[发明专利]神经网络模型中子图的展示方法、装置和存储介质

说明书

本申请公开了神经网络模型中子图的展示方法、装置和存储介质，涉及深度学习等人工智能技术领域。具体实现方案为：在展示神经网络模型中的子图展示图的过程中，结合从神经网络模型之中读取多个子图及多个子图对应的多个子图参数，并根据多个子图及多个子图对应的多个子图参数生成模型树形结构，以及接收用户子图选择指令，并根据子图选择指令和模型树形结构生成子图展示图并展示。由此，以可视化的方式展示神经网络模型中对应子图的子图展示图，方便用户通过所展示的子图展示图深入了解神经网络模型中子图的内部结构信息，进而可方便后续优化神经网络模型的模型结构。

技术领域

本申请涉及计算机技术领域，具体涉及深度学习等人工智能技术领域，尤其涉及神经网络模型中子图的展示方法、装置和存储介质。

背景技术

深度学习属于机器学习领域中的子方向，是一种含有多个隐藏层的多层感知器的结构。深度学习通过组合低层特征形成更加抽象的高层表示特征，即可完成端到端的模型训练。当前深度学习已经在图像识别、语音识别、自然语言处理、计算生物、推荐系统等领域成效显著。

相关技术中，深度学习可视化工具仅为用户提供神经网络模型的准确率信息，在对模型进行优化的过程中，仅可视化的提供神经网络模型的准确率信息，后续优化模型结构的难度较大。

发明内容

本申请提供了一种用于神经网络模型中子图的展示方法、装置和存储介质。

根据本申请的一方面，提供了一种神经网络模型中子图的展示方法，包括：获取神经网络模型；从所述神经网络模型之中读取模型参数，其中，所述模型参数包括多个子图及所述多个子图对应的多个子图参数；根据所述多个子图及所述多个子图对应的多个子图参数生成模型树形结构；以及接收用户子图选择指令，并根据所述子图选择指令和所述模型树形结构生成子图展示图并展示。

根据本申请的另一方面，提供了一种神经网络模型中子图的展示装置，包括：获取模块，用于获取神经网络模型；读取模块，用于从所述神经网络模型之中读取模型参数，其中，所述模型参数包括多个子图及所述多个子图对应的多个子图参数；第一生成模块，用于根据所述多个子图及所述多个子图对应的多个子图参数生成模型树形结构；以及子图展示模块，用于接收用户子图选择指令，并根据所述子图选择指令和所述模型树形结构生成子图展示图并展示。

根据本申请的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请的神经网络模型中子图的展示方法。

根据本申请的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请实施例公开的电子设备的神经网络模型中子图的展示方法。

上述申请中的一个实施例具有如下优点或有益效果：

在展示神经网络模型中的子图展示图的过程中，结合从神经网络模型之中读取多个子图及多个子图对应的多个子图参数，并根据多个子图及多个子图对应的多个子图参数生成模型树形结构，以及接收用户子图选择指令，并根据子图选择指令和模型树形结构生成子图展示图并展示。由此，结合子图选择指令和模型树形结构中对应子图的子图参数，准确生成了对应子图的子图展示图，以可视化的方式展示神经网络模型中对应子图的子图展示图，方便用户通过所展示的子图展示图深入了解神经网络模型中子图的内部结构信息，进而可方便后续优化神经网络模型的模型结构。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请第一实施例提供的一种神经网络模型中子图的展示方法的流程示意图；