AI训练测试网站架构系统及AI训练测试方法技术方案

本发明专利技术揭示了一种AI训练测试网站架构系统及AI训练测试方法，所述AI训练测试网站架构系统包括前端及后端；所述前端包含模型网络结构展示模块、AI平台转通用平台模块、算法优化器、网络结构和算法验证模块；所述后端包含文件接收模块、文件处理模块、模型网络结构生成模块、AI平台模型转通用平台模型模块、算法优化模块、模型及算法运行验证模块。本发明专利技术提出的AI训练测试网站架构系统及AI训练测试方法，可提高生产效率，节约成本。节约成本。节约成本。

【技术实现步骤摘要】
AI训练测试网站架构系统及AI训练测试方法


[0001]本专利技术属于人工智能
，涉及一种人工智能训练测试系统，尤其涉及一种AI训练测试网站架构系统及AI训练测试方法。

技术介绍

[0002]在AI(人工智能，Artificial Intelligence)越来越重要的时代，各个领域都趋于智能化。然而，对于应用人员的技术要求比较高，且AI平台种类多，各平台间转换复杂，运行资源成本高。
[0003]对于初学者而言，难点在于建立模型，在当下的AI平台中，必须了解选择的AI平台操作方式才能以代码方式建立或修改模型。如今缺少一个既可以降低应用人员技术要求又可以支持多AI平台转换，同时可以支持算法优化的平台。
[0004]有鉴于此，如今迫切需要设计一种新的AI平台，以便克服现有AI平台存在的上述至少部分缺陷。

技术实现思路

[0005]本专利技术提供一种AI训练测试网站架构系统及AI训练测试方法，可提高生产效率，节约成本。
[0006]为解决上述技术问题，根据本专利技术的一个方面，采用如下技术方案：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种AI训练测试网站架构系统，其特征在于，所述AI训练测试网站架构系统包括：前端及后端；所述前端包含模型网络结构展示模块、AI平台转通用平台模块、算法优化器、网络结构和算法验证模块；所述后端包含文件接收模块、文件处理模块、模型网络结构生成模块、AI平台模型转通用平台模型模块、算法优化模块、模型及算法运行验证模块；所述模型网络结构展示模块用于将神经网络相关文件内容的网络结构可视化展示在前端；所述模型网络结构展示模块属于前端的功能模块，包含AI平台选择、神经网络文件上传、启动可视化展示功能、神经网络文件模型可视化页面功能；模型网络结构展示模块经过与后端的交互，获得后端模型网络结构服务的启停状态，从而主动访问实现网络结构可视化；所述AI平台转通用平台模块用于将各AI平台神经网络相关文件转化为通用平台相关文件；所述AI平台转通用平台模块属于前端的功能模块，包含AI平台选择、神经网络文件上传、启动选中平台相关文件转通用平台文件功能、启动通用平台文件可视化展示功能、神经网络文件模型可视化页面、通用平台文件下载功能；AI平台转通用平台模块将相关文件传送给后端后发送转化指令，等待接收后端的转化状态，直至转化成功后，开启下载转化后通用平台模型文件功能；在上传的神经网络模型文件中，通过神经网络文件模型可视化页面，用户能通过移动、修改、删除、增加可视化页面中模型的部分，来达到修改神经网络模型的目的，使得用户能快速实现模型的改变；所述算法优化器用于将神经网络相关文件运行时的算法进行优化；所述算法优化器属于前端的功能模块，包含AI平台选择、神经网络文件上传、启动不同模式优化算法入口、优化过程和进度展示功能；算法优化器上传文件后，主动发送优化指令给后端，并启动监控窗口，实时监控后端算法优化过程及状态；所述网络结构和算法验证模块用于验证神经网络相关文件的运行结果；所述网络结构和算法验证模块属于前端的功能模块，包含AI平台选择、神经网络文件上传、验证文件上传、启动不同模式验证入口、运行状态过程监听功能；网络结构和算法验证模块启动后，主动启动监控窗口，实时监控后端模型运行的过程，并实时获取返回信息，进度条实时显示后端模型运行进度，直至运行结束，监控窗口即时显示运行后的结果；修改后的神经网络模型文件，经过BLAI平台原有的或上传的数据集训练测试，并在该模块中运行验证，将大幅度减少AI修改神经网络模型文件的门槛；所述文件接收模块用于接收前端上传的文件；所述文件接收模块属于后端的功能模块，包含文件接收功能；所述文件处理模块用于处理前端上传的文件；所述文件处理模块属于后端的功能模块，根据前端选中的不同平台和功能对文件进行处理，包含文件处理、文件存储功能；文件处理模块获取用户的登录账号、平台类型等信息，根据前端发送的不同指令处理文化并根据获取的信息存储在相应位置；所述模型网络结构生成模块用于将文件转化为可视化网络结构；所述模型网络结构生成模块属于后端的功能模块，主要包含启动模型网络结构服务、文件转可视化网络结构功能；
所述AI平台模型转通用平台模型模块用于将选中的AI平台相关文件转换为通用平台的文件格式；所述AI平台模型转通用平台模型模块属于后端的功能模块，主要包含AI平台识别、AI平台转换功能；AI平台模型转通用平台模型模块中，后端接收前端发送的参数，包含AI平台类型、AI平台模型文件类型、转换后通用模型命名等参数，后端根据获得的参数将相关文件调用不同的转换模块转换，再通过获取的转特定平台参数将转换后的通用模型转换成特定平台的模型；所述算法优化模块用于优化运行AI相关文件时的算法，提升运行速度；所述算法优化模块属于后端的功能模块，主要包含算法优化功能；在算法优化模块中，支持三种优化算法，包含常规优化算法和自研的算法，模型在运行验证模块之前经过算法优化模块实现模型精度的优化，从而提高模型的精度和运行的速度；所述模型及算法运行验证模块用于验证上传的神经网络相关文件；所述模型及算法运行验证模块属于后端的功能模块，主要包含启动基层运行平台、参数传递、结果反馈功能；在模型及算法运行验证模块，支持模型及算法运行过程的实时监听及与前端相应模块的实时交互，运行结束后生成的结果实时反馈给前端相应模块，使得前端能准确监控运行过程，提高互动性。2.根据权利要求1所述的AI训练测试网站架构系统，其特征在于：前端及后端交互采用三次握手和websocket架构，实时交互主要采用websocket架构。3.根据权利要求1所述的AI训练测试网站架构系统，其特征在于：采用三次握手的架构能够确保后端收到并处理了相关文件后再启动websocket，采用websocket架构主要能够实现前后端全双工模式实时通信，解决后端服务不能主动向前端反馈实时信息的问题，确保用户实时监控运行信息。4.一种AI训练测试方法，其特征在于，所述AI训练测试方法包括：步骤A、模型网络结构展示步骤，包括：步骤A1：前端选择平台上传神经网络相关文件传送给后端；步骤A2：后端接收文件后保存并启动模型网络结构可视化服务；步骤A3：后端返回启动状态给前端，前端地址重定向访问模型网络结构可视化服务，从而实现模型网络结构展示；步骤B、AI平台转通用平台步骤，包括：步骤B1：前端选择平台上传神经网络相关文件；步骤B2：修改神经网络模型文件；步骤B3：传送给后端，后端接收文件后保存；步骤B4：后端获取转化参数；步骤B5：将该AI平台的相关文件转化为通用平台的相关文件，返回状态给前端；步骤B6：前端接收状态后提供下载功能模块；步骤B7：前端选择转化特定平台模型；步骤B8：后端获取前端发送的信号将通用平台模型文件转化为特定平台模型文件，返回状态给前端；步骤B9：前端接收状态后提供下载特定平台模型文...

【专利技术属性】
技术研发人员：李龙龙，萧文远，谈加西，陈朋芳，
申请(专利权)人：博流智能科技南京有限公司，
类型：发明
国别省市：