【技术实现步骤摘要】
基于深度学习平台的模型训练方法、数据处理方法和装置
[0001]本公开涉及人工智能
,尤其涉及深度学习、边缘计算和分布式计算等
更具体地,本公开提供了一种基于深度学习平台的模型训练方法、数据处理方法、装置、电子设备和存储介质。
技术介绍
[0002]随着人工智能技术的发展,深度学习技术的应用场景不断增加。用户可以选择深度学习平台中的模型,并结合相关场景进行参数调整,以便将该模型应用于相关场景。
技术实现思路
[0003]本公开提供了一种基于深度学习平台的模型训练方法、数据处理方法、装置、电子设备和存储介质。
[0004]根据本公开的一方面,提供了一种基于深度学习平台的模型训练方法,深度学习平台与至少一个预设深度学习模型对应,该方法包括:响应于接收到来自目标用户的第一操作信息,展示至少一个预设深度学习模型中第一目标深度学习模型的模型数据,其中,第一目标深度学习模型与第一操作信息对应;响应于接收到来自目标用户的第二操作信息,展示与第一目标深度学习模型相关的目标场景数据,其中,目标场景数据与目标场景对应,第二操作信息与目标场景对应,目标场景来自与第一目标深度学习模型相关的至少一个预设场景;响应于接收到来自目标用户的第三操作信息,根据目标场景数据和第一目标深度学习模型,得到第二目标深度学习模型;以及根据与目标场景相关的样本数据,训练第二目标深度学习模型,其中,目标场景与至少一个目标设备相关,第二目标深度学习模型用于根据目标设备采集的目标数据进行数据处理。
[0005]根据本公开的 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习平台的模型训练方法,所述深度学习平台与至少一个预设深度学习模型相关,包括:响应于接收到来自目标用户的第一操作信息,展示至少一个所述预设深度学习模型中第一目标深度学习模型的模型数据,其中,所述第一目标深度学习模型与所述第一操作信息对应;响应于接收到来自所述目标用户的第二操作信息,展示与所述第一目标深度学习模型相关的目标场景数据,其中,所述目标场景数据与目标场景对应,所述第二操作信息与所述目标场景对应,所述目标场景来自与所述第一目标深度学习模型相关的至少一个预设场景;响应于接收到来自所述目标用户的第三操作信息,根据所述目标场景数据和所述第一目标深度学习模型,得到第二目标深度学习模型;以及根据与所述目标场景相关的样本数据,训练所述第二目标深度学习模型,其中,所述目标场景与至少一个目标设备相关,所述第二目标深度学习模型用于根据所述目标设备采集的目标数据进行数据处理。2.根据权利要求1所述的方法,其中,所述第一操作信息指示了与目标任务、目标样本数据集、目标开发人员、目标模型关键词中至少一个对应的所述第一目标深度学习模型,所述模型数据包括模型训练数据、模型部署数据、模型性能数据中的至少一个,所述模型性能数据包括模型结构数据和历史任务执行数据中至少一个。3.根据权利要求1所述的方法,其中,所述展示至少一个所述预设深度学习模型中第一目标深度学习模型的模型数据还包括:根据来自所述目标用户的初始样本数据,展示所述第一目标深度学习模型的初始输出结果。4.根据权利要求3所述的方法,其中,所述展示第一目标深度学习模型的初始输出结果包括:获取来自所述目标用户的初始样本数据;利用所述第一目标深度学习模型处理所述初始样本数据,得到初始输出结果;以及展示所述初始输出结果。5.根据权利要求4所述的方法,其中,所述获取来自所述目标用户的初始样本数据包括:根据所述第一目标深度学习模型,确定初始处理函数;根据所述初始处理函数,确定与所述第一目标深度学习模型相关的初始交互页面;以及利用所述初始交互页面获取所述初始样本数据。6.根据权利要求5所述的方法,其中,所述获取来自所述目标用户的初始样本数据还包括:利用所述初始交互页面展示所述初始样本数据。7.根据权利要求5所述的方法,其中,所述展示所述初始输出结果包括:利用所述初始交互页面展示所述初始输出结果。8.根据权利要求1所述的方法,其中,所述目标场景数据包括以下至少之一:与所述目
标场景相关的场景需求特征数据、至少一个预设数据集、模型训练策略数据。9.根据权利要求1所述的方法,其中,所述目标设备部署有所述第二目标深度学习模型。10.根据权利要求2所述的方法,其中,所述目标任务包括图像处理任务,所述图像处理任务包括目标对象检测任务和图像识别任务。11.一种基于深度学习平台的数据处理方法,包括:根据与第二目标深度学习模型相关的目标场景数据,将所述第二目标深度学习模型部署至与目标场景相关的目标设备;以及将目标数据输入所述第二目标深度学习模型,得到处理结果,其中,所述目标数据是由所述目标设备获取的,其中,所述第二目标深度学习模型是利用权利要求1至8任一项所述的训练方法训练的,其中,所述目标场景数据包括与所述目标场景相关的目标模型部署数据,所述目标模型部署数据包括与所述第二目标深度学习模型相关的第一设备参数,所述目标设备的设备参数与所述第一设备参数一致。12.根据权利要求10所述的方法,其中,所述目标场景数据还包括与所述目标场景相关的预处理策略数据,所述将目标数据输入所述第二目标深度学习模型,得到处理结果包括:根据所述预处理策略数据,调整所述目标数据,得到调整后的目标数据;以及将调整后的目标数据输入所述第二目标深度学习模型,得到所述处理结果。13.根据权利要求10所述的方法,其中,所述目标场景数据还包括与所述目标场景相关的可视化策略数据,所述将目标设备获取的目标数据输入所述第二目标深度学习模型,得到处理结果包括:根据所述可视化策略数据,调整所述处理结果,得到可视化结果;以及将所述可视化结果展示于可视界面,其中,所述可视界面是根据所述可视化策略数据生成的。14.一种基于深度学习平台的模型训练装置,所述深度学习平台与至少一个预设深度学习模型相关,包括:第一展示模块,用于响应于接收到来自目标用户的第一操作信息,展示至少一个所述预设深度学习模型中第一目标深度学习模型的模型数据,其中,所述第一目标深度学习模型与所述第一操作信息对应;第二展示模块,用于响应于接收到来自所述目标用户的第二...
【专利技术属性】
技术研发人员:杨烨华,刘爽侨,张一超,韩超,赵乔,毕然,
申请(专利权)人:北京百度网讯科技有限公司,
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。