【技术实现步骤摘要】
本专利技术涉及人工智能
,尤其涉及深度学习的实现方法、装置。
技术介绍
深度学习是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像,声音和文本。现有技术中,用户需要根据自己的需求编程实现深度学习模型,并编程实现深度学习模型的训练参数的配置,以及数据的读入、解析和预测等。如果用户需要使用多种深度学习模型,那么用户自行编程的工作量将非常大。故此,现有技术中,存在深度学习模型的训练和利用深度学习模型进行预测的方法,受编程实现的限制,造成深度学习的实现过程操作复杂。
技术实现思路
本专利技术实施例提供了深度学习的实现方法、装置,用以解决目前存在的使用者必须学会编程,由此造成深度学习的实现过程操作复杂的问题。本专利技术实施例提供了一种深度学习的实现方法,包括:接收上传的样本数据;所述样本数据中包括至少一个样本;对所述样本数据进行分组获得分组结果,所述分组结果中至少包括训练集,所述训练集中包括第一预设数量的样本;接收对预先构建的至少一个深度学习模型的选择指令;以及,接收对训练参数进行设定的设定指令;根据所述训练集,所述设定指令中包括的训练参数,对选择的深度学习模型进行训练,获得训练后的深度学习模型。进一步地,本专利技术还提供一种深度学习的实现方法,所述方法包括:接收上传的待预测数据;以及,接收对至少一个 ...
【技术保护点】
一种深度学习的实现方法,其特征在于,包括:接收上传的样本数据;所述样本数据中包括至少一个样本;对所述样本数据进行分组获得分组结果,所述分组结果中至少包括训练集,所述训练集中包括第一预设数量的样本;接收对预先构建的至少一个深度学习模型的选择指令;以及,接收对训练参数进行设定的设定指令;根据所述训练集,所述设定指令中包括的训练参数,对选择的深度学习模型进行训练,获得训练后的深度学习模型。
【技术特征摘要】
1.一种深度学习的实现方法,其特征在于,包括:
接收上传的样本数据;所述样本数据中包括至少一个样本;
对所述样本数据进行分组获得分组结果,所述分组结果中至少包括训练
集,所述训练集中包括第一预设数量的样本;
接收对预先构建的至少一个深度学习模型的选择指令;以及,
接收对训练参数进行设定的设定指令;
根据所述训练集,所述设定指令中包括的训练参数,对选择的深度学习模
型进行训练,获得训练后的深度学习模型。
2.根据权利要求1所述的方法,其特征在于,所述分组结果中还包括测
试集,所述测试集中包括第二预设数量的样本;所述训练参数中包括迭代次数,
所述方法还包括:
在对选择的深度学习模型进行训练的过程中,根据所述测试集确定每次迭
代后得到的训练后的深度学习模型的评估效果,并显示所述评估效果;所述评
估效果中包括以下中的至少一种:模型精度、损失、混淆矩阵。
3.根据权利要求2所述的方法,其特征在于,对所述样本数据进行分组
获得分组结果,具体包括:
接收对所述训练集和所述测试集中各自包括的样本数量的设置指令;
根据所述设置指令,对所述样本数据进行分组,获得所述训练集和所述测
试集。
4.根据权利要求1所述的方法,其特征在于,所述接收上传的样本数据
之后,所述方法还包括:
显示所述样本数据的概况信息,所述概况信息中包括以下信息中的至少一
种:样本数量、样本分类数量、样本数据所在文件的文件名、样本数据的数据
量、上传样本数据的时间、样本数据的数据类型、样本数据可用的深度学习模
型。
5.根据权利要求1所述的方法,其特征在于,所述接收上传的样本数据
之后,所述方法还包括:
接收预览所述样本数据的预览指令;
显示所述样本数据。
6.一种深度学习的实现方法,其特征在于,所述方法包括:
接收上传的待预测数据;以及,
接收对至少一个训练后的深度学习模型的模型选择指令;
接收对所述待预测数据进行预测的预测指令;
根据选择的训练后的深度学习模型对所述待预测数据进行预测,并显示预
测结果。
7.一种深度学习的实现装置,其特征在于,包括:
数据接收模块,用于接收上传的样本数据;所述样本数据中包括至少一个
样本;
划分模块,用于...
【专利技术属性】
技术研发人员:冯霁,段晓辉,王立鹏,芦颖,
申请(专利权)人:山西牡丹深度智能科技有限公司,
类型:发明
国别省市:山西;14
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。