[发明专利]神经网络模型的可视化建模方法和装置

说明书

本发明提供了神经网络模型的可视化建模方法和装置，通过为深度学习框架中的各个运算方法与各个对象/实例构建映射关系，并为各个对象/实例构建对应的可视化控件，并将输入输出关系映射为可视化有向弧，当接收到对至少一个可视化控件的操作时，根据操作的每一个可视化控件对应的对象/实例以及映射关系，确定节点集合；当接收到对至少一个可视化有向弧的操作时，根据操作的每一个所述可视化有向弧和所述输入输出关系，确定依赖关系集合；当接收到建模请求时，初始化预先构建的源码文件；基于深度学习框架和初始化后的源码文件，利用节点集合和依赖关系集合，生成对应的神经网络模型。本发明提供的方案实现了对神经网络模型进行可视化构建。

技术领域

本发明涉及计算机技术领域，特别涉及神经网络模型的可视化建模方法和装置。

背景技术

神经网络模型的自学习功能，使其在系统辨识、模式识别、智能控制等领域有着广泛而吸引人的前景。但是，目前建立神经网络模型方式主要是，基于深度学习框架和深度学习框架支持的编程语言，为业务流程编写程序代码，并按照编写好的程序代码和深度学习框架，转化为对应的神经网络模型。目前这种神经网络模型的构建过程，只有在后续将神经网络模型转化为决策树之类的可视化图形之后，才能被用户了解。对于不懂程序代码和深度学习框架的用户来说，只能根据决策树之类的可视化图形，查看该神经网络模型是否存在错误，如果存在错误，还需要重新检测程序代码等。如果能够对神经网络模型进行可视化构建，用户将能实时监控神经网络模型构建过程，从而保证神经网络模型构建的准确性。

发明内容

本发明实施例提供了神经网络模型的可视化建模方法和装置，实现了可视化构建神经网络模型。

神经网络模型的可视化建模方法，为深度学习框架中的各个运算方法与各个对象/实例构建映射关系，并为各个所述对象/实例构建对应的可视化控件，并将输入输出关系映射为可视化有向弧，还包括：

当接收到对至少一个所述可视化控件的操作时，根据操作的每一个所述可视化控件对应的对象/实例以及所述映射关系，确定节点集合；

当接收到对至少一个所述可视化有向弧的操作时，根据操作的每一个所述可视化有向弧和所述输入输出关系，确定依赖关系集合；

当接收到建模请求时，初始化预先构建的源码文件；

基于所述深度学习框架和初始化后的所述源码文件，利用所述节点集合和所述依赖关系集合，生成对应的神经网络模型。

可选地，

所述对至少一个所述可视化控件的操作，包括：将一个可视化控件移入可识别区域，并为移入的所述可视化控件添加可视化参数；或者，将位于可识别区域中的一个可视化控件移出可识别区域，并删除移出的所述可视化控件对应的可视化参数；

所述对至少一个所述可视化有向弧的操作，包括：在所述可视化区域中，任两个可视化控件之间绘制所述可视化有向弧，或者，删除绘制的可视化有向弧。

可选地，上述方法进一步包括：

定义节点集合V，V＝{v_i|v_i＝(type，params)}，其中，v_i表征第i个节点；type表征第i个节点对应的运算方法；params表征第i个节点对应的参数；

初始化所述节点集合为

所述确定节点集合，包括：

针对操作的每一个所述可视化控件执行下述N1至N3：