[发明专利]一种模型可视化方法、设备及存储介质

说明书

本申请实施例公开了一种模型可视化方法、设备及存储介质，其中，所述方法包括：获取目标网络模型的神经元和所述神经元之间的连接关系；将所述神经元映射为节点，并将所述神经元之间的连接关系映射为对应的节点之间的连接线，以构建所述目标网络模型对应的节点关系图；所述连接线能够表征对应的连接关系的权重；基于所述节点关系图生成所述目标网络模型对应的模型图像，并输出所述模型图像。

技术领域

本申请涉及深度学习技术，尤其涉及一种模型可视化方法、设备和存储介质。

背景技术

目前，在人工智能领域，通过深度学习训练出来的深度学习网络模型日益发挥着重要的作用。尤其在自然语言处理、图像识别、推荐系统等领域，深度学习网络模型帮助各领域取得了显著的进步。然而，深度学习网络模型，常常难以解释。

相关技术中，以可视化工具tensorboard为代表，展示了深度学习网络模型的模型结构及损失函数值等数据，能够从网络层出发，展示出深度学习网络模型的层结构，但是无法精细的展示深度学习网络模型的情况。

发明内容

本申请实施例提供了一种模型可视化方法、设备及存储介质。

一方面，本申请实施例提供的模型可视化方法包括：

获取目标网络模型的神经元和所述神经元之间的连接关系；

将所述神经元映射为节点，并将所述神经元之间的连接关系映射为对应的节点之间的连接线，以构建所述目标网络模型对应的节点关系图；所述连接线能够表征对应的连接关系的权重；

基于所述节点关系图生成所述目标网络模型对应的模型图像，并输出所述模型图像。

一方面，本申请实施例提供的电子设备包括：

获取模块，用于获取目标网络模型的神经元和所述神经元之间的连接关系；

构建模块，用于将所述神经元映射为节点，并将所述神经元之间的连接关系映射为对应的节点之间的连接线，以构建所述目标网络模型对应的节点关系图；所述连接线能够表征对应的连接关系的权重；

生成模块，用于基于所述节点关系图生成所述目标网络模型对应的模型图像；

输出模块，用于输出所述模型图像。

一方面，本申请实施例提供一种电子设备，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器在运行所述计算机程序时，执行上述的模型可视化方法的步骤。

一方面，本申请实施例提供一种存储介质，所述存储介质上存储有模型可视化程序，所述模型可视化程序被处理器执行时实现上述的模型可视化方法的步骤。

本申请实施例中，获取目标网络模型的神经元和所述神经元之间的连接关系；将所述神经元映射为节点，并将所述神经元之间的连接关系映射为对应的节点之间的连接线，以构建所述目标网络模型对应的节点关系图；所述连接线能够表征对应的连接关系的权重；基于所述节点关系图生成所述目标网络模型对应的模型图像，并输出所述模型图像，从而基于网络模型中的神经元和神经元之间的连接关系构建该网络模型对应的节点关系图，并通过连接线显示神经元间的联系程度，如此，将网络模型可视化，使得用户能够直观的了解网络模型的结构，提高用户体验。

附图说明

图1为本申请实施例模型可视化方法的一种可选的实现流程示意图；

图2为本申请实施例节点关系的一种可选的结构示意图；

图3为本申请实施例模型可视化方法的一种可选的实现流程示意图；

图4为本申请实施例节点关系的一种可选的结构示意图；