可视化神经网络模型生成和训练的方法及装置制造方法及图纸

本申请提供一种可视化神经网络模型生成和训练的方法及装置，所述方法包括：获取可视化编辑器生成的神经网络模型的可视化模型文件；将所述可视化模型文件转换为XML文本文件；所述XML文本文件为符合预设的统一建模标准的模型文件；基于所述XML文本文件，生成目标神经网络模型。本申请提供的可视化神经网络模型生成和训练的方法及装置，通过可视化模型构建交互框架，可以生成满足用户需求的可视化模型，再将可视化模型转换为符合统一建模标准的模型文件，使用这个模型文件可以实现对模型的跨平台便捷化训练，降低模型生成和训练过程的复杂程度，并使模型生成过程更加直观。并使模型生成过程更加直观。并使模型生成过程更加直观。

【技术实现步骤摘要】
可视化神经网络模型生成和训练的方法及装置


[0001]本申请涉及深度学习领域，尤其涉及一种可视化神经网络模型生成和训练的方法及装置。

技术介绍

[0002]人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大。
[0003]随着人工智能的迅速发展，在重点领域人工智能深入实际应用中，面临模型复杂、工具繁多、数据量大、计算时长等一系列问题，这些问题不仅增大了重点领域智能需求与智能生成结合性应用的难度，而且提升了重点领域人工智能研发应用的难度和门槛。而且，传统代码化的神经网络建模过程不仅需要用户深入理解算法原理，且需要用户对业务深入研究，用户需充分了解基于TensorFlow、PyTorch等不同框架的神经网络专业化构建知识，并以不同深度学习框架支持的代码编写的形式抽象化地对模型进行构建，用户进行深度学习建模与训练的应用门槛较高，神经网络建模及训练技术与计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种可视化神经网络模型生成和训练的方法，其特征在于，包括：获取可视化编辑器生成的神经网络模型的可视化模型文件；将所述可视化模型文件转换为XML文本文件；所述XML文本文件为符合预设的统一建模标准的模型文件；基于所述XML文本文件，生成目标神经网络模型；所述目标神经网络模型为基于预设的统一建模标准完成了在指定深度学习框架下模型训练的神经网络模型。2.根据权利要求1所述的可视化神经网络模型生成和训练的方法，其特征在于，所述将所述可视化模型文件转换为XML文本文件，包括：基于所述可视化模型文件生成第一模型文档树；所述第一模型文档树为可视化模型文档树；将所述第一模型文档树转换为第二模型文档树；所述第二模型文档树为符合预设的统一建模标准的模型文档树；将所述第二模型文档树文本序列化，得到所述XML文本文件。3.根据权利要求2所述的可视化神经网络模型生成和训练的方法，其特征在于，所述将所述第一模型文档树转换为第二模型文档树，包括：遍历所述第一模型文档树中的元素节点；确定所述第一模型文档树中的元素节点和元素连线；将所述第一模型文档树中的元素节点转换为所述第二模型文档树中的元素节点；将所述第一模型文档树中的元素连线关系转换为所述第二模型文档树中的元素连线关系。4.根据权利要求3所述的可视化神经网络模型生成和训练的方法，其特征在于，所述将所述第一模型文档树中的元素节点转换为所述第二模型文档树中的元素节点，包括：在节点编号为第一预设值的情况下，读取所述第一模型文档树中当前节点编号的属性信息；基于所述当前节点编号的属性信息，生成所述第二模型文档树的根节点。5.根据权利要求3所述的可视化神经网络模型生成和训练的方法，其特征在于，所述将所述第一模型文档树中的元素节点转换为所述第二模型文档树中的元素节点，包括：在节点编号大于第一预设值的情况下，读取所述第一模型文档树中当前节点编号的节点类型信息；基...

【专利技术属性】
技术研发人员：李菲菲，李沁颖，廖名学，吕品，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：