[发明专利]一种深度学习模型的评估方法

权利要求书

1.一种深度学习模型的评估方法，其特征在于，包括：

确定深度学习模型和测试集，将所述测试集输入所述深度学习模型，用以完成模型评估并生成评估结果；

根据一次过滤参数过滤所述评估结果，获得满足第一预设条件的评估结果，记作基础结果；

计算所述基础结果对应的混淆矩阵，获得新的评估结果，记作技术结果；

根据二次过滤参数过滤所述基础结果和所述技术结果，获得满足第二预设条件的评估结果，记作过滤结果；

计算所述过滤结果对应的混淆矩阵，用以展示评估结果。

2.根据权利要求1所述的深度学习模型的评估方法，其特征在于，所述一次过滤参数包括多个参数值；

根据所述多个参数值中的每个参数值分别过滤所述评估结果，获得满足第一预设条件的评估结果；其中所述多个参数值包括第一参数值、第二参数值以及第三参数值；根据第一参数值过滤所述评估结果，获得满足第一预设条件的评估结果，记作第一评估结果；根据第二参数值过滤所述评估结果，获得满足第二预设条件的评估结果，记作第二评估结果；根据第三参数值过滤所述评估结果，获得满足第三预设条件的评估结果，记作第三评估结果；

将第一评估结果、第二评估结果以及第三评估结果记作基础结果。

3.根据权利要求1所述的深度学习模型的评估方法，其特征在于，所述获得满足第二预设条件的评估结果的步骤，包括：

将不满足所述第二预设条件的评估结果标识为无效，记作无效结果。

4.根据权利要求3所述的深度学习模型的评估方法，其特征在于，还包括：

根据三次过滤参数过滤所述过滤结果和所述无效结果，获得满足第三预设条件的评估结果，记作再滤结果；

计算所述再滤结果对应的混淆矩阵，用以展示评估结果。

5.根据权利要求1所述的深度学习模型的评估方法，其特征在于，所述根据一次过滤参数过滤所述评估结果获得满足第一预设条件的评估结果的步骤，包括：

判断所述评估结果是否满足所述第一预设条件；

若满足所述第一预设条件，则保存评估结果；

若不满足所述第一预设条件，则删除评估结果；

判断是否还有评估结果需要过滤；

若无评估结果需要过滤，则根据保存的评估结果生成基础结果。

6.根据权利要求3所述的深度学习模型的评估方法，其特征在于，所述根据二次过滤参数过滤所述基础结果和所述技术结果获得满足第二预设条件的评估结果的步骤，包括：

判断所述基础结果是否满足过滤条件；

若所述基础结果满足过滤条件，则标记基础结果为有效；

若所述基础结果不满足过滤条件，则标记基础结果为无效；

判断是否还有基础数据需要过滤；

若没有基础数据需要过滤，则生成过滤结果。

7.根据权利要求1所述的深度学习模型的评估方法，其特征在于，还包括：

获取过滤数据；

判断过滤结果是否有效；

若过滤结果有效，则以第一预设方式显示；

若过滤结果无效，则以第二预设方式显示；

判断是否还有过滤数据需要显示；

若没有过滤数据需要显示，则显示混淆矩阵。

8.一种深度学习模型的评估系统，其特征在于，所述系统被配置为：

确定深度学习模型和测试集，将所述测试集输入所述深度学习模型，用以完成模型评估并生成评估结果；

根据一次过滤参数过滤所述评估结果，获得满足第一预设条件的评估结果，记作基础结果；

计算所述基础结果对应的混淆矩阵，获得新的评估结果，记作技术结果；

根据二次过滤参数过滤所述基础结果和所述技术结果，获得满足第二预设条件的评估结果，记作过滤结果；

计算所述过滤结果对应的混淆矩阵，用以展示评估结果。

9.一种计算机，其特征在于，应用上述权利要求1-7任一一项所述的深度学习模型的评估方法。

10.一种终端设备，其特征在于，应用上述权利要求1-7任一一项所述的深度学习模型的评估方法。