其特征在于，所述拖拽所述图形化文件，以生成TensorFlow或MXNET代码；将生成的代码与图形化文件的界面进行双向关联包括：

在数据集页面设定数据集和数据预处理格式；

在控件拖拽页面从数据输入层依次堆叠人工智能模型，每一个控件独立设置层参数，拖拽完成后生成模型；

从第一侧拖拽人工智能模型到第二侧画布上，通过连接线的形式构建人工智能模型。

5.一种人工智能开发平台，用于实施如权利要求1-4任一项所述的方法，其特征在于，包括：

图形文件生成模块，用于选择数据集并进行数据导入，将导入的数据进行可视化处理，以生成与数据对应的图形化文件；

代码生成模块，用于拖拽所述图形化文件，以生成TensorFlow或MXNET代码；

关联模块，用于将生成的代码与图形化文件的界面进行双向关联；

模型设置和训练模块，用于以图形化文件的方式设置模型参数，并设置超参数后开始训练，在训练过程中实时查看智能终端的资源占用率和训练的准确度；

反馈模块，用于在结束训练后，生成模型性能报告并将训练结果以安装包的形式发布在所述智能终端上。

6.根据权利要求5所述的人工智能开发平台，其特征在于，所述图形文件生成模块还用于导入数据并标注，对数据进行预处理和可视化处理；

所述预处理包括对输入的数据进行去均值处理和归一化处理。

7.根据权利要求6所述的人工智能开发平台，其特征在于，所述去均值处理为：

对待训练图形化文件中的每一张图片的特征，均减去全部训练集图片的特征均值，以将输入数据中各个维度的数据均中心化至0维度；

所述归一化处理为：

在数据经过去均值处理后，每个维度上的数据均除以该维度上数据的标准差；或，

在数据经过去均值处理后，每个维度上的数据均除以该维度上数据的绝对值最大值。

8.根据权利要求6所述的人工智能开发平台，其特征在于，代码生成模块还用于：

在数据集页面设定数据集和数据预处理格式；

在控件拖拽页面从数据输入层依次堆叠人工智能模型，每一个控件独立设置层参数，拖拽完成后生成模型；

从第一侧拖拽人工智能模型到第二侧画布上，通过连接线的形式构建人工智能模型。

9.一种智能终端，其特征在于，包括如权利要求6-8任一项所述的人工智能开发平台。

10.一种基于模型开发方法的计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一所述方法的步骤。