[发明专利]一种基于可视化的卷积神经网络的方法

权利要求书

1.一种基于可视化的卷积神经网络的方法，其特征在于，包括以下步骤：

S1、首先通过预处理，将传统单一输出的卷积神经网络模型转换为拥有中间层输出的TensorSpace适配模型；

S2、使用TensorSpace来对经过预处理的模型可视化，创建一个层对象堆栈，然后模型中根据设计顺序，插入不同的层对象；

S3、在完成模型结构的创建之后，load来载入对应的神经网络模型，然后使用init来创建所有的层对象，predict方法将接管所有层对象关于数据预测的处理；

S4、当神经网络模型进行预测计算时：所有中间层的输出数据将在其对应的TensorSpace层进行渲染，不同层之间的关系将由关系连线所连接；

S5、特征图上的信息将由文本组件展示，所有的可视化组件与神经网络模型都通过“模型”进行连结。

2.根据权利要求1所述的一种基于可视化的卷积神经网络的方法，其特征在于，所述在步骤S1中TensorSpace适配模型展示卷积神经网络模型中间层预测数据、直观演示模型推测过程，方便查看数据。

3.根据权利要求1所述的一种基于可视化的卷积神经网络的方法，其特征在于，所述在步骤S2中TensorSpace模型结构有两种方式：顺序式模型和函数式模型，以顺序式模型为例，通过Sequential创建一个层对象堆栈。

4.根据权利要求3所述的一种基于可视化的卷积神经网络的方法，其特征在于，所述在步骤S3中自定义卷积神经网络层，并设置卷积神经网络特征抽取函数参数，生成卷积神经网络特征抽取程序。

5.根据权利要求4所述的一种基于可视化的卷积神经网络的方法，其特征在于，所述通过自定义参数生成卷积神经网络的层，所述参数包括图片大小、剪切大小、均值文件、图像文件列表和图像位置，根据图像文件列表计算网络迭代次数写入shell文件作为特征抽取函数的参数，生成卷积神经网络特征抽取程序，同时指定需要抽取的层。