[發明專利]一種深度學習模型可視化構建系統及其應用和設計方法

在審

• 申請號: 202110632104.4
• 申請日: 2021-06-07
• 公開（公告）號: CN113537496A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 李暉;李一水;周彧
• 申請（專利權）人: 貴州優聯博睿科技有限公司
• 主分類號: G06N3/10
• 分類號: G06N3/10;G06N3/04;G06N3/08;G06F8/34;G06F8/10;G06F8/20;G06T7/00;G06K9/62
• 代理公司: 北京華創智道知識產權代理事務所(普通合伙) 11888
• 代理人: 彭隨麗

本發明公開了一種深度學習模型可視化構建系統及其應用和設計方法，所述深度學習模型可視化構建系統包括用戶管理模塊和業務功能模塊，所述用戶管理模塊用于對用戶進行分類以及提供權限；所述業務功能模塊包括數據管理模塊、模型定義模塊、模型訓練模塊和模型可視化模塊，所述數據管理模塊用于對訓練數據集進行管理和存取，所述模型定義模塊用于定義模型結構且給用戶提供常用的深度學習算法，所述模型可視化模塊用于對預訓練模型進行可視化。本發明的系統能夠在瀏覽器Web頁面中以可視化的方式定義、設置和構建深度學習模型，并在深度學習訓練過程中可視化展示模型進行推理預測的過程，捕捉各網絡層的輸出信息，動態展示層與層之間數據流動的過程。

技術領域

本發明涉及深度學習技術領域，特別涉及一種深度學習模型可視化構建系統及其應用和設計方法。

背景技術

近年來，深度學習被廣泛應用到醫療、工業、金融等不同行業，為這些傳統行業帶來新的生產活動方式。深度學習模型在諸多任務中都取得了很好的成績。然而，端到端的訓練模式使得神經網絡就如同一個“黑盒子”，其內部的工作機制缺乏可解釋性。在利用深度學習模型進行推理預測時，人們往往很難理解模型的工作原理。神經網絡的“黑盒子”特性促進了深度學習可視化技術的研究。深度學習可視化技術主要使用神經網絡特征可視化的方法來分析、解釋模型的工作機制。

如今，深度學習技術的推廣和應用面臨著兩個方面的問題：一是深度學習模型開發流程復雜，主流的深度學習框架不能提供簡單易用的一體化模型構建流程；二是深度學習模型的構建和預測過程可解釋性較弱，人們難以理解深度神經網絡的內部工作機制。

發明內容

本發明的主要目的是提出一種深度學習模型可視化構建系統及其應用和設計方法，旨在解決深度學習模型開發流程復雜以及構建和預測過程可解釋性較弱的問題。

為解決上述技術問題，本發明提出一種深度學習模型可視化構建系統，包括：

用戶管理模塊，用于對用戶進行分類以及提供權限；

業務功能模塊，包括數據管理模塊、模型定義模塊、模型訓練模塊和模型可視化模塊，所述數據管理模塊用于對訓練數據集進行管理和存取，所述模型定義模塊用于在瀏覽器Web頁面中以可視化的方式定義和設置模型結構且給用戶提供常用的深度學習算法，所述模型訓練模塊用于超參數設置、模型訓練、模型評估和模型管理，所述模型可視化模塊用于對預訓練模型進行可視化。

可選的，用戶管理模塊還包括管理員模塊和普通用戶模塊，所述管理員模塊用以設置管理員管理用戶及其權限，所述普通用戶模塊用以個人登錄注冊和個人信息管理。

可選的，所述模型定義模塊包括神經網絡結構設計子模塊和通用深度學習算法庫子模塊，所述神經網絡結構設計子模塊用以使用戶基于瀏覽器可視化地設計神經網絡的結構以及配置模型參數，所述通用深度學習算法庫子模塊用以使用戶直接調用深度學習領域中經典的算法。

可選的，所述模型可視化模塊包括網絡結構可視化子模塊和特征圖可視化子模塊，所述網絡結構可視化子模塊用于3D及動態呈現神經網絡的結構，所述特征圖可視化子模塊用于可視化地展現各網絡層生成的特征圖。

可選的，還包括數據庫，所述數據庫包括用戶信息表、模型信息表、數據集信息表以及模型訓練工作流表，分別用于存儲用戶信息、模型信息、數據集信息和模型訓練的相關信息。

可選的，所述用戶信息包括用戶編號、用戶名稱、用戶密碼和用戶等級；所述模型信息包括模型編號、模型名稱、模型存儲路徑、創建模型的用戶編號、模型創建時間、模型描述和預訓練模型；所述數據集信息包括數據集編號、數據集名稱、數據集存儲路徑和數據集的創建信息；所述模型訓練的相關信息包括訓練工作流編號、用戶編號、訓練開始和結束時間、模型編號、數據集編號和日志文件存儲路徑。

可選的，所述數據庫采用MYSQL數據庫。