[发明专利]一种深度学习算法可视化方法以及图片可视化方法

说明书

本发明涉及一种深度算法可视化方法，包括：提供包含单个或多个可视化器和可视化后端的可视化模块，其中所述可视化器用于可视化，所述可视化后端用于存储可视化内容，且每个可视化器均与单个或多个可视化后端通信；确定调用的可视化器和可视化后端，并配置可视化器的参数和可视化后端的参数；根据配置参数初始化可视化器和可视化后端；存储并可视化深度学习算法的配置文件；可视化训练数据；可视化深度学习模型结构图；以及确定当前是深度学习模型的训练阶段或训练后，进行相应的可视化。该可视化方法能够以一种统一的调用方式对深度学习算法运行时的各个环节进行可视化分析，帮助快速分析深度学习模型。本发明还涉及一种图片可视化方法。

技术领域

本发明涉及深度学习与可视化技术领域，尤其涉及一种深度学习算法可视化方法以及图片可视化方法。

背景技术

深度学习算法的运行包含数据处理、神经网络模型推理、神经网络模型参数更新等过程。每个过程都涉及到复杂的计算，对每个过程产生的计算结果进行可视化分析可以有助于理解和分析每个过程的细节和神经网络模型的特点。

不同深度学习算法的运行过程会涉及不同的输入输出和多样化的可视化需求。现有的可视化方法主要存在以下缺点，一是使用的可视化工具针对特定深度学习算法进行设计和实现，难以被其他深度学习算法复用；二是现有的可视化工具只能可视化图片、文本等基本的数据，难以直接满足深度学习算法多样化的可视化需求。针对上述问题需要一种新的研究思路和解决方法。

发明内容

本发明的任务是提供一种深度学习算法可视化方法以及图片可视化方法，该可视化方法利用一种统一的可视化器模块进行可视化，能够以一种统一的调用方式对深度学习算法运行时的各个环节进行可视化分析，帮助快速分析深度学习模型，同时该可视化模块支持多种可视化后端，支持将可视化分析结果存储到相应的可视化后端中。

在本发明的第一方面，针对现有技术中存在的问题，本发明提供了一种深度算法可视化方法，包括：

提供包含单个或多个可视化器和可视化后端的可视化模块，其中所述可视化器用于可视化，所述可视化后端用于存储可视化内容，且每个可视化器均与单个或多个可视化后端通信；

确定调用的可视化器和可视化后端，并配置可视化器的参数和可视化后端的参数；

根据配置参数初始化可视化器和可视化后端；

存储并可视化深度学习算法的配置文件；

由相应的可视化器可视化训练数据，确定训练数据中的图片和标签是否正确，并存储在可视化后端；

由相应的可视化器可视化深度学习模型结构图，并存储在由相应的可视化后端；以及

确定当前状态是深度学习模型的训练阶段还是训练后，若是训练阶段，则进行模型参数训练和损失计算，然后由相应的可视化器可视化损失、学习率、训练中的特征图，并存储在相应的可视化后端，若是训练后，则由相应的可视化器可视化深度学习模型的预测推理结果以及深度学习模型的性能指标，并存储在相应的可视化后端。

在本发明的一个实施例中，根据任务确定单个或多个所述可视化器，其中所述可视化器包含绘制接口、后端接口和OpenMMLab数据格式可视化接口。

在本发明的一个实施例中，所述可视化器通过所述后端接口与单个或多个所述可视化后端通信，从而调用单个或多个所述可视化后端，将可视化的内容存储到所述可视化后端。

在本发明的一个实施例中，所述OpenMMLab数据格式可视化接口用于对OpenMMLab格式的数据样本进行绘制和存储。

在本发明的一个实施例中，所述绘制接口被配置为绘制检测框、掩码、文本、点、线以及特征图。