本技术涉及深度学习领域,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。
背景技术:
1、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。
2、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机实现技术耦合性相对较高,存在模型生成过程复杂且不够直观以及训练门槛较高的问题。
技术实现思路
1、本技术实施例提供一种可视化神经网络模型生成和训练的方法及装置,用以解决相关技术中模型生成过程复杂且不够直观以及训练门槛较高的技术问题。
2、第一方面,本技术实施例提供一种可视化神经网络模型生成和训练的方法,包括:
3、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;
4、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;
5、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。
6、在一些实施例中,所述将所述可视化模型文件转换为xml文本文件,包括:
7、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;
8、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;
9、将所述第二模型文档树文本序列化,得到所述xml文本文件。
10、在一些实施例中,所述将所述第一模型文档树转换为第二模型文档树,包括:
11、遍历所述第一模型文档树中的元素节点;
12、确定所述第一模型文档树中的元素节点和元素连线;
13、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;
14、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。
15、在一些实施例中,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:
16、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。
17、在一些实施例中,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:
18、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,基于所述当前节点编号的节点类型信息,生成对应的所述第二模型文档树的节点。
19、在一些实施例中,所述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,包括:
20、确定所述第一模型文档树中边属性为第二预设值的节点为连线节点;
21、确定所述连线节点的元素连线关系;
22、基于所述连线节点的元素连线关系,确定所述连线节点对应的所述第二模型文档树的节点的父子级关系。
23、在一些实施例中,所述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,包括:
24、基于所述第一模型文档树中元素节点的父级属性信息,调整所述第二模型文档树的节点的父子级关系。
25、在一些实施例中,基于所述xml文本文件,生成目标神经网络模型,包括:
26、基于所述预设的统一建模标准,解析所述xml文本文件,生成指定深度学习框架下的模型训练信息;
27、基于所述模型训练信息,完成指定深度学习框架下的神经网络模型的训练,生成所述目标神经网络模型。
28、第二方面,本技术实施例还提供一种可视化神经网络模型生成和训练的装置,包括:
29、第一获取模块,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;
30、第一转换模块,用于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;
31、第一生成模块,用于基于所述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。
32、在一些实施例中,所述第一转换模块包括第一生成子模块,第一转换子模块,第一执行子模块,其中:
33、所述第一生成子模块用于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;
34、所述第一转换子模块用于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;
35、所述第一执行子模块用于将所述第二模型文档树文本序列化,得到所述xml文本文件。
36、在一些实施例中,所述第一转换子模块包括第一遍历单元,第一确定单元,第一转换单元和第二转换单元,其中:
37、所述第一遍历单元用于遍历所述第一模型文档树中的元素节点;
38、所述第一确定单元用于确定所述第一模型文档树中的元素节点和元素连线;
39、所述第一转换单元用于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;
40、所述第二转换单元用于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。
41、在一些实施例中,所述第一转换单元包括:
42、第一读取子单元,用于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;
43、第一生成子单元,用于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。
44、在一些实施例中,所述第一转换单元包括:
45、第二读取子单元,用于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;
46、第二生成子单元,用于基于所述当前节点编号的节点类型信息,生成对应的所述第二模型文档树的节点。
47、在一些实施例中,所述第二转换单元包括:
48、第一确定子单元,用于确定所述第一模型文档树中边属性为第二预设值的节点为连线节点;
49、第二确定子单元,用于确定所述连线节点的元素连线关系;
50、第三确定子单元,用于基于所述连线节点的元素连线关系,确定所述连线节点对应的所述第二模型文档树的节点的父子级关系。
51、在一些实施例中,所述第二转换单元包括:
52、第一调整子单元,用于基于所述第一模型文档树中元素节点的父级属性信息,调整所述第二模型文档树的节点的父子级关系。
53、在一些实施例中,所述第一生成模块包括第二生成子模块,第三生成子模块,其中:
54、所述第二生成子模块用于基于所述预设的统一建模标准,解析所述xml文本文件,生成指定深度学习框架下的模型训练信息;
55、所述第三生成子模块用于基于所述模型训练信息,完成指定深度学习框架下的神经网络模型的训练,生成所述目标神经网络模型。
56、第三方面,本技术实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述可视化神经网络模型生成和训练的方法。
57、第四方面,本技术实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述可视化神经网络模型生成和训练的方法。
58、第五方面,本技术实施例还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述可视化神经网络模型生成和训练的方法。
59、本技术实施例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。