[发明专利]深度学习模型开发方法及装置、计算机可读存储介质

权利要求书

1.一种深度学习模型开发方法，其特征在于，所述方法包括：

根据针对预先提供的模型搭建选项的用户设置搭建深度学习模型；

基于已搭建的深度学习模型，获取相应的待标注数据集，并根据针对预先提供的数据标注选项的用户设置标注所述待标注数据集，得到已标注数据集；

根据针对预先提供的模型训练选项的用户设置，利用所述已标注数据集对所述深度学习模型进行训练，得到已训练的深度学习模型；

基于自定义的模型测试选项及相应的用户设置，对所述已训练的深度学习模型进行测试；

其中，所述模型搭建选项、数据标注选项、模型训练选项、模型测试选项通过图形界面提供，并通过所述图形界面接收用户设置。

2.如权利要求1所述的深度学习模型开发方法，其特征在于，所述模型搭建选项包括模型类型选项、模型大小选项；其中，所述模型类型至少包括检测、分类、分割及回归；所述模型大小至少包括大、中、小。

3.如权利要求2所述的深度学习模型开发方法，其特征在于，所述模型搭建选项还包括模型组合选项；所述根据针对预先提供的模型搭建选项的用户设置搭建深度学习模型的步骤包括：

根据针对预先提供的模型类型选项和模型大小选项的用户设置搭建预设数量的深度学习子模型；

根据针对预先提供的模型组合选项的用户设置对所述深度学习子模型进行组合，得到深度学习模型。

4.如权利要求1所述的深度学习模型开发方法，其特征在于，所述待标注数据集中的数据为图片；所述数据标注选项包括图片缩放选项。

5.如权利要求1所述的深度学习模型开发方法，其特征在于，所述模型训练选项包括批尺寸设置选项、图形处理器加速选项、数据预处理选项。

6.如权利要求3所述的深度学习模型开发方法，其特征在于，所述模型测试选项包括单模型测试选项、图形处理器加速选项、整体测试选项；所述对所述已训练的深度学习模型进行测试的步骤包括：

在对全部深度学习子模型都进行测试后，利用相应的测试数据集对所述深度学习模型进行整体测试。

7.如权利要求1所述的深度学习模型开发方法，其特征在于，所述方法还包括：

根据针对预先提供的模型编译选项的用户设置，对已测试的深度学习模型进行编译；其中，所述模型编译选项通过图形界面提供。

8.如权利要求7所述的深度学习模型开发方法，其特征在于，所述模型编译选项包括量化数据集选择选项、图形处理器加速选项、转译文件类型选项。

9.一种装置，其特征在于，所述装置包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的深度学习模型开发程序，所述深度学习模型开发程序被所述处理器执行时实现如权利要求1至8任一项所述的深度学习模型开发方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有深度学习模型开发程序，所述深度学习模型开发程序被处理器执行时实现如权利要求1至8任一项所述的深度学习模型开发方法的步骤。