【技术实现步骤摘要】
用于深度学习的可视化编程
技术介绍
由于深度学习的广泛应用，学习和使用深度学习编程的开发者变得越来越多。然而，在目前的深度学习编程过程中，开发者需要编写大量的代码来预处理数据和构建深度学习模型。初学者通常淹没在大量的底层代码中，难以快速理解和掌握深度学习编程。
技术实现思路
在一种计算机实现的方法中，呈现人工神经网络的可视化表示，所述可视化表示包括表示所述人工神经网络的层的图形元件；响应于接收到针对所述图形元件的拖放操作，修改所述人工神经网络的中间表示，所述中间表示独立于深度学习框架，所述拖放操作修改所述图形元件之间的连接关系；以及基于所述人工神经网络的中间表示，修改所述人工神经网络的针对目标深度学习框架的代码。提供
技术实现思路
部分是以一种简化的形式有选择地介绍专利技术构思，其在下文的具体实施方式中将被进一步描述。
技术实现思路
部分无意标识要求保护的主题的关键特征或主要特征，也无意限制要求保护的主题的范围。附图说明图1示出了能够实施本公开的多个实现的计算设备的框图；图2示出了根据本公开的一些实现的可视化编
【技术保护点】
1.一种计算机实现的方法，包括：/n呈现人工神经网络的可视化表示，所述可视化表示包括表示所述人工神经网络的层的图形元件；/n响应于接收到针对所述图形元件的拖放操作，修改所述人工神经网络的中间表示，所述中间表示独立于深度学习框架，所述拖放操作修改所述图形元件之间的连接关系；以及/n基于所述人工神经网络的中间表示，修改所述人工神经网络的针对目标深度学习框架的代码。/n
【技术特征摘要】
1.一种计算机实现的方法，包括：
呈现人工神经网络的可视化表示，所述可视化表示包括表示所述人工神经网络的层的图形元件；
响应于接收到针对所述图形元件的拖放操作，修改所述人工神经网络的中间表示，所述中间表示独立于深度学习框架，所述拖放操作修改所述图形元件之间的连接关系；以及
基于所述人工神经网络的中间表示，修改所述人工神经网络的针对目标深度学习框架的代码。
2.根据权利要求1所述的方法，还包括：
响应于针对所述代码的编辑操作，修改所述人工神经网络的中间表示；以及
基于修改的所述中间表示，调整所述人工神经网络的可视化表示。
3.根据权利要求1所述的方法，还包括：
响应于接收到针对所述图形元件的拖放操作，验证与所述人工神经网络的层相关联的数据的维度。
4.根据权利要求1所述的方法，还包括：
响应于接收到与关键字相关联的搜索操作，呈现表示与所述关键字相对应的至少一个候选层的图形元件；以及
响应于接收到针对所述至少一个候选层的图形元件的选择，将选择的图形元件添加到所述可视化表示。
5.根据权利要求1所述的方法，还包括：
呈现用于定制所述人工神经网络的度量的代码存根；以及
响应于对所述代码存根的编辑操作，定制所述人工神经网络的度量。
6.根据权利要求1所述的方法，还包括：
响应于以下至少一项操作，修改所述人工神经网络的中间表示：
向所述可视化表示中添加新的表示人工神经网络的层的图形元件；
从所述可视化表示中删除表示人工神经网络的层的图形元件；以及
修改表示人工神经网络的层的图形元件的参数。
7.根据权利要求1所述的方法，还包括：
响应于接收到将所述目标深度学习框架修改为另一目标深度学习框架的指示，基于所述人工神经网络的中间表示，确定所述人工神经网络的针对另一目标深度学习框架的代码。
8.一种设备，包括：
处理单元；以及
存储器，耦合至所述处理单元并且包含存储于其上的指令，所述指令在由所述处理单元执行时使所述设备执行以下动作：
呈现人工神经网络的可视化表示，所述可视化表示包括表示所述人工神经网络的层的图形元件；
响应于接收到针对所述图形元件的拖放操作，修改所述人工神经网络的中间表示，所述中间表示独立于深度学习框架，所述拖放操作修改所述图形元件之间的连接关系；以及
基于所述人工神经网络的中间表示，修改所述人工神经网络的针对目标深度学习框架的代码。
9.根据权利要求8所述的设备，其中所述动作还包括：
响应于针对所述代码的编辑操作，修改所述人工神经网络的中间表示；以及
基于修改的所述中间表示，调整所述人工神经网络的可视化表示。
10.根据权利要求8所述的设备，其中所述动作还包括：
响应于接收到针对所述图形元件的拖放操作，验证与所述人工神经网络的层相关联的数据的维度。
11.根据权利要求8所述的设备，其中所述动作还包括：
响应于接收到与...
【专利技术属性】
技术研发人员：林昊翔，陈程，杨懋，柳书广，
申请(专利权)人：微软技术许可有限责任公司，
类型：发明
国别省市：美国;US
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。