[发明专利]一种深度学习模型可视化构建系统及其应用和设计方法在审

专利信息
申请号: 202110632104.4 申请日: 2021-06-07
公开(公告)号: CN113537496A 公开(公告)日: 2021-10-22
发明(设计)人: 李晖;李一水;周彧 申请(专利权)人: 贵州优联博睿科技有限公司
主分类号: G06N3/10 分类号: G06N3/10;G06N3/04;G06N3/08;G06F8/34;G06F8/10;G06F8/20;G06T7/00;G06K9/62
代理公司: 北京华创智道知识产权代理事务所(普通合伙) 11888 代理人: 彭随丽
地址: 550081 贵州省贵阳*** 国省代码: 贵州;52
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 深度 学习 模型 可视化 构建 系统 及其 应用 设计 方法
【说明书】:

发明公开了一种深度学习模型可视化构建系统及其应用和设计方法,所述深度学习模型可视化构建系统包括用户管理模块和业务功能模块,所述用户管理模块用于对用户进行分类以及提供权限;所述业务功能模块包括数据管理模块、模型定义模块、模型训练模块和模型可视化模块,所述数据管理模块用于对训练数据集进行管理和存取,所述模型定义模块用于定义模型结构且给用户提供常用的深度学习算法,所述模型可视化模块用于对预训练模型进行可视化。本发明的系统能够在浏览器Web页面中以可视化的方式定义、设置和构建深度学习模型,并在深度学习训练过程中可视化展示模型进行推理预测的过程,捕捉各网络层的输出信息,动态展示层与层之间数据流动的过程。

技术领域

本发明涉及深度学习技术领域,特别涉及一种深度学习模型可视化构建系统及其应用和设计方法。

背景技术

近年来,深度学习被广泛应用到医疗、工业、金融等不同行业,为这些传统行业带来新的生产活动方式。深度学习模型在诸多任务中都取得了很好的成绩。然而,端到端的训练模式使得神经网络就如同一个“黑盒子”,其内部的工作机制缺乏可解释性。在利用深度学习模型进行推理预测时,人们往往很难理解模型的工作原理。神经网络的“黑盒子”特性促进了深度学习可视化技术的研究。深度学习可视化技术主要使用神经网络特征可视化的方法来分析、解释模型的工作机制。

如今,深度学习技术的推广和应用面临着两个方面的问题:一是深度学习模型开发流程复杂,主流的深度学习框架不能提供简单易用的一体化模型构建流程;二是深度学习模型的构建和预测过程可解释性较弱,人们难以理解深度神经网络的内部工作机制。

发明内容

本发明的主要目的是提出一种深度学习模型可视化构建系统及其应用和设计方法,旨在解决深度学习模型开发流程复杂以及构建和预测过程可解释性较弱的问题。

为解决上述技术问题,本发明提出一种深度学习模型可视化构建系统,包括:

用户管理模块,用于对用户进行分类以及提供权限;

业务功能模块,包括数据管理模块、模型定义模块、模型训练模块和模型可视化模块,所述数据管理模块用于对训练数据集进行管理和存取,所述模型定义模块用于在浏览器Web页面中以可视化的方式定义和设置模型结构且给用户提供常用的深度学习算法,所述模型训练模块用于超参数设置、模型训练、模型评估和模型管理,所述模型可视化模块用于对预训练模型进行可视化。

可选的,用户管理模块还包括管理员模块和普通用户模块,所述管理员模块用以设置管理员管理用户及其权限,所述普通用户模块用以个人登录注册和个人信息管理。

可选的,所述模型定义模块包括神经网络结构设计子模块和通用深度学习算法库子模块,所述神经网络结构设计子模块用以使用户基于浏览器可视化地设计神经网络的结构以及配置模型参数,所述通用深度学习算法库子模块用以使用户直接调用深度学习领域中经典的算法。

可选的,所述模型可视化模块包括网络结构可视化子模块和特征图可视化子模块,所述网络结构可视化子模块用于3D及动态呈现神经网络的结构,所述特征图可视化子模块用于可视化地展现各网络层生成的特征图。

可选的,还包括数据库,所述数据库包括用户信息表、模型信息表、数据集信息表以及模型训练工作流表,分别用于存储用户信息、模型信息、数据集信息和模型训练的相关信息。

可选的,所述用户信息包括用户编号、用户名称、用户密码和用户等级;所述模型信息包括模型编号、模型名称、模型存储路径、创建模型的用户编号、模型创建时间、模型描述和预训练模型;所述数据集信息包括数据集编号、数据集名称、数据集存储路径和数据集的创建信息;所述模型训练的相关信息包括训练工作流编号、用户编号、训练开始和结束时间、模型编号、数据集编号和日志文件存储路径。

可选的,所述数据库采用MYSQL数据库。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于贵州优联博睿科技有限公司,未经贵州优联博睿科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110632104.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top