深度学习模型的可视化训练方法、介质、设备及装置制造方法及图纸

本发明专利技术公开了一种深度学习模型的可视化训练方法、介质、设备及装置，包括：获取历史数据，并进行处理，以生成训练数据；获取操作指令，并根据操作指令生成待训练深度学习模型对应的可视化训练链路；获取可视化训练链路中每个可视化模块对应的训练参数、待训练深度学习模型的超参数和遍历参数；根据每个可视化模块对应的训练参数、待训练深度学习模型的超参数和遍历参数对待训练深度学习模型进行遍历训练，以及基于遍历训练的结果生成遍历参数对应的多指标变化训练图像；能够对深度学习模型进行遍历训练，极大地提高了深度学习模型参数设置的便利性和准确性，进而提高最终深度学习模型的识别准确率，降低训练所需时间成本。降低训练所需时间成本。降低训练所需时间成本。

【技术实现步骤摘要】
深度学习模型的可视化训练方法、介质、设备及装置


[0001]本申请涉及深度学习领域，具体涉及一种深度学习模型的可视化训练方法、介质、设备及装置。

技术介绍

[0002]深度学习，是机器学习的一种。在深度学习模型的训练过程中，需要对深度学习参数进行设置与调优。
[0003]相关技术中，在对深度学习模型进行调优时，多是通过技术人员根据自身经验进行参数的选择，并在参数选择完成之后，对参数对应的模型性能进行测试，以决定最终模型。这种方式所训练得到的模型，其准确率完全取决于技术人员的经验，最终模型的准确率无法得到保证。并且，训练过程耗费时间长。

技术实现思路

[0004]鉴于上述问题，本申请提供了一种深度学习模型的可视化训练方法，能够对深度学习模型进行遍历训练，极大地提高了深度学习模型参数设置的便利性和准确性，进而提高最终深度学习模型的识别准确率，降低训练所需时间成本。
[0005]为实现上述目的，专利技术人提供了深度学习模型的可视化训练方法，包括：获取历史数据，并对所述历史数据进行处理，以生成训练数据；获取用户对于预设可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种深度学习模型的可视化训练方法，其特征在于，包括：获取历史数据，并对所述历史数据进行处理，以生成训练数据；获取用户对于预设可视化模块的操作指令，并根据所述操作指令生成待训练深度学习模型对应的可视化训练链路；获取所述可视化训练链路中每个可视化模块对应的训练参数、待训练深度学习模型的超参数和遍历参数；根据所述每个可视化模块对应的训练参数、所述待训练深度学习模型的超参数和所述遍历参数对待训练深度学习模型进行遍历训练，以及基于遍历训练的结果生成所述遍历参数对应的多指标变化训练图像。2.如权利要求1所述的深度学习模型的可视化训练方法，其特征在于，所述预设可视化模块包括预训练网络模型模块、图像识别模型模块、循环神经网络模块和神经网络层模块。3.如权利要求1所述的深度学习模型的可视化训练方法，其特征在于，所述待训练深度学习模型的超参数包括模型学习率、训练大小、训练次数、dropout比率、正则化数值、优化器参数。4.如权利要求1所述的深度学习模型的可视化训练方法，其特征在于，根据所述每个可视化模块对应的训练参数、所述待训练深度学习模型的超参数和所述遍历参数对待训练深度学习模型进行遍历训练，包括：根据所述每个可视化模块对应的训练参数、所述待训练深度学习模型的超参数和所述遍历参数生成多个训练指令，将所述多个训练指令分别发送给多个服务器，以便所述多个服务器根据接收到的训练指令并行进行相应的模型训练。5.如权利要求4所述的深度学习模型的可视化训练方法，其特征在于，基于遍历训练的结果生成所述遍历参数对应的多指标变化训练图像，包括：获取每个服务器对应的模型训练结果，并对所有服务器的模型训练结果进行融合，以得到所述遍历参数对应的多指标变化训练...

【专利技术属性】
技术研发人员：罗建新，沈强，王传熙，池毓成，
申请(专利权)人：福建正孚软件有限公司，
类型：发明
国别省市：