[发明专利]一种免编程深度学习应用的开发方法

说明书

本发明公开了一种免编程深度学习应用的开发方法，包括以下步骤：设定神经网络类型，根据神经网络类型设定待输入的原始数据的数据类型，对原始数据进行训练前处理，形成训练数据；于图形界面上显示构建的神经网络组件库和/或神经网络模板库，利用可视化操作在图形界面上搭建可视化的神经网络，并于图形界面上显示搭建操作过程；训练神经网络并显示训练指标；给定神经网络输入并运行显示推理结果。本发明公开的软件开发方法通过图形界面上显示构建的神经网络组件库和/或神经网络模板库，利用可视化操作在图形界面上搭建可视化的神经网络，并于图形界面上显示搭建操作过程构建神经网络，避免了传统需要通过软件编程、接口复杂、调试耗时长的技术问题。

技术领域

本发明设计软件开发领域，具体地说，涉及一种免编程深度学习应用的开发方法。

背景技术

深度学习技术发展迅速，在图像、声音和语义识别取得了长足的进步，在其他各个领域的应用研究也开始广泛开展。目前已有Tensorflow、Caffe、Keras、MXNet等深度学习框架，开发者可以利用这些工具进行深度学习的开发。目前基于这些深度学习框架开发，要求开发者熟悉被使用的框架和相关的编程语言，自己编写代码来实现，整个开发过程复杂，在熟悉框架接口、代码编写和调试都需要耗费较长时间，开发周期较长，不利于快速迭代开发。

发明内容

本发明的目的在于提供一种免编程深度学习应用的开发方法，旨在解决开发过程复杂周期较长的技术问题。

本发明公开了一种免编程深度学习应用的开发方法。

本发明公开的免编程深度学习应用的开发方法包括：

步骤1：设定神经网络类型，根据神经网络类型设定待输入的原始数据的数据类型，根据设定的数据类型对待输入的原始数据进行训练前处理，形成训练数据；

步骤2：于图形界面上显示构建的神经网络组件库和/或神经网络模板库，利用可视化操作在图像界面上搭建可视化的神经网络，并于图形界面上显示搭建操作过程；

步骤3：向搭建的神经网络输入训练数据，对神经网络设定网络超参数，神经网络根据网络超参数训练，并于图形界面上实时显示神经网络的训练指标；

步骤4：于图形界面上显示训练好的神经网络，并给定输入数据，根据神经网络的模型输出推理结果，并于图形界面上显示。

进一步地，步骤1包括以下步骤：

步骤11:选择和/或定义神经网络类型；

步骤12：根据神经网络类型确定所要使用到的数据类型；

步骤13：对原始数据进行训练前处理，以使原始数据按照确定的数据类型输入，满足神经网络类型需求，从而形成训练数据。

进一步地，神经网络类型至少包括用于处理分类任务的第一类型和用于处理语义分割任务的第二类型；

当神经网络为第一类型时，确定的数据类型为从原始图像数据转换，并满足第一类型的神经网络需求；

当神经网络为第二类型时，确定的数据类型为，将原始图像数据加载在显示区域显示，对显示区域显示的图像进行分割区域选取打标处理后的数据。

进一步地，对图像进行分割区域选取打标操作包括：

通过鼠标对分割区域进行选取；

使用任意多边形绘制、选择分割区域；

多个分割区域选取。

进一步地，神经网络组件库包括多种神经网络层的基本网络结构组件，神经网络模板库包含多个神经网络模板，步骤2包括以下步骤：

步骤21：将基本网络结构组件和/或神经网络模板拖拽至神经网络搭建区域，并在搭建区域显示；