一种深度学习模型的快速训练方法及系统技术方案

一种深度学习模型的快速训练方法及系统。该快速训练方法包括如下步骤：在训练服务器中预安装训练环境；该训练服务器从文件服务器中调用预先导入在该文件服务器中的训练代码对深度学习模型进行训练；将该文件服务器与显示有控制界面的显示终端进行信号连接，该控制界面包括训练代码更新选项卡。如此，由于在训练服务器中预安装了训练环境，因此在训练深度学习模型时，无需安装和准备环境，相比原有方式(一个普通技术人员安装和部署环境最少需要7天的时间)可极大的提高的工作效率。另外，需要更新时，该训练服务器可自动在该文件服务器中下载最新的该训练代码覆盖运行，从而快速的完成训练代码的更新。

A fast training method and system of deep learning model

A fast training method and system of deep learning model. The rapid training method includes the following steps: pre install the training environment in the training server; the training server trains the deep learning model from the file server by calling the training code which is imported into the file server in advance; and the file server is connected to the display terminal displaying the controlled interface, which includes training code update tab. \u3002 In this way, because the training environment is pre installed in the training server, there is no need to install and prepare the environment when training the deep learning model, which can greatly improve the work efficiency compared with the original way (an ordinary technician needs at least 7 days to install and deploy the environment). In addition, when it needs to be updated, the training server can automatically download the latest training code in the file server to run, so as to quickly complete the update of training code.

【技术实现步骤摘要】
一种深度学习模型的快速训练方法及系统
本专利技术涉及信息
，更具体的，涉及一种深度学习模型的快速训练方法及系统。
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，声音和文本等数据。深度学习模型，例如，卷积神经网络(ConvolutionalNeuralNetwork，CNN)需经大量数据训练后才能实际使用。按照过去进行一个自定义的深度学习的模型训练，需要经过以下步骤：编写代码，安装环境，本地试运行，服务器运行，服务器代码调参，跟踪训练结果。每次安装环境，参数调整，以及跟踪训练结果都需要花费大量的时间和工作量。如何加快深度学习模型的训练过程已经成为行业中迫切需要的一环。
技术实现思路
本专利技术所要解决的技术问题是，针对现有技术中的上述的问题，为了提高深度学习模型的训练效率、减少训练时间，提供一种深度学习模型的快速训练方法，通过该快速训练方法，环境搭建、代码更新、参数调整都可以在一个界面中处理即可，每次仅需几分钟就能调整完成，极大的提高了工作效率。本专利技术解决其技术问题所采用的技术方案是：提供一种深度学习模型的快速训练方法，所述快速训练方法包括如下步骤：在训练服务器中预安装训练环境；所述训练服务器从文件服务器中调用预先导入在所述文件服务器中的训练代码对深度学习模型进行训练；将所述文件服务器与显示有控制界面的显示终端进行信号连接，所述控制界面包括训练代码更新选项卡。在本专利技术提供的深度学习模型的快速训练方法中，所述深度学习模型训练过程所产生的训练数据储存在所述文件服务器中，所述文件服务器通过所述控制界面显示所述训练数据。在本专利技术提供的深度学习模型的快速训练方法中，所述深度学习模型训练过程所产生的日志存储在所述文件服务器中，所述文件服务器通过所述控制界面显示所述日志。在本专利技术提供的深度学习模型的快速训练方法中，所述控制界面还包括训练参数调整选项卡，更新后的训练参数通过消息队列接收的消息传入到所述训练服务器。在本专利技术提供的深度学习模型的快速训练方法中，所述训练参数调整选项卡包括学习速率调整选项卡和迭代次数选项卡。在本专利技术提供的深度学习模型的快速训练方法中，预安装的所述训练环境中已提供相关的依赖组件或软件。在本专利技术提供的深度学习模型的快速训练方法中，所述快速训练方法包括当预装的所述训练环境中缺少相关的依赖组件或软件时通过所述控制界面直接进行自定义的步骤。在本专利技术提供的深度学习模型的快速训练方法中，所述的“当预装的所述训练环境中缺少相关的依赖组件或软件时通过所述控制界面直接进行自定义”的步骤包括：所述训练服务器根据现有的依赖组件自动生成dockerfile，并通过dockerfile自动下载相关依赖组件；将基础镜像加上新的依赖组件生成用户的自定义运行环境。为了解决上述技术问题，本专利技术还提供了一种深度学习模型的快速训练系统，所述快速训练系统包括训练服务器、与所述训练服务器信号连接的文件服务器和与所述文件服务器连接的显示终端，所述训练服务器中预装了训练环境，所述文件服务器中存储有训练代码，所述显示终端显示有控制界面，所述控制界面包括训练代码更新选项卡。在本专利技术提供的深度学习模型的快速训练系统中，所述控制界面还包括训练参数调整选项卡，更新后的训练参数通过消息队列接收的消息传入到所述训练服务器；所述训练参数调整选项卡包括学习速率调整选项卡和迭代次数选项卡。实施本专利技术提供的深度学习模型的快速训练方法，可以达到以下有益效果：1、所述快速训练方法包括如下步骤：在训练服务器中预安装训练环境；所述训练服务器从文件服务器中调用预先导入在所述文件服务器中的训练代码对深度学习模型进行训练；将所述文件服务器与显示有控制界面的显示终端进行信号连接，所述控制界面包括训练代码更新选项卡。如此，由于在训练服务器中预安装了训练环境，因此在训练深度学习模型时，无需安装和准备环境，相比原有方式(一个普通技术人员安装和部署环境最少需要7天的时间)可极大的提高的工作效率。另外，训练代码通过所述文件服务器上传至所述训练服务器，如需更新，直接将新的训练代码上传到文件服务器，所述训练服务器即可自动在所述文件服务器中下载最新的所述训练代码覆盖运行，从而快速的完成训练代码的更新。2、所述深度学习模型训练过程所产生的训练数据储存在所述文件服务器中，所述文件服务器通过所述控制界面显示所述训练数据。如此一来，训练过程可通过所述控制界面跟踪，无需在所述训练服务器中查看。3、所述深度学习模型训练过程所产生的日志存储在所述文件服务器中，所述文件服务器通过所述控制界面显示所述日志。如此一来，训练过程产生的日志可以直接在所述控制界面中呈现展示，方便读取。4、所述控制界面还包括训练参数调整选项卡，更新后的训练参数通过消息队列接收的消息传入到所述训练服务器。优选的，所述训练参数调整选项卡包括学习速率调整选项卡和迭代次数选项卡。如此一来，训练过程中的参数调整可以通过操作所述控制界面中的所述训练代码更新选项卡来完成，每次调整参数，仅需5分钟即可处理完成，与原有方式相比(原有技术每次调整最少需要花费1个小时)，可极大的提高的工作效率。5、当预装的所述训练环境中缺少相关的依赖组件或软件时通过所述控制界面直接进行自定义的步骤。所述的“当预装的所述训练环境中缺少相关的依赖组件或软件时通过所述控制界面直接进行自定义”的步骤包括：所述训练服务器根据现有的依赖组件自动生成dockerfile，并通过dockerfile自动下载相关依赖组件；将基础镜像加上新的依赖组件生成用户的自定义运行环境。相比原有的最少需要耗时2天的原有的环境更改技术，通过如上过程自定义环境仅需简单几分钟即可，极大地提高了工作效率。相应的，由于专利技术提供的深度学习模型的快速训练系统包括训练服务器、与所述训练服务器信号连接的文件服务器和与所述文件服务器连接的显示终端，所述训练服务器中预装了训练环境，所述文件服务器中存储有训练代码，所述显示终端显示有控制界面，所述控制界面包括训练代码更新选项卡。可见，所述快速训练系统与所述快速训练方法是相对应的，因此，实施所述快速训练系统可以达到相同的技术效果。附图说明图1为本专利技术实施例一的快速训练方法的步骤流程图；图2为本专利技术实施例一中的控制界面的更新训练参数界面；图3为本专利技术实施例一中的控制界面的环境自定义界面；图4为本专利技术实施例二提供的快速训练系统的方框图。具体实施方式为了对本专利技术的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本专利技术的具体实施方式。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例一本实施例提供了一种深度学习模型的快速训本文档来自技高网...

【技术保护点】
1.一种深度学习模型的快速训练方法，其特征在于，所述快速训练方法包括如下步骤：/n在训练服务器中预安装训练环境；/n所述训练服务器从文件服务器中调用预先导入在所述文件服务器中的训练代码对深度学习模型进行训练；/n将所述文件服务器与显示有控制界面的显示终端进行信号连接，所述控制界面包括训练代码更新选项卡。/n

【技术特征摘要】
1.一种深度学习模型的快速训练方法，其特征在于，所述快速训练方法包括如下步骤：
在训练服务器中预安装训练环境；
所述训练服务器从文件服务器中调用预先导入在所述文件服务器中的训练代码对深度学习模型进行训练；
将所述文件服务器与显示有控制界面的显示终端进行信号连接，所述控制界面包括训练代码更新选项卡。


2.根据权利要求1所述的深度学习模型的快速训练方法，其特征在于，所述深度学习模型训练过程所产生的训练数据储存在所述文件服务器中，所述文件服务器通过所述控制界面显示所述训练数据。


3.根据权利要求1所述的深度学习模型的快速训练方法，其特征在于，所述深度学习模型训练过程所产生的日志存储在所述文件服务器中，所述文件服务器通过所述控制界面显示所述日志。


4.根据权利要求1所述的深度学习模型的快速训练方法，其特征在于，所述控制界面还包括训练参数调整选项卡，更新后的训练参数通过消息队列接收的消息传入到所述训练服务器。


5.根据权利要求4所述的深度学习模型的快速训练方法，其特征在于，所述训练参数调整选项卡包括学习速率调整选项卡和迭代次数选项卡。


6.根据权利要求1所述的深度学习模型的快速训练方法，其特征在于，预安装的所述训...

【专利技术属性】
技术研发人员：赵铭，林镇锋，易文峰，杨育，杨正刚，李小芬，徐文娟，
申请(专利权)人：深圳市康拓普信息技术有限公司，
类型：发明
国别省市：广东;44