基于元特征的智能模型构建方法技术

本发明专利技术公开了基于元特征的智能模型构建方法，采用基于元特征的智能模型描述方法，对智能模型各类关键特征进行描述和抽象，并通过设置建立的模型描述文件中的参数取值，实现智能模型的重构，在此架构下，开发者无需理解复杂的知识背景，仅需基于对模型描述文件的理解，配置合适的元特征状态，便可完成满足不同业务需求的智能模型设计开发，有效提高了智能应用的开发效率，降低了开发中的学习成本，同时扩展了智能应用开发中的智能模型的可选范围。

【技术实现步骤摘要】
基于元特征的智能模型构建方法
本专利技术属于机器学习
，具体涉及基于元特征的智能模型构建方法。
技术介绍
目前，人工智能技术被广泛应用到了生活的各个领域。人工智能技术应用的关键是设计并开发机器学习模型。现有用于支持机器学习模型开发的技术方法大多是定义一套设计框架，开发者调用框架中的接口进行模型内部计算的实现。主流的设计框架有Caffe、Tensorflow、Pytorch及Theano，与本专利技术最为接近的是Caffe设计框架。Caffe采用表示和实现分离的方法实现深度神经网路模型的设计和运行，它使用ProtoclBuffer定义模型文件，并使用特殊的文本文件prototxt表示网络结构，以有向非循环图的形式构建学习网络。Caffe的基本流程包括：准备数据、编写网络结构文件、编写网络求解文件、开始训练及使用训练的模型进行预测。使用现有技术进行智能模型设计时会面临设计框架接口繁多，接口参数复杂，框架本身学习起点高等问题。通常为了实现某一功能的智能模型，需要掌握全套的设计框架，从而导致智能模型开发成本高、学习门槛高、开发效率低，使普本文档来自技高网...

【技术保护点】
1.基于元特征的智能模型构建方法，其特征在于，包括以下步骤：/n步骤1、从智能模型的模型源代码中提取元特征，所述元特征为智能模型的特征信息；基于所述元特征生成智能模型的模型描述文件；根据所述模型描述文件中记录的算法参数特征信息在所述模型源代码中添加相应的参数标记，形成标记模型源代码；/n步骤2、使用时，从步骤1形成的一系列标记模型源代码及模型描述文件中，选择待构建智能模型的标记模型源代码及模型描述文件，设置模型描述文件中的算法参数完成模型描述文件的配置；根据配置好的模型描述文件修改标记模型源代码，得到最终的待构建智能模型的标记模型源代码，完成待构建智能模型的构建。/n

【技术特征摘要】
1.基于元特征的智能模型构建方法，其特征在于，包括以下步骤：
步骤1、从智能模型的模型源代码中提取元特征，所述元特征为智能模型的特征信息；基于所述元特征生成智能模型的模型描述文件；根据所述模型描述文件中记录的算法参数特征信息在所述模型源代码中添加相应的参数标记，形成标记模型源代码；
步骤2、使用时，从步骤1形成的一系列标记模型源代码及模...

【专利技术属性】
技术研发人员：温研，
申请(专利权)人：北京麟卓信息科技有限公司，
类型：发明
国别省市：北京;11