CN108268362A - 一种在NVcaffe框架下绘制曲线图的方法及装置 - Google Patents
一种在NVcaffe框架下绘制曲线图的方法及装置 Download PDFInfo
- Publication number
- CN108268362A CN108268362A CN201810161509.2A CN201810161509A CN108268362A CN 108268362 A CN108268362 A CN 108268362A CN 201810161509 A CN201810161509 A CN 201810161509A CN 108268362 A CN108268362 A CN 108268362A
- Authority
- CN
- China
- Prior art keywords
- curve graph
- nvcaffe
- frames
- target variable
- test
- 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
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
- G06F11/321—Display for diagnostics, e.g. diagnostic result display, self-test user interface
- G06F11/322—Display of waveforms, e.g. of logic analysers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种在NVcaffe框架下绘制曲线图的方法,通过调用plot函数库中的相关函数,实现将训练模型测试输出的日志中的目标变量的数据列表绘制于曲线图中,并通过plot函数库中的show函数显示绘制成的曲线图。相比于现有技术中调用NVcaffe自带的绘图工具,实现了在NVcaffe框架下显示训练、测试数据的曲线图,更方便用户对训练模型进行调整。本发明还提供一种在NVcaffe框架下绘制训练数据曲线图的装置及计算机可读存储介质,具有上述有益效果,在此不再赘述。
Description
技术领域
本发明涉及计算机软件领域,特别是涉及一种在NVcaffe框架下绘制训练数据曲线图的方法、装置及计算机可读存储介质。
背景技术
NVCaffe是NVIDIA基于BVLC-Caffe针对NVIDIAGPU,尤其是多GPU加速优化的开源深度学习框架。在使用NVCaffe进行训练数据、测试模型,当迭代次数非常大的时候,难免会想图形化展示实验结果,这样既便于训练过程中参数的调整,也便于最后成果的展示。
在现有技术中,用户可以通过调用NVCaffe提供的绘图工具绘制训练数据的曲线图。但是NVCaffe没有提供显示曲线图的工具,用户只能在本地文件夹中查看曲线图,当用户需要根据曲线图调试模型参数时,需要在本地文件夹中找到曲线图的图片。
因此,如何使用户能够直接在NVCaffe框架下查看训练、测试数据的曲线图,以方便调试参数,是本领域技术人员需要解决的技术问题。
发明内容
本发明的目的是提供一种在NVcaffe框架下绘制曲线图的方法、装置及计算机可读存储介质,用于使用户能够直接在NVCaffe框架下查看训练、测试数据的曲线图,以方便调试参数。
为解决上述技术问题,本发明提供一种在NVcaffe框架下绘制曲线图的方法,包括:
分析对训练模型测试输出的日志得到各目标变量的数据列表;
调用plot函数库中的相关函数,依据所述数据列表将各所述目标变量绘制于曲线图上;
调用所述plot函数库中的show函数显示所述曲线图。
可选地,所述目标变量包括迭代次数或秒数中的任一项,以及Test accuracy、Test loss、Train learning rate、Train loss中的至少两项;
所述调用plot函数库中的相关函数,依据所述数据列表将各所述目标变量绘制在曲线图上具体为:
调用所述plot函数库中的相关函数,依据所述数据列表将各所述目标变量绘制于同一张所述曲线图中。
可选地,所述分析所述日志得到各目标变量的数据列表具体为:
根据各所述目标变量编写正则表达式,由所述正则表达式解析所述训练日志,以提取所述数据列表。
可选地,所述plot函数库具体为Matplotlib.pyplot中的plot函数库。
可选地,在显示所述曲线图之前,还包括:
检查并删除所述曲线图上多余的点。
可选地,在显示所述曲线图之后,还包括:
保存所述曲线图。
可选地,在分析所述日志之前,还包括:
在Centos系统上部署NVCaffe的测试环境;
设置相关参数,启动对训练模型的测试;
保存测试输出的所述日志。
可选地,所述相关参数包括取点间距、最大迭代次数和每批处理样本的个数。
为解决上述技术问题,本发明还提供一种在NVcaffe框架下绘制训练数据曲线图的装置,包括:
存储器,用于存储指令,所述指令包括如上述任一项所述在NVcaffe框架下绘制训练数据曲线图的方法的步骤;
处理器,用于执行所述存储器中的指令。
为解决上述技术问题,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述在NVcaffe框架下绘制训练数据曲线图的方法的步骤。
本发明提供的在NVcaffe框架下绘制曲线图的方法,通过调用plot函数库中的相关函数,实现将训练模型测试输出的日志中的目标变量的数据列表绘制于曲线图中,并通过plot函数库中的show函数显示绘制成的曲线图。相比于现有技术中调用NVcaffe自带的绘图工具,实现了在NVcaffe框架下显示训练、测试数据的曲线图,更方便用户对训练模型进行调整。本发明还提供一种在NVcaffe框架下绘制训练数据曲线图的装置及计算机可读存储介质,具有上述有益效果,在此不再赘述。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,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为本发明实施例提供的第一种在NVcaffe框架下绘制曲线图的方法的流程图;
图2为本发明实施例提供的第二种在NVcaffe框架下绘制曲线图的方法的流程图;
图3为本发明实施例提供的第三种在NVcaffe框架下绘制曲线图的方法的流程图;
图4为本发明实施例提供的一种在NVcaffe框架下绘制训练数据曲线图的装置的结构示意图。
具体实施方式
本发明的核心是提供一种在NVcaffe框架下绘制曲线图的方法、装置及计算机可读存储介质,用于使用户能够直接在NVCaffe框架下查看训练、测试数据的曲线图,以方便调试参数。
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在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的第一种在NVcaffe框架下绘制曲线图的方法的流程图。如图1所示,在NVcaffe框架下绘制曲线图的方法包括:
S10:分析对训练模型测试输出的日志得到各目标变量的数据列表;
S11:调用plot函数库中的相关函数,依据数据列表将各目标变量绘制于曲线图上;
S12:调用plot函数库中的show函数显示曲线图。
对于步骤S10来说,对训练模型测试输出的日志可以来自于采用预先保存在文件夹中的日志,也可以在NVcaffe框架下对训练模型进行测试后调用输出的日志。
对训练模型进行训练具体可包括:在Centos系统上部署NVCaffe的测试环境;设置相关参数,启动对训练模型的测试;保存测试输出的日志。其中,相关参数可以包括取点间距、最大迭代次数和每批处理样本的个数(一个参考值包括取点间距为100,最大迭代次数为6000,每批处理样本的个数为128)。
启动测试并保留测试输出的日志可通过如下设置实现:
--solver=Vgg-face/codes/solver.prototxt--gpu=0 2>&1|tee/mnt/caffe/log/alexnet.test.log
目标变量中的横坐标可以在迭代次数或秒数中选择,纵坐标可以在Testaccuracy、Test loss、Train learning rate、Train loss中选择。
可以根据所选的目标变量编写正则表达式,由正则表达式解析训练日志以提取数据列表,并将数据列表以数组的形式输出。
对于步骤S11来说,可以采用matlab进行绘图,也可以采用python下的matplotlib进行绘图。通过预先试验,得到python下的matplotlib画出来的曲线图更为清晰,效果更好,因此可选用plot函数库具体为pathon的Matplotlib.pyplot中的plot函数库。
对于步骤S12来说,调用plot函数库中的show函数,即在NVCaffe的指令输入窗口输入调用show函数的指令,即可显示曲线图,以便测试人员根据曲线图对训练模型进行改进。
本发明实施例提供的在NVcaffe框架下绘制曲线图的方法,通过调用plot函数库中的相关函数,实现将训练模型测试输出的日志中的目标变量的数据列表绘制于曲线图中,并通过plot函数库中的show函数显示绘制成的曲线图。相比于现有技术中调用NVcaffe自带的绘图工具,实现了在NVcaffe框架下显示训练、测试数据的曲线图,更方便用户对训练模型进行调整。
在上述实施例的基础上,在另一实施例中,目标变量包括迭代次数或秒数中的任一项,以及Test accuracy、Test loss、Train learning rate、Train loss中的至少两项;步骤S11具体为:调用plot函数库中的相关函数,依据数据列表将各目标变量绘制于同一张曲线图中。
在具体实施中,目标变量包括迭代次数或秒数中的任一项,以及Test accuracy、Test loss、Train learning rate、Train loss中的至少两项,即以迭代次数或秒数中的任一项作为横坐标,以Test accuracy、Test loss、Train learning rate、Train loss中的至少两项作为纵坐标。在选择时,可根据各目标变量的极差等参数判断目标变量是否适合画在同一张曲线图中,避免曲线图显示效果不佳。
如果选择以一个自变量、两个因变量绘制曲线图,可以在NVcaffe的指令输入窗口输入生成双轴曲线图的命令,生成横坐标、纵坐标,调用plot函数将目标变量的数据列表中的数据绘于双轴曲线图中。
本发明实施例提供的在NVcaffe框架下绘制曲线图的方法,选择的目标变量包括迭代次数或秒数中的任一项,以及Test accuracy、Test loss、Train learning rate、Train loss中的至少两项;而后依据数据列表将各目标变量绘制于同一张曲线图中。现有技术中在NVcaffe框架下只能绘制单轴曲线图,即只能绘制一个因变量对应一个自变量的曲线图,这样不方便测试人员进行对比观察,而本发明实施例提供的NVcaffe框架下绘制曲线图的方法可以实现绘制双轴曲线,即在同一曲线图中对比两个目标变量与迭代次数或者秒数的关系,更方便测试人员对训练模型的质量做出判断。
图2为本发明实施例提供的第二种在NVcaffe框架下绘制曲线图的方法的流程图。如图2所示,在上述实施例的基础上,在另一实施例中,在步骤S12之前,还包括:
S20:检查并删除曲线图上多余的点。
在具体实施中,调用plot函数绘制的曲线图可能会有不均匀的点,即多余的点,为了使曲线图更加平滑美观、易于观察,需要检查并删除曲线图上多余的点。
在上述实施例的基础上,绘制以Train loss值和Test accuracy值为纵坐标,以迭代次数为横坐标的曲线图可以基于以下程序实现:
def draw_loss(self):
ax1=plt.subplots();生成单轴曲线
ax2=ax1.twinx();生成另一纵轴
t1=self.out_put.max_iter+self.out_put.display;设置横坐标终点
t2=self.out_put.display;设置取点间距(隔多少张打印一次)
t3=self.out_put.train_loss;设置train_loss值
t4=np.arange(0,t1,t2);生成横轴
del t3[1]
del t3[1]
del t3[-2];删除多余的点
ax1.plot(t4,t3);生成train_loss值的纵轴
ax2.plot(self.out_put.test_iter*np.arange(len(self.out_put.test_accu)),self.out_put.test_accu,"r");生成test accuracy值的纵轴
ax1.set_xlabel("Iteration");调用迭代次数对应的数据列表
ax1.set_ylabel("train loss");调用train loss值对应的数据列表
ax2.set_ylabel("test accuracy");调用test accuracy值对应的数据列表
plt.show();调用show函数显示曲线图
图3为本发明实施例提供的第三种在NVcaffe框架下绘制曲线图的方法的流程图。如图3所示,在上述实施例的基础上,在另一实施例中,在步骤S12之后,还包括:
S30:保存曲线图。
在调用show函数显示曲线图之后,窗口会跳出另存为选项框,此时选择保存曲线图,可以方便做训练模型的测试结果记录,以便后续分析。
上文详述了在NVcaffe框架下绘制训练数据曲线图的方法对应的各个实施例,在此基础上,本发明还公开了与上述方法对应的在NVcaffe框架下绘制训练数据曲线图的装置。
图4为本发明实施例提供的一种在NVcaffe框架下绘制训练数据曲线图的装置的结构示意图。如图4所示,在NVcaffe框架下绘制训练数据曲线图的装置400可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)410(例如,一个或一个以上处理器)和存储器420,一个或一个以上存储应用程序433或数据432的存储介质430(例如一个或一个以上海量存储设备)。其中,存储器420和存储介质430可以是短暂存储或持久存储。存储在存储介质430的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对计算装置中的一系列指令操作。更进一步地,处理器410可以设置为与存储介质430通信,在计算机装置400上执行存储介质430中的一系列指令操作。
在NVcaffe框架下绘制训练数据曲线图的装置400还可以包括一个或一个以上电源440,一个或一个以上有线或无线网络接口450,一个或一个以上输入输出接口440,和/或,一个或一个以上操作系统431,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
上述图1至图3所描述的在NVcaffe框架下绘制训练数据曲线图的方法中的步骤由在NVcaffe框架下绘制训练数据曲线图的装置400基于该图4所示的结构实现。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的计算机装置及计算机可读存储介质的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法、装置、计算机装置及计算机可读存储介质,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,功能调用装置,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本发明所提供的一种在NVcaffe框架下绘制训练数据曲线图的方法、装置及计算机可读存储介质进行了详细介绍。说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种在NVcaffe框架下绘制曲线图的方法,其特征在于,包括:
分析对训练模型测试输出的日志得到各目标变量的数据列表;
调用plot函数库中的相关函数,依据所述数据列表将各所述目标变量绘制于曲线图上;
调用所述plot函数库中的show函数显示所述曲线图。
2.根据权利要求1所述的方法,其特征在于,所述目标变量包括迭代次数或秒数中的任一项,以及Test accuracy、Test loss、Train learning rate、Train loss中的至少两项;
所述调用plot函数库中的相关函数,依据所述数据列表将各所述目标变量绘制在曲线图上具体为:
调用所述plot函数库中的相关函数,依据所述数据列表将各所述目标变量绘制于同一张曲线图中。
3.根据权利要求1所述的方法,其特征在于,所述分析所述日志得到各目标变量的数据列表具体为:
根据各所述目标变量编写正则表达式,由所述正则表达式解析所述训练日志,以提取所述数据列表。
4.根据权利要求1所述的方法,其特征在于,所述plot函数库具体为Matplotlib.pyplot中的plot函数库。
5.根据权利要求1所述的方法,其特征在于,在显示所述曲线图之前,还包括:
检查并删除所述曲线图上多余的点。
6.根据权利要求1所述的方法,其特征在于,在显示所述曲线图之后,还包括:
保存所述曲线图。
7.根据权利要求1所述的方法,其特征在于,在分析所述日志之前,还包括:
在Centos系统上部署NVCaffe的测试环境;
设置相关参数,启动对训练模型的测试;
保存测试输出的所述日志。
8.根据权利要求7所述的方法,其特征在于,所述相关参数包括取点间距、最大迭代次数和每批处理样本的个数。
9.一种在NVcaffe框架下绘制训练数据曲线图的装置,其特征在于,包括:
存储器,用于存储指令,所述指令包括权利要求1至8任一项所述在NVcaffe框架下绘制训练数据曲线图的方法的步骤;
处理器,用于执行所述存储器中的指令。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述在NVcaffe框架下绘制训练数据曲线图的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810161509.2A CN108268362A (zh) | 2018-02-27 | 2018-02-27 | 一种在NVcaffe框架下绘制曲线图的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810161509.2A CN108268362A (zh) | 2018-02-27 | 2018-02-27 | 一种在NVcaffe框架下绘制曲线图的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108268362A true CN108268362A (zh) | 2018-07-10 |
Family
ID=62774474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810161509.2A Pending CN108268362A (zh) | 2018-02-27 | 2018-02-27 | 一种在NVcaffe框架下绘制曲线图的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108268362A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109920030A (zh) * | 2019-03-18 | 2019-06-21 | 武汉轻工大学 | 基于平面方程的自动绘图方法、设备、存储介质及装置 |
CN110134909A (zh) * | 2019-05-23 | 2019-08-16 | 武汉轻工大学 | 曲面绘制方法、设备、存储介质及装置 |
CN111553485A (zh) * | 2020-04-30 | 2020-08-18 | 深圳前海微众银行股份有限公司 | 基于联邦学习模型的视图显示方法、装置、设备及介质 |
CN114070388A (zh) * | 2020-08-03 | 2022-02-18 | 中检赛辰技术服务有限公司 | 一种光纤测试数据录入管理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105045698A (zh) * | 2015-07-27 | 2015-11-11 | 浪潮集团有限公司 | 使用python的matplotlib分析芯片验证进度的方法 |
CN107480725A (zh) * | 2017-08-23 | 2017-12-15 | 京东方科技集团股份有限公司 | 基于深度学习的图像识别方法、装置和计算机设备 |
CN107506775A (zh) * | 2016-06-14 | 2017-12-22 | 北京陌上花科技有限公司 | 模型训练方法及装置 |
-
2018
- 2018-02-27 CN CN201810161509.2A patent/CN108268362A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105045698A (zh) * | 2015-07-27 | 2015-11-11 | 浪潮集团有限公司 | 使用python的matplotlib分析芯片验证进度的方法 |
CN107506775A (zh) * | 2016-06-14 | 2017-12-22 | 北京陌上花科技有限公司 | 模型训练方法及装置 |
CN107480725A (zh) * | 2017-08-23 | 2017-12-15 | 京东方科技集团股份有限公司 | 基于深度学习的图像识别方法、装置和计算机设备 |
Non-Patent Citations (2)
Title |
---|
WINDCLOUDHA: "Caffe绘制loss和accuracy曲线", 《新浪博客》 * |
布客飞龙: "Matplotlib 中文用户指南 3.1 pyplot 教程", 《简书》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109920030A (zh) * | 2019-03-18 | 2019-06-21 | 武汉轻工大学 | 基于平面方程的自动绘图方法、设备、存储介质及装置 |
CN110134909A (zh) * | 2019-05-23 | 2019-08-16 | 武汉轻工大学 | 曲面绘制方法、设备、存储介质及装置 |
CN110134909B (zh) * | 2019-05-23 | 2023-05-12 | 武汉轻工大学 | 曲面绘制方法、设备、存储介质及装置 |
CN111553485A (zh) * | 2020-04-30 | 2020-08-18 | 深圳前海微众银行股份有限公司 | 基于联邦学习模型的视图显示方法、装置、设备及介质 |
CN114070388A (zh) * | 2020-08-03 | 2022-02-18 | 中检赛辰技术服务有限公司 | 一种光纤测试数据录入管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108268362A (zh) | 一种在NVcaffe框架下绘制曲线图的方法及装置 | |
EP3139297A1 (en) | Malware determination device, malware determination system, malware determination method, and program | |
CN103927356B (zh) | 广告拦截方法及装置 | |
CN105677654B (zh) | 广告过滤方法及装置 | |
CN109376264A (zh) | 一种音频检测方法、装置、设备及计算机可读存储介质 | |
CN106201890B (zh) | 一种应用的性能优化方法及服务器 | |
CN110209795A (zh) | 评论识别方法、装置、计算机可读存储介质和计算机设备 | |
CN109446095A (zh) | 一种页面展示速度的测试方法、装置及电子设备 | |
CN104239206B (zh) | 网页测试方法和装置 | |
WO2012107874A1 (en) | Capture, aggregate, and use search activities as a source of social data within an enterprise | |
CN106896937A (zh) | 用于输入信息的方法和装置 | |
CN106919711A (zh) | 基于人工智能的标注信息的方法和装置 | |
CN106571146A (zh) | 噪音信号确定方法、语音去噪方法及装置 | |
CN106708813A (zh) | 一种标题处理方法及设备 | |
CN105653441B (zh) | 一种ui遍历测试方法与系统 | |
CN107562847A (zh) | 信息处理方法及相关产品 | |
CN104408036B (zh) | 关联话题的识别方法和装置 | |
CN106294584B (zh) | 排序模型的训练方法及装置 | |
CN103997492B (zh) | 一种适配系统及方法 | |
CN111128130B (zh) | 语音数据处理方法和装置及电子装置 | |
CN112818219A (zh) | 解释推荐效果的方法、系统、电子设备及可读存储介质 | |
CN107943635A (zh) | 一种存储设备的测试方法、装置及介质 | |
WO2023115831A1 (zh) | 应用程序的测试方法、装置、电子设备及存储介质 | |
CN107844526B (zh) | 一种基于知识库的词汇关系链分析方法、系统及装置 | |
CN110297751A (zh) | 页面元素的检测方法、装置、存储介质及处理器 |
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: 20180710 |