CN106843832A - 深度学习的管理系统 - Google Patents
深度学习的管理系统 Download PDFInfo
- Publication number
- CN106843832A CN106843832A CN201611176608.5A CN201611176608A CN106843832A CN 106843832 A CN106843832 A CN 106843832A CN 201611176608 A CN201611176608 A CN 201611176608A CN 106843832 A CN106843832 A CN 106843832A
- Authority
- CN
- China
- Prior art keywords
- training
- module
- management system
- data
- result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
Abstract
本发明公开了一种深度学习的管理系统,该深度学习的管理系统包括:管理系统基于server‑client模式,包括客户端和服务器端;客户端包括均为可视化的数据获取模块、模型建立模块、训练模块、以及结果分析模块;其中,数据获取模块通过数据接口获取数据;模型建立模块用于根据数据获取模块获取的数据和网络层建立训练模型;训练模块用于根据训练模型进行训练;结果分析模块用于对训练的结果进行分析并生成分析结果。通过采用server‑client模式能够使客户端轻型化,并通过均为可视化的各个模块,更加便于用户操作;通过设置数据接口获取可以获取第三方软件提供的数据,保证了本发明的管理系统对第三方软件均具有友好性。
Description
技术领域
本发明涉及互联网高性能计算技术领域,具体来说,涉及一种深度学习的管理系统。
背景技术
众所周知,深度学习在大数据处理、人工智能分析等方面占有越来越重要的地位。越来越多的大公司投入了巨大的资源对深度学习进行深入研究,证明了其在商业领域具有巨大的潜力。除此之外,其在科学研究上的应用则早已成熟,很多重大研究成果的发现都有着深度学习的影子。比如,发明人利用深度学习方法对显微成像拍摄的三维脑膜图片进行学习及分类,能够为科研人员提供详细的参考信息。
目前而言,大部分用于深度学习的机器学习软件包都是命令形式的,只适用于开发人员使用。但对于其它行业的用户来说,则上手十分困难。例如,Nvidia公司为在采用开源软件caffe作为自己的演示软件后,开发了一个网页演示软件digits,使深度学习在商业上的应用跨出了新的一步,但是该软件有一个极大的缺点就是与caffe绑定的太过于紧密,可视化的模块完全与caffe耦合在一起,很难移植到其它程序上。因此,一个友好的可视化界面就显得非常有必要。
针对相关技术中的上述问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的上述问题,本发明提出一种深度学习的管理系统,能够便于用户使用。
本发明的技术方案是这样实现的:
根据本发明的一个方面,提供了一种深度学习的管理系统,该管理系统基于server-client模式,包括客户端和服务器端;客户端包括均为可视化的数据获取模块、模型建立模块、训练模块、以及结果分析模块;其中,数据获取模块通过数据接口获取数据;模型建立模块用于根据数据获取模块获取的数据和网络层建立训练模型;训练模块用于根据训练模型进行训练;结果分析模块用于对训练的结果进行分析并生成分析结果。
优选地,训练模块包括动态跟踪子模块,动态跟踪子模块用于对训练的过程进行动态跟踪以得到训练误差、验证误差、以及验证精度。
优选地,训练包括多个训练周期;其中,结果分析模块用于对各个训练周期的结果分别进行分析并存储分析结果。
优选地,结果分析模块还用于对多个训练周期对应的多个结果进行统计分析。
优选地,分析结果包括图形化的分析结果。
优选地,数据获取模块包括数据分析子模块,数据分析子模块用于对获取的数据进行分析并生成分布图。
优选地,客户端为可移动智能终端。
本发明通过采用server-client模式能够使客户端轻型化,并通过均为可视化的各个模块,更加便于用户操作;通过设置数据接口获取可以获取第三方软件提供的数据,保证了本发明的管理系统对第三方软件均具有友好性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的深度学习的管理系统的框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
根据本发明的实施例,提供了一种深度学习的管理系统。
如图1所示,根据本发明实施例的深度学习的管理系统包括:管理系统基于server-client模式,包括客户端20和服务器端10;
所管理系统的客户端10包括均为可视化的数据获取模块、模型建立模块、训练模块、以及结果分析模块(未示出);
其中,数据获取模块通过数据接口获取数据;模型建立模块用于根据获取的数据和网络层建立训练模型;训练模块用于根据训练模型进行训练;结果分析模块用于对训练的结果进行分析并生成分析结果。
用户在客户端20可通过网页进行操作,远程的服务器端10中的服务程序可接收客户端20发来的请求,根据请求进行计算并返回结果至客户端20。具体地,用户可以在网页中首先进入数据获取模块来根据需要读入第三方软件创建的数据,之后再进入模型建立模块来选择适合的网络层创建训练模型。
server-client模式能够使客户端20变得非常轻型化,且可以远程监控大型服务器的计算,使用起来非常方便。且上述各模块均为可视化的模块,更加便于用户操作。通过设置数据接口获取可以获取第三方软件提供的数据,保证了本发明的管理系统对第三方软件都具有友好性,且能够对大多数的第三方软件提供简单方便的支持。
在一个实施例中,客户端为可移动智能终端,例如智能手机和平板电脑。能够使用户实时实地检测管理系统的运行概况。可选地,客户端也可以是台式电脑。
在一个实施例中,数据获取模块可包括数据分析子模块,数据分析子模块可以对获取的数据进行分析并生成分布图。具体地,数据获取模块可以读入第三方软件创建的数据,数据获取模块可以将读入的数据转化为所需要的格式并保存在数据库里,并且对读入的数据进行统计分析并做出分布图等,以方便后面的模型训练过程。
进一步地,模型建立模块可以获取网络层并根据网络层和数据获取模块获取的数据来建立训练模型。其中,网络层可以在数据库中进行选择,用户也可以根据需要自定义网络层。该网络层也可以是可视化的,以便进行能够对复杂的网络层进行修改。
在一个实施例中,训练模块可以包括动态跟踪子模块,该动态跟踪子模块可以对训练的过程进行动态跟踪以得到训练误差、验证误差、以及验证精度。能够在训练过程中对训练误差、验证误差、验证精度等进行动态跟踪,方便用户及时掌握训练信息,避免不必要的错误计算。
在一个实施例中,训练包括多个训练周期;其中,结果分析模块用于对各个训练周期的结果分别进行分析并存储分析结果。
优选地,分析结果包括图形化的分析结果。
进一步地,结果分析模块还用于对多个训练周期对应的多个结果进行统计分析。具体地,训练分为多个的训练周期,对应每一个训练周期的结果可以生成一个用于记载分析结果的图片,都能够保存起来,可以下载和上传。用户还可以根据实际需要,对结果分析模块的分析结果进行设置。
综上,借助于本发明的上述技术方案,通过采用server-client模式能够使客户端轻型化,且可以远程监控大型服务器的计算,使用起来非常方便;并通过均为可视化的模块,更加便于用户操作;通过设置数据接口获取可以获取第三方软件提供的数据,保证了本发明的管理系统对第三方软件都具有友好性,且能够对大多数的第三方软件提供简单方便的支持;还能够在训练过程中对训练误差、验证误差、验证精度等进行动态跟踪,方便用户及时掌握训练信息,避免不必要的错误计算。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种深度学习的管理系统,其特征在于,
所述管理系统基于server-client模式,包括客户端和服务器端;
所述客户端包括均为可视化的数据获取模块、模型建立模块、训练模块、以及结果分析模块;
其中,所述数据获取模块通过数据接口获取数据;
所述模型建立模块用于根据所述数据获取模块获取的数据和网络层建立训练模型;
所述训练模块用于根据所述训练模型进行训练;
所述结果分析模块用于对所述训练的结果进行分析并生成分析结果。
2.根据权利要求1所述的深度学习的管理系统,其特征在于,所述训练模块包括动态跟踪子模块,所述动态跟踪子模块用于对所述训练的过程进行动态跟踪以得到训练误差、验证误差、以及验证精度。
3.根据权利要求1所述的深度学习的管理系统,其特征在于,
所述训练包括多个训练周期;
其中,结果分析模块用于对各个训练周期的结果分别进行分析并存储分析结果。
4.根据权利要求3所述的深度学习的管理系统,其特征在于,
结果分析模块还用于对多个训练周期对应的多个结果进行统计分析。
5.根据权利要求1所述的深度学习的管理系统,其特征在于,分析结果包括图形化的分析结果。
6.根据权利要求1所述的深度学习的管理系统,其特征在于,所述数据获取模块包括数据分析子模块,所述数据分析子模块用于对所述获取的数据进行分析并生成分布图。
7.根据权利要求1所述的深度学习的管理系统,其特征在于,所述客户端为可移动智能终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611176608.5A CN106843832A (zh) | 2016-12-19 | 2016-12-19 | 深度学习的管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611176608.5A CN106843832A (zh) | 2016-12-19 | 2016-12-19 | 深度学习的管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106843832A true CN106843832A (zh) | 2017-06-13 |
Family
ID=59139511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611176608.5A Pending CN106843832A (zh) | 2016-12-19 | 2016-12-19 | 深度学习的管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106843832A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109408175A (zh) * | 2018-09-28 | 2019-03-01 | 北京赛博贝斯数据科技有限责任公司 | 通用高性能深度学习计算引擎中的实时交互方法及系统 |
CN109558940A (zh) * | 2018-11-09 | 2019-04-02 | 深圳市康拓普信息技术有限公司 | 一种深度学习模型训练的管理方法和系统 |
CN111582493A (zh) * | 2020-04-15 | 2020-08-25 | 马鞍山师范高等专科学校 | 一种深度学习模型训练的管理系统 |
CN111898742A (zh) * | 2020-08-05 | 2020-11-06 | 上海眼控科技股份有限公司 | 一种用于监控神经网络模型训练状态的方法与设备 |
CN112578679A (zh) * | 2019-09-30 | 2021-03-30 | 北京国双科技有限公司 | 控制系统及方法、存储介质及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123500A (zh) * | 2014-07-22 | 2014-10-29 | 卢永强 | 一种基于深度学习的Android平台恶意应用检测方法及装置 |
CN105205396A (zh) * | 2015-10-15 | 2015-12-30 | 上海交通大学 | 一种基于深度学习的安卓恶意代码检测系统及其方法 |
CN106202997A (zh) * | 2016-06-29 | 2016-12-07 | 四川大学 | 一种基于深度学习的细胞分裂检测方法 |
-
2016
- 2016-12-19 CN CN201611176608.5A patent/CN106843832A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123500A (zh) * | 2014-07-22 | 2014-10-29 | 卢永强 | 一种基于深度学习的Android平台恶意应用检测方法及装置 |
CN105205396A (zh) * | 2015-10-15 | 2015-12-30 | 上海交通大学 | 一种基于深度学习的安卓恶意代码检测系统及其方法 |
CN106202997A (zh) * | 2016-06-29 | 2016-12-07 | 四川大学 | 一种基于深度学习的细胞分裂检测方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109408175A (zh) * | 2018-09-28 | 2019-03-01 | 北京赛博贝斯数据科技有限责任公司 | 通用高性能深度学习计算引擎中的实时交互方法及系统 |
CN109558940A (zh) * | 2018-11-09 | 2019-04-02 | 深圳市康拓普信息技术有限公司 | 一种深度学习模型训练的管理方法和系统 |
CN112578679A (zh) * | 2019-09-30 | 2021-03-30 | 北京国双科技有限公司 | 控制系统及方法、存储介质及电子设备 |
CN112578679B (zh) * | 2019-09-30 | 2024-02-13 | 北京国双科技有限公司 | 控制系统及方法、存储介质及电子设备 |
CN111582493A (zh) * | 2020-04-15 | 2020-08-25 | 马鞍山师范高等专科学校 | 一种深度学习模型训练的管理系统 |
CN111582493B (zh) * | 2020-04-15 | 2023-07-28 | 马鞍山师范高等专科学校 | 一种深度学习模型训练的管理系统 |
CN111898742A (zh) * | 2020-08-05 | 2020-11-06 | 上海眼控科技股份有限公司 | 一种用于监控神经网络模型训练状态的方法与设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106843832A (zh) | 深度学习的管理系统 | |
CN108280365B (zh) | 数据访问权限管理方法、装置、终端设备及存储介质 | |
CN103067502A (zh) | 一种开发测试云的硬件系统 | |
CN103049383A (zh) | 一种开发测试云系统 | |
Li et al. | Big data GIS | |
CN106155769B (zh) | 一种工作流处理方法、装置及工作流引擎 | |
CN105653559A (zh) | 用于在数据库中进行搜索的方法和装置 | |
CN112528639B (zh) | 对象识别方法和装置、存储介质及电子设备 | |
CN105955208A (zh) | 一种基于云平台的网络机器人数据控制系统 | |
CN110399533A (zh) | 资金流向查询方法及装置 | |
Simpson | Rethinking university museums: Material collections and the changing world of higher education | |
CN102999850A (zh) | 智慧服务商店的应用方法 | |
CN105022789A (zh) | 一种基于地理位置和特征图像的植物物种鉴定方法及系统 | |
CN107920126A (zh) | 一种云环境下的分布式空间大数据管理方法 | |
CN105279255A (zh) | 一种知识技能依赖关系结构化教学资源的利用方法 | |
CN104299464A (zh) | 电力安全技能仿真培训系统 | |
CN108965404A (zh) | 云网健康服务系统及方法 | |
CN114240672B (zh) | 绿色资产的占比的识别方法及相关产品 | |
CN107357810A (zh) | 一种用于输出专题落地页的方法及系统 | |
CN108197194A (zh) | 一种报案信息的处理方法及系统 | |
CN108153678A (zh) | 一种测试任务处理方法及装置 | |
CN113836235A (zh) | 基于数据中台的数据处理方法及其相关设备 | |
Davuluri et al. | A Security Model for Perceptive 5G-Powered BC IoT Associated Deep Learning | |
CN110474905A (zh) | 实体识别方法、装置、电子设备和存储介质 | |
CN109445896A (zh) | 一种智能终端用户界面数据采集系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170613 |