基于云端模块化技术的模型开发方法、平台和智能终端技术

本发明专利技术公开一种基于云端模块化技术的模型开发方法、平台和智能终端，该方法包括以下步骤：选择数据集并进行数据导入，将导入的数据进行可视化处理，以生成与数据对应的图形化文件；拖拽所述图形化文件，以生成TensorFlow或MXNET代码；将生成的代码与图形化文件的界面进行双向关联；以图形化文件的方式设置模型参数，并设置超参数后开始训练，在训练过程中实时查看智能终端的资源占用率和训练的准确度；结束训练，生成模型性能报告并将训练结果以安装包的形式发布在所述智能终端上。该方法将深度学习、机器学习的研发学习过程极简化，方便初学者的学习和理解，可应用于教育领域，清晰的层级结构也可帮助专业人员在检查代码时快速定位bug所在处，省时高效。

【技术实现步骤摘要】
基于云端模块化技术的模型开发方法、平台和智能终端
本专利技术涉及深度学习算法
，具体涉及一种基于云端模块化技术的模型开发方法、系统和智能终端。
技术介绍
人工智能的快速发展，给人们的生活带来了极大的变化，近几年提出和广泛应用于各大领域的深度学习(Deeplearning)和机器学习(MachineLearning)算法也在逐渐普及和学习中迅速发展。深度学习将使人工智能的进化节奏加快，在大数据时代下将人工智能发挥出更好的效果，将AI技术灵活应用于图像搜索、语音识别等各类互联网服务中，为用户提供了更好的服务并吸引更多用户。但是深度学习和机器学习此类开源框架的入门学习极其困难，对于专业知识的要求较高，而对于人工智能知识较为欠缺的初学者而言，复杂的算法结构和冗长的代码序列使得很多感兴趣的用户对深度学习望而却步，制约了知识储备较少人员对人工智能的学习。
技术实现思路
为此，本专利技术提供一种基于云端模块化技术的模型开发方法、系统和智能终端，以至少部分解决上述至少一个技术问题。为了实现上述目的，本专利技术实施例提供如下技术本文档来自技高网...

【技术保护点】
1.一种基于云端模块化技术的模型开发方法，其特征在于，包括以下步骤：/n选择数据集并进行数据导入，将导入的数据进行可视化处理，以生成与数据对应的图形化文件；/n拖拽所述图形化文件，以生成TensorFlow或MXNET代码；/n将生成的代码与图形化文件的界面进行双向关联；/n以图形化文件的方式设置模型参数，并设置超参数后开始训练，在训练过程中实时查看智能终端的资源占用率和训练的准确度；/n结束训练，生成模型性能报告并将训练结果以安装包的形式发布在所述智能终端上。/n

【技术特征摘要】
1.一种基于云端模块化技术的模型开发方法，其特征在于，包括以下步骤：
选择数据集并进行数据导入，将导入的数据进行可视化处理，以生成与数据对应的图形化文件；
拖拽所述图形化文件，以生成TensorFlow或MXNET代码；
将生成的代码与图形化文件的界面进行双向关联；
以图形化文件的方式设置模型参数，并设置超参数后开始训练，在训练过程中实时查看智能终端的资源占用率和训练的准确度；
结束训练，生成模型性能报告并将训练结果以安装包的形式发布在所述智能终端上。


2.根据权利要求1所述的基于云端模块化技术的模型开发方法，其特征在于，所述选择数据集并进行数据导入，将导入的数据进行可视化处理，以生成与数据对应的图形化文件包括：
导入数据并标注，对数据进行预处理和可视化处理；
所述预处理包括对输入的数据进行去均值处理和归一化处理。


3.根据权利要求2所述的基于云端模块化技术的模型开发方法，其特征在于，所述去均值处理为：
对待训练图形化文件中的每一张图片的特征，均减去全部训练集图片的特征均值，以将输入数据中各个维度的数据均中心化至0维度；
所述归一化处理为：
在数据经过去均值处理后，每个维度上的数据均除以该维度上数据的标准差；或，
在数据经过去均值处理后，每个维度上的数据均除以该维度上数据的绝对值最大值。


4.根据权利要求1所述的基于云端模块化技术的模型开发方法，其特征在于，所述拖拽所述图形化文件，以生成TensorFlow或MXNET代码；将生成的代码与图形化文件的界面进行双向关联包括：
在数据集页面设定数据集和数据预处理格式；
在控件拖拽页面从数据输入层依次堆叠人工智能模型，每一个控件独立设置层参数，拖拽完成后生成模型；
从第一侧拖拽人工智能模型到第二侧画布上，通过连接线的形式构建人工智能模型。


5.一种人工智能开发平台，用于实施如权利要求1-4任一项所述的方法，其特征...

【专利技术属性】
技术研发人员：黄翊峰，东东，穆国栋，
申请(专利权)人：北京启瞳智能科技有限公司，
类型：发明
国别省市：北京;11