[發(fā)明專利]一種人工智能算法開發(fā)系統(tǒng)、訓練方法、設(shè)備及介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010430392.0
• 申請日: 2020-05-20
• 公開（公告）號: CN111612132A
• 公開（公告）日: 2020-09-01
• 發(fā)明（設(shè)計）人: 莫一夫;劉文松;潘岐深;張壯領(lǐng);陳彩娜;鄭松源;畢明利
• 申請（專利權(quán)）人: 廣東電網(wǎng)有限責任公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06F16/951
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 沈闖

本申請公開了一種人工智能算法開發(fā)系統(tǒng)、訓練方法、設(shè)備及介質(zhì)，系統(tǒng)包括：數(shù)據(jù)準備模塊，用于獲取待處理數(shù)據(jù)，對待處理數(shù)據(jù)進行預處理，標注預處理后的待處理數(shù)據(jù)；模型搭建模塊，用于選擇待處理數(shù)據(jù)對應(yīng)的算法模型以及調(diào)節(jié)算法模型的參數(shù)；模型訓練模塊，用于采用分布式的訓練方法對算法模型進行訓練。本申請開發(fā)的人工智能算法開發(fā)系統(tǒng)實現(xiàn)了人工智能算法全流程的快捷應(yīng)用，且對用戶的知識門檻要求較低。

技術(shù)領(lǐng)域

本申請涉及深度學習技術(shù)領(lǐng)域，尤其涉及一種人工智能算法開發(fā)系統(tǒng)、訓練方法、設(shè)備及介質(zhì)。

背景技術(shù)

深度學習的整個開發(fā)流程涉及數(shù)據(jù)管理、數(shù)據(jù)標注、模型搭建、模型訓練，模型部署等。但各個開發(fā)的階段都需要不同的工具、技術(shù)、人員等，并不能做到真正的一體化流程，在開發(fā)過程中除了需要擁有相應(yīng)平臺上的開發(fā)經(jīng)驗，還需要大量深度學習算法相關(guān)知識，這提高了深度學習開發(fā)的門檻。有必要針對深度學習算法開發(fā)的需求進行研究分析，開發(fā)一套滿足應(yīng)用需求的開發(fā)平臺。

發(fā)明內(nèi)容

本申請實施例提供了一種人工智能算法開發(fā)系統(tǒng)、訓練方法、設(shè)備及介質(zhì)，解決了現(xiàn)有技術(shù)中對開發(fā)人員知識門檻要求較高，且難以完成全流程應(yīng)用的技術(shù)問題。

有鑒于此，本申請第一方面提供了一種人工智能算法開發(fā)系統(tǒng)，所述系統(tǒng)包括：

數(shù)據(jù)準備模塊，用于獲取待處理數(shù)據(jù)，對所述待處理數(shù)據(jù)進行預處理，標注預處理后的所述待處理數(shù)據(jù)；

模型搭建模塊，用于選擇所述待處理數(shù)據(jù)對應(yīng)的算法模型以及調(diào)節(jié)所述算法模型的參數(shù)；

模型訓練模塊，用于采用分布式的訓練方法對所述算法模型進行訓練。

可選的，所述數(shù)據(jù)準備模塊包括：

數(shù)據(jù)導入模塊，用于從預先準備的數(shù)據(jù)庫中獲取所述待處理數(shù)據(jù)，或者根據(jù)所述待處理數(shù)據(jù)的特征從互聯(lián)網(wǎng)中爬取所述待處理數(shù)據(jù)；

數(shù)據(jù)預處理模塊，用于對所述待處理數(shù)據(jù)進行數(shù)據(jù)去噪、數(shù)據(jù)增強以及自定義的預處理方法；

數(shù)據(jù)標注模塊，用于對所述待處理數(shù)據(jù)進行標注，所述標注包括分類標注、位置標注以及視頻追蹤。

可選的，所述模型搭建模塊包括

模型選擇模塊，用于選擇內(nèi)置的所述算法模型或者根據(jù)需要自定義設(shè)置所述算法模型的結(jié)構(gòu)；

參數(shù)設(shè)置模塊，用于調(diào)節(jié)內(nèi)置的所述算法模型的參數(shù)或者根據(jù)自定義的所述算法模型的結(jié)構(gòu)設(shè)置對應(yīng)的模型參數(shù)。

可選的，所述模型訓練模塊包括：

分布式訓練模塊，用于對分布式的主機分配相應(yīng)的資源，設(shè)置所述算法模型的監(jiān)控指標；

進度監(jiān)控模塊，用于實時監(jiān)控所述算法模型的性能以及所述主機計算資源的消耗。

可選的，還包括：

模型部署模塊，用于對所述算法模型進行壓縮，并將壓縮后的算法模型文件轉(zhuǎn)譯成不同的參數(shù)和文件，使得壓縮后的所述算法模型適應(yīng)于不同的設(shè)備終端。

可選的，所述模型部署模塊包括：

模型壓縮模塊，用于將所述算法模型壓縮成多種壓縮等級的算法模型文件，使得所述算法模型適應(yīng)于不同的設(shè)備終端；

模型生成模塊，將所述算法模型文件轉(zhuǎn)譯成適應(yīng)于設(shè)備終端的參數(shù)和文件。

本申請第二方面提供一種人工智能算法訓練方法，所述方法包括：

獲取待處理數(shù)據(jù)，將所述待處理數(shù)據(jù)進行預處理，標注預處理后的所述待處理數(shù)據(jù)；

選擇所述待處理數(shù)據(jù)對應(yīng)的算法模型以及調(diào)節(jié)所述算法模型的參數(shù)；