[发明专利]一种深度学习向导装置和方法

权利要求书

1.一种深度学习向导装置，其特征在于，所述深度学习向导装置包括图形化操作界面组件和后台逻辑处理组件；

所述图形化操作界面组件，用于在接收到用户上传的数据集的内容时，确定所述数据集在预设存储区域中的存储地址，并在图形界面中展示所述数据集的内容，其中，所述数据集用于模型训练；

所述图形化操作界面组件，还用于在接收到用户在图形界面上对所述数据集的内容进行的数据标注操作时，将数据标注操作请求提交给所述后台逻辑处理组件；

所述后台逻辑处理组件，用于根据所述数据标注操作请求得到数据标注信息，并保存到所述存储地址对应的预设存储区域中；

所述后台逻辑处理组件，还用于基于所述数据集和所述数据标注信息进行模型训练，生成训练模型和深度学习结果评估报告；将所述训练模型和所述深度学习结果评估报告存储到所述预设存储区域。

2.如权利要求1所述的深度学习向导装置，其特征在于，所述后台逻辑处理组件包括数据标注子组件和训练子组件；

所述数据标注子组件，用于根据所述数据标注操作请求得到数据标注信息，并将数据标注信息保存到存储地址对应的预设存储区域中，以及将数据标注信息反馈至所述图形化操作界面组件；

所述图形化操作界面组件，还用于对所述数据标注信息和所述数据集进行展示；

所述图形化操作界面组件，还用于获取用户基于图形化操作界面选择的深度学习场景信息和训练模式信息；获取用户基于所述图形化操作界面输入的训练作业基本信息；根据所述深度学习场景信息、所述训练模式信息和所述训练作业基本信息创建训练作业创建信息；

所述训练子组件，用于根据所述训练作业创建信息创建模型训练作业，并执行所述模型训练作业以生成训练模型和深度学习结果评估报告。

3.如权利要求2所述的深度学习向导装置，其特征在于，所述后台逻辑处理组件还包括推理子组件，所述推理子组件分别与预设存储区域以及推理服务服务器交互；

所述推理子组件，用于实现在线推理服务部署功能和在线推理服务请求处理功能。

4.一种深度学习向导方法，其特征在于，所述方法包括以下步骤：

在接收到用户上传的数据集的内容时，确定所述数据集在预设存储区域中的存储地址，并在图形界面中展示所述数据集的内容，其中，所述数据集用于模型训练；

在接收到用户在图形界面上对所述数据集的内容进行的数据标注操作时，根据所述数据标注操作请求得到数据标注信息，并保存到所述存储地址对应的预设存储区域中；

基于所述数据集和所述数据标注信息进行模型训练，生成训练模型和深度学习结果评估报告；

将所述训练模型和所述深度学习结果评估报告存储到所述预设存储区域。

5.如权利要求4所述的方法，其特征在于，所述基于所述数据集和所述数据标注信息进行模型训练，生成训练模型和深度学习结果评估报告的步骤，具体包括：

由所述图形化操作界面组件获取用户基于所述图形化操作界面选择的深度学习场景信息和训练模式信息；

由所述图形化操作界面组件获取用户基于所述图形化操作界面输入的训练作业基本信息；

由所述图形化操作界面组件根据所述深度学习场景信息、所述训练模式信息和所述训练作业基本信息组装成训练作业创建信息，并将所述训练作业创建信息提交至后台逻辑处理组件；

由所述后台逻辑处理组件根据所述训练作业创建信息调用训练子组件完成模型训练，并将所述训练子组件返回的训练结果反馈至所述图形化操作界面组件；

所述训练子组件根据所述训练作业创建信息创建模型训练作业，并执行所述模型训练作业以生成训练模型和深度学习结果评估报告。

6.如权利要求4所述的方法，其特征在于，所述在接收到用户上传的数据集的内容时，确定所述数据集在预设存储区域中的存储地址的步骤，具体包括：

由所述图形化操作界面组件接收用户上传的数据集的内容，获取所述数据集在预设存储区域中的存储地址；

将所述存储地址提交至后台逻辑处理组件。