[发明专利]一种深度学习模型标准化训练方法、管理系统、处理终端

权利要求书

1.一种深度学习模型标准化训练方法，其特征在于，该深度学习模型标准化训练方法包括以下步骤：

步骤一、处理训练所需数据，对收集到的数据进行清洗、整理、标注，并进行数据检查；

步骤二、数据格式转换，将得到的数据进行格式转化，将整理标注好的数据转换成一组可线性读取的文件；

步骤三、为模型制定训练策略，为模型训练设置参数；

步骤四、开始训练，分析模型训练过程中产生的日志文件，监控模型训练过程；

步骤五、结果测试，在训练完成后对模型进行测试以查看训练效果。

2.根据权利要求1所述的深度学习模型标准化训练方法，其特征在于，在步骤一中，

首先对初始数据进行清洗，包括：删除无用、错误的数据，并进行重命名，统一数据名字；

然后，数据标注，标注模型训练所需要的样本；

最后，检查数据和标注内容。

3.根据权利要求1所述的深度学习模型标准化训练方法，其特征在于，在步骤二中，对得到的标注结果和数据进行序列化和格式化转换；转换后的格式是将数据和标注内容进行统一，对其进行序列化并将其存储在一组可线性读取的二进制格式文件中；可视化转换后的格式进行数据检查。

4.根据权利要求1所述的深度学习模型标准化训练方法，其特征在于，在步骤三中，为深度学习模型训练分别配置网络参数、数据输入方式、模型迭代步数；

在进行深度学习模型标准化训练的同时，也对标准步骤进行监控和检查；

监控检查部分为：数据处理部分、模型参数配置部分、模型迭代训练配置部分。

5.根据权利要求1所述的深度学习模型标准化训练方法，其特征在于，在步骤四中，分析日志文件过程包括：跟踪和可视化损失及准确率指标、可视化模型图、查看权重、偏差，以及张量随时间变化的直方图、显示图片、文字和音频数据；

监控检查训练过程包括：查看模型训练的损失及准确率变化是否正常，权重、偏差，以及张量随时间变化的直方图是否符合预期。

6.根据权利要求1所述的深度学习模型标准化训练方法，其特征在于，在步骤五中，在训练完成后对模型进行测试以查看训练效果的具体内容为：

使用进行格式转换后的测试数据输入网络，使用模型对输入数据进行推理，得到测试数据的预测结果；

使用得到的推理结果与标注的结果进行对比，判断推理结果是否正确；

根据对比结果，对模型进行评分；

如果模型评分达到要求，则训练完成；如果未达到，则退回到步骤二。

7.一种实现如权利要求1-6任意一项所述深度学习模型标准化训练方法的管理系统，其特征在于，应用于数据处理终端，该深度学习模型标准化管理系统包括：

数据管理模块，通过标准化训练方法，对训练数据进行数据清洗、标注、格式转换的处理，为数据处理提供相应的工具；

训练过程管理模块，对模型的训练进行管理，模型训练需要前期数据管理模型提供的数据作为基础，通过设定相关参数配置训练策略，并对模型训练过程的状态进行可视化以用于实时监控模型训练的效果；

模型测试模块，该模块用于在模型训练结束后，选定一种评价方式对训练的模型进行测试，得到评价结果，用于评价所训练模型的优劣。

8.根据权利要求7所述的深度学习模型标准化管理系统，其特征在于，所述数据管理模块包括：

数据增删查改模块，为数据清洗提供基础；

标注模块，在数据清洗完成的基础上进行标注，在提供标注功能的同时，也会实时监控标注进度和统计标注内容，并实时保存；

格式转换、解析模块，用于对标注好的数据进行格式转换以及转换后的内容检查。