【技术实现步骤摘要】
深度学习在线编码方法和系统
[0001]本申请涉及人工智能领域，具体而言，涉及一种深度学习在线编码方法和系统。
技术介绍
[0002]目前现有的这些人工智能编程方案，存在以下问题：1)方案比较笼统，对编程系统的编程及程序运行核心机制部分描述缺失，很多方案更多是一个信息系统；2)在编程平台的安全机制上缺失，没有描述任何保证在线编码过程中数据安全、程序运行安全等安全问题的解决；3)尚未有方案专门针对深度学习，更没有针对深度学习领域的优化。
[0003]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0004]本申请实施例提供了一种深度学习在线编码方法和系统，以至少解决相关技术中的在线编码方法安全性不高的技术问题。
[0005]根据本申请实施例的一个方面，提供了一种深度学习在线编码方法，包括：接收输入的所选编程任务，基于所选编程任务创建项目；针对所述项目，初始化编码容器，以供在线编码所用；其中，所述编码容器包括：在线代码编辑器，用于提供在线代码开发；深度学习框架，用于为所述在线代码编辑...
【技术保护点】
【技术特征摘要】
1.一种深度学习在线编码方法，其特征在于，包括：接收输入的所选编程任务，基于所选编程任务创建项目；针对所述项目，初始化编码容器，以供在线编码所用；其中，所述编码容器包括：在线代码编辑器，用于提供在线代码开发；深度学习框架，用于为所述在线代码编辑器提供在线代码开发所需的深度学习的框架；编码数据集，用于为所述在线代码编辑器提供在线代码开发所需的数据集。2.根据权利要求1所述的方法，其特征在于，所述在线代码编辑器包括以下至少之一：数据集目录，用于存放包括所述编码数据集的多个数据集；源码目录，用于存放利用所述在线代码编辑器开发的代码；模型文件目录，用于存放基于所开发的代码生成的模型文件；日志文件目录，用于存放日志文件。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于训练模型的请求，将所述编码容器中的所述编码数据集替换为训练数据集，并将所述编码容器的配置拷贝到训练容器中，其中，所述训练容器的硬件资源比所述编码容器的硬件资源好；利用所述训练数据集，对所述训练容器中的代码进行模型训练，生成满足预定指标评价的模型文件。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：基于验证模型的请求，将所述训练容器中的训练数据集替换为验证数据集，并将所述训练容器的配置拷贝到验证容器中；利用所述验证数据集，在所述验证容器中，验证所述模型文件对应的模型的泛化能力。5.根据权利要求3或4所述的方法，其特征在于，在进行训练或进行验证之前，所述方法还包括：在接收到所述训练模型的请求或验证模型的请求之后，按照预设的优先级顺序，对所述训练模型的请求或所述验证模型的请求进行排队等候分配资源，以进行训练或进行验证。6.根据权利要求4所述的方法，其特征在于，所述方法还包括：将样本图片进行分类，得到多个数据集；将所述多个数据集划分为所述编码数据集、所述训练数据集和所述验证数据集，其中，所述训练数据集占所述多个数据集的比例为80％以上，所述训练数据集包括用于训练模型的训练数据子集和用于测试模型的测试数据子集。7.根据权利要求4所述的方法，其特征在于，所述方法还包括：对所述项目进行管理，所述管理包括以下至...
【专利技术属性】
技术研发人员：王博，曾金龙，
申请(专利权)人：深圳伯德睿捷健康科技有限公司，
类型：发明
国别省市：
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。