CN109726818B - 一种模型编辑方法、装置、设备和介质 - Google Patents
一种模型编辑方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN109726818B CN109726818B CN201811643509.2A CN201811643509A CN109726818B CN 109726818 B CN109726818 B CN 109726818B CN 201811643509 A CN201811643509 A CN 201811643509A CN 109726818 B CN109726818 B CN 109726818B
- Authority
- CN
- China
- Prior art keywords
- model
- preset
- user
- demand
- training data
- 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.)
- Active
Links
Images
Landscapes
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了一种模型编辑方法、装置、设备和介质,所述模型编辑方法包括:获取用户所需模型的模型分类;从预设的视图中,确定与所述模型分类对应的预设模型和训练数据;基于所述训练数据和所述预设模型,生成针对所述用户所需模型编辑需求的需求模型。通过本申请实施例不需要用户通过编辑代码来实现用户所需模型的编辑,用户只需了解到自己所需模型的类别,根据模型的类别在视图中就可以实现用户所需预设模型的编辑,用户不需对编辑代码进行深入的了解,就可编辑出用户所需的预设模型,使得非专业人员可以简便的实现预设模型的编辑,提高了用户对预设算法编辑的效率。
Description
技术领域
本申请涉及数据处理领域,尤其涉及一种模型编辑方法、装置、设备和介质。
背景技术
随着工业的飞速发展,工业领域中各类生产制造、工艺流程、经营理念、管理经验等各种无形的数字资产越来越多,为了便于对这些数字资产的管理,需要将这些数字资产转变成工业算法模型。
现有技术中,工业算法模型是需要用专业领域技术人员的编程实现的,但是,对于非专业领域的用户来说,用编程编辑工业算法模型是非常困难的。
发明内容
有鉴于此,本申请的目的在于提供了一种模型编辑方法、装置、设备和介质,解决了现有技术中非专业人员无法编辑工业算法模型的问题。
第一方面,本申请实施例提供了一种模型编辑方法,包括:
获取用户所需模型的模型分类;
从预设的视图中,确定与所述模型分类对应的预设模型和训练数据;
基于所述训练数据和所述预设模型,生成针对所述用户所需模型编辑需求的需求模型。
可选的,所述基于所述训练数据和所述预设模型,生成针对所述用户需求模型编辑需求的需求模型,包括:
将所述训练数据输入到所述预设模型进行训练;
将完成训练的预设模型作为所述需求模型。
可选的,在所述生成针对所述用户需求模型编辑需求的需求模型之后,还包括:
获取与所述模型分类对应的未标注测试数据和对应的已标注测试数据;
将所述未标注测试数据输入到所述需求模型,得到所述需求模型的第一输出结果;
根据所述第一输出结果和所述已标注测试数据的比对结果,生成所述需求模型的测试结果。
可选的,在所述生成针对所述用户需求模型编辑需求的需求模型之后,还包括:
获取针对待处理对象的处理数据;
将所述处理数据输入到所述需求模型,得到第二输出结果;
基于所述第二输出结果,确定所述待处理对象的优化方案。
可选的,所述将所述训练数据输入到所述预设模型进行训练,包括:
利用测试脚本将所述训练数据输入到所述预设模型进行训练;
在所述利用测试脚本将所述训练数据输入到所述预设模型进行训练时,还包括:
获取测试脚本中的测试状态;
若所述测试脚本的测试状态为异常状态,则对所述测试脚本进行调试。
第二方面,本申请实施例提供了一种模型编辑装置,包括:
获取模块,用户获取用户所需模型的模型分类;
确定模块,用于从预设的视图中,确定与所述模型分类对应的预设模型和训练数据;
生成模块,用于基于所述训练数据和所述预设模型,生成针对所述用户所需模型编辑需求的需求模型。
可选的,所述生成模块据具体用于:
将所述训练数据输入到所述预设模型进行训练;
将完成训练的预设模型作为所述需求模型。
可选的,所述装置还包括:测试模块,所述测试模块具体用于:
获取与所述模型分类对应的未标注测试数据和对应的已标注测试数据;
将所述未标注测试数据输入到所述需求模型,得到所述需求模型的第一输出结果;
根据所述第一输出结果和所述已标注测试数据的比对结果,生成所述需求模型的测试结果。
第三方面,本申请实施例提供了一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述的方法的步骤。
本发明实施例提供的模型编辑方法,在视图中的预设模型有对应的预设模型分类,训练数据有对应的训练数据分类,获取到用户所需模型的模型分类,通过预设模型分类在视图中获取与模型分类对应的预设模型,以及通过训练数据分类在视图中获取与模型分类对应的训练数据,通过获取到的训练数据和预设算法生成与用户所需模型的编辑需求相同的需求模型,通过本申请实施例不需要用户通过编辑代码来实现用户所需模型的编辑,用户只需了解到自己所需模型的类别,根据模型的类别在视图中就可以实现用户所需预设模型的编辑,用户不需对编辑代码进行深入的了解,就可编辑出用户所需的预设模型,使得非专业人员可以简便的实现预设模型的编辑,提高了用户对预设算法编辑的效率,根据用户所需模型的类别可以简单快速的从视图中获取到与模型类别对应的训练数据,使得用户获取训练数据的效率更高,快速的获取训练数据和快速的编辑预设模型使得生成用户所需模型的耗时较短,进而,生成用户所需模型的效率更高。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的一种模型编辑方法的流程示意图;
图2为本申请实施例提供的一种模型测试方法的流程示意图;
图3为本申请实施例提供的一种模型分析方法的流程示意图;
图4为本申请实施例提供的一种模型编辑装置的结构示意图;
图5为本申请实施例提供的一种计算机设备500的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1所示,本申请实施例提供了一种模型编辑方法,包括:
101,获取用户所需模型的模型分类;
这里,用户所需模型是用户根据自己的需求想要得到的模型,模型分类是用户根据用户需求对模型进行的分类,如,预测类别、分类类别等。
具体的,在获取模型分类时,用户并不知道自己所需要的模型的模型分类,用户可以在搜索界面中的搜索框中输入对所需模型的需求描述,如,预测刀具的使用寿命、对一堆刀具进行质量分类等,根据用户输入的用户需求,得到用户所需模型的模型分类,并将模型分类显示在搜索界面中。其中,搜索界面是用于显示搜索框和显示搜索结果的界面,搜索框用于用户输入用户需求,并根据用户需求进行搜索,搜索框根据用户需求进行搜做是根据搜索指令执行的,搜索指令是通过用户点击搜索框的搜索虚拟按键发出的,或者搜索指令是通过用户点击键盘中的回车键发出的,发出搜索指令在现有技术中已有详细的描述,这里就不在一一赘述。通过获取用户所需模型的模型分类,可以使用户更加明确所需模型的模型分类,缩短了用户对所需模型的编辑时间,提高了用户编辑模型的效率。
例如,用户的需求是预测刀具的使用寿命,在搜索界面中的搜索框中输入“预测刀具的使用寿命”,点击搜索框的搜索按钮,根据用户需求“预测刀具的使用寿命”得到用户所需模型的分类为“预测类别”,并将“预测类别”显示在搜索界面中,以供用户查看。
用户的需求是对一堆刀具进行质量分类,在搜索界面中的搜索框中输入“对一堆刀具进行质量分类”,点击搜索框的搜索按钮,根据用户需求“对一堆刀具进行质量分类”得到用户所需模型的分类为“分类类别”,并将“分类类别”显示在搜索界面中,以供用户查看。
102,从预设的视图中,确定与模型分类对应的预设模型和训练数据;
这里,预设的视图是用来显示预设模型图标和训练数据图标的界面,在预设的视图中包括预设模型列表和训练数据列表,预设模型列表包括不同类别的预设模型图标,预设模型图标通过预设标识与预设模型进行关联,在获取预设模型时,通过该标识在预设模型数据库中获取预设模型,预设模型数据库用于存储预设模型,预设模型是预先设置好的函数,根据该函数的作用对该函数进行分类处理,并根据分类的类别标识该函数,如,预测函数、分类函数等,训练数据列表包括不同类别的训练数据图标,训练数据图标通过预设标识与训练数据进行关联,在获取训练数据时,通过该标识在训练数据数据库中获取训练数据,训练数据数据库用于存储训练数据,训练数据是用来确定函数参数的历史数据,根据该训练数据的数据内容对该训练数据进行分类,并根据分类的类别标识该训练数据,如,预测数据、分类数据等。预设标识是预先设置好的字符,如,1、2、3、A、B等。
具体的,根据用户得到的模型分类,在预设的视图的预设模型列表中查找与上述模型分类对应的预设模型图标,并将查找到的预设模型图标拖拽至指定的模型设置位置,在预设的视图的训练数据列表中查找与上述模型分类对应的训练数据图标,并将查找到的训练数据图标拖拽至指定的数据设置位置。
延续步骤101中预测刀具的使用寿命的示例,用户得到的模型分类为预测类别,在预设的视图的预设模型列表中查找与预测类别对应的预设模型图标,查找到预测函数图标,将预测函数图标拖拽至指定的模型设置位置,在预设的视图的训练数据列表中查找与预测类别对应的训练数据图标,查找到预测数据图标,并将预测数据图标拖拽至指定的数据设置位置。
延续步骤101中对一堆刀具进行质量分类示例,用户得到的模型分类为分类类别,在预设的视图的预设模型列表中查找与分类类别对应的预设模型图标,查找到分类函数图标,将分类函数图标拖拽至指定的模型设置位置,在预设的视图的训练数据列表中查找与分类类别对应的训练数据图标,查找到分类数据图标,并将分类数据图标拖拽至指定的数据设置位置。
103,基于训练数据和预设模型,生成针对用户所需模型编辑需求的需求模型。
这里,用户所需模型编辑需求是对用户所需模型的需求描述,需求模型是用户所需模型,如,预测刀具寿命的模型、刀具质量分类模型等。
具体的,在预设显示界面中的预设模型是通过预设模型图标表征的,训练数据是通过训练数据图标表征的,生成需求模型之前,需要将视图中预设模型图标和训练数据图标转换成代码,通过上述预设模型图标的标识在预设模型数据库中获取与上述预设模型图标关联的预设模型代码,通过上述训练数据图标的标识在训练数据数据库中获取与上述训练数据图标关联的训练数据,根据获取到的预设模型代码和训练数据,生成需求模型。
在步骤103中,包括:将训练数据输入到预设模型进行训练;
将完成训练的预设模型作为需求模型。
具体的,在生成需求模型时,将获取到的训练数据输入到预设模型所代表的函数中,对输入训练数据的函数进行计算,计算完成后得到该函数的至少一个参数值,将至少一个参数值带入到该函数中对应的各参数位置,得到用户的所需的需求模型。
例如,训练数据包括:y=3,x=1;y=5,x=2等,预设模型所代表的的函数为y=kx+b,将上述训练数据带入到函数y=kx+b中,可以计算得到参数k=2,b=1,将参数k的值和参数b的值带入到函数中,得到需求模型y=2x+1。
本发明实施例提供的模型编辑方法,在视图中的预设模型有对应的预设模型分类,训练数据有对应的训练数据分类,获取到用户所需模型的模型分类,通过预设模型分类在视图中获取与模型分类对应的预设模型,以及通过训练数据分类在视图中获取与模型分类对应的训练数据,通过获取到的训练数据和预设算法生成与用户所需模型的编辑需求相同的需求模型,通过本申请实施例不需要用户通过编辑代码来实现用户所需模型的编辑,用户只需了解到自己所需模型的类别,根据模型的类别在视图中就可以实现用户所需预设模型的编辑,用户不需对编辑代码进行深入的了解,就可编辑出用户所需的预设模型,使得非专业人员可以简便的实现预设模型的编辑,提高了用户对预设算法编辑的效率,根据用户所需模型的类别可以简单快速的从视图中获取到与模型类别对应的训练数据,使得用户获取训练数据的效率更高,快速的获取训练数据和快速的编辑预设模型使得生成用户所需模型的耗时较短,进而,生成用户所需模型的效率更高。
如图2所示,在步骤103之后,本申请实施例提供了一种模型测试方法,包括:
201,获取与模型分类对应的未标注测试数据和对应的已标注测试数据;
这里,未标注测试数据是输入到需求模型中的数据,已标注测试数据是检验需求模型是否准确的数据。
202,将未标注测试数据输入到需求模型,得到需求模型的第一输出结果;
这里,第一输出结果是需求模型在输入未标注测试数据后,经过结算得到的结果。
203,根据第一输出结果和已标注测试数据的比对结果,生成需求模型的测试结果。
这里,测试结果是根据比对结果得到的,测试结果可以为正确或者错误,当未标注测试数据和对应的已标注测试数据为多组数据时,测试结果可以用准确率表征,正确率是正确的比对结果数量与所有比对结果数量的百分比。正确的比对结果指的是第一输出结果与已标注测试数据相等。
例如,若将未标注测试数据输入到需求模型中,得到第一输出结果为y=7,已标注测试数据为y=7,将第一输出结果为y=7与已标注测试数据y=7进行比对,比对结果为第一输出结果与标注测试数据相等,则生成的测试结果为正确,表征该需求模型是用户需要的模型;若将未标注测试数据输入到需求模型中,得到第一输出结果为y=6,已标注测试数据为y=7,将第一输出结果为y=6与已标注测试数据y=7进行比对,比对结果为第一输出结果与标注测试数据不相等,则生成的测试结果为错误,表征该需求模型不是用户需要的模型。
在本申请实施例中,通过将未标注测试数据输入到需求模型得到第一输出结果,并将第一输出结果与已标注测试数据进行对比,判断该需求模型的输出结果是否正确,可以快速的判断出该需求模型是否为用户所需要的模型,提高了用户对该需求模型的校验效率,提高了用户体验。
如图3所示,在步骤103之后,本申请实施例提供了一种模型分析方法,包括:
301,获取针对待处理对象的处理数据;
这里,待处理对象是用户需要处理的对象,如,刀具、图片等,处理数据是待处理对象的信息数据。
302,将处理数据输入到需求模型,得到第二输出结果;
这里,第二输出结果是输入处理数据后的需求模型计算得到的。
303,基于第二输出结果,确定待处理对象的优化方案。
这里,优化方案是根据第二输出结果分析得到的。
例如,待处理对象是刀具,处理数据包括:生产日期、长短、厚度等,采用刀具预测的需求模型,将处理数据输入到刀具预测的需求模型中,计算该刀具预测的需求模型得到第二输出结果,根据第二输出结果分析得到该刀具可以通过定期打磨、定期清洗对该刀具进行保护。
本申请实施例,通过需求模型对待处理对象的处理数据进行处理,得到第二输出结果,根据第二输出结果的分析得到对该待处理对象的优化意见,通过本申请的实施例可以让用户快速的得到该处理对象的优化意见,该优化意见是第二输出结果经过计算机分析得到的,不需要用户通过自主意识分析得到,避免了因用户分析不全面导致分析结果不准确,导致优化方案不完善,通过计算机对第二输出结果进行分析,分析结果准确、全面使得分析方案更完善。
在步骤103中,将训练数据输入到预设模型进行训练,包括:
利用测试脚本将训练数据输入到预设模型进行训练;
这里,测试脚本是包括训练数据和预设模型代码的文本。
具体的,在预设的视图中包含有一个可视化的代码执行界面,在代码执行界面显示测试脚本,执行测试脚本的过程中可以对测试脚本进行调试。其中,代码执行界面包括调试虚拟按钮、停止调试虚拟按钮、重启调试虚拟按钮等,用户点击调试虚拟按钮可以对测试脚本进行调试,用户点击停止调试虚拟按钮可以对正在调试的测试脚本停止调试,用户点击重启调试虚拟按钮可以对停止调试的测试脚本重新进行调试。
在利用测试脚本将训练数据输入到预设模型进行训练时,还包括:
获取测试脚本中的测试状态;
这里,测试状态包括测试脚本每一个步骤的执行状态、每一个步骤的参数状态、每一个步骤得到的计算结果、以及该步骤对应的事件状态等,其中,执行状态是该步骤执行的第几次,参数状态是参数的值,计算结果是在该步骤处,根据参数的值计算得到的结果,事件状态是该步骤处所添加事件的执行结果,事件可以在测试脚本进行调试的过程中在对应的步骤处添加。
若测试脚本的测试状态为异常状态,则对测试脚本进行调试。
这里,异常状态是与用户的预设状态不对应的情况,如,计算结果与预设结果不一致等。
具体的,在代码执行界面点击调试虚拟按钮,执行测试脚本,用户观察测试脚本中每一个步骤的测试状态,若用户观察到该测试状态为异常状态,则用户可以在该测试脚本中重新编辑代码,若用户观察到测试脚本的步骤的测试状态为正常状态,则执行该步骤的下一步。
在本申请实施例中,可以通过在代码执行界面中调试测试脚本,用户可以观察到测试脚本中每个步骤的测试状态,根据该测试状态用户可以及时的找到该测试脚本的错误,并及时更正,使得用户可以得到更准确的测试脚本,进而,用户可以根据该测试脚本得到正确的需求模型,提高了用户得到需求模型的效率,以及该需求模型的准确率。
如图4所示,本申请实施例提供了一种模型编辑装置,包括:
获取模块401,用于获取用户所需模型的模型分类;
确定模块402,用于从预设的视图中,确定与模型分类对应的预设模型和训练数据;
生成模块403,用于基于训练数据和预设模型,生成针对用户所需模型编辑需求的需求模型。
可选的,生成模块据403具体用于:
将训练数据输入到预设模型进行训练;
将完成训练的预设模型作为需求模型。
可选的,装置还包括:测试模块404,测试模块404具体用于:
获取与模型分类对应的未标注测试数据和对应的已标注测试数据;
将未标注测试数据输入到需求模型,得到需求模型的第一输出结果;
根据第一输出结果和已标注测试数据的比对结果,生成需求模型的测试结果。
可选的,装置还包括:分析模块405,分析模块405具体用于:
获取针对待处理对象的处理数据;
将处理数据输入到需求模型,得到第二输出结果;
基于第二输出结果,确定待处理对象的优化方案。
可选的,装置还包括:调试模块406,调试模块406具体用于:
利用测试脚本将训练数据输入到预设模型进行训练;
在利用测试脚本将训练数据输入到预设模型进行训练时,还包括:
获取测试脚本中的测试状态;
若测试脚本的测试状态为异常状态,则对测试脚本进行调试。
对应于图1中的模型编辑方法,本申请实施例还提供了一种计算机设备500,如图5所示,该设备包括存储器501、处理器502及存储在该存储器501上并可在该处理器502上运行的计算机程序,其中,上述处理器502执行上述计算机程序时实现上述模型编辑方法的步骤。
具体地,上述存储器501和处理器502能够为通用的存储器和处理器,这里不做具体限定,当处理器502运行存储器501存储的计算机程序时,能够执行上述模型编辑方法,用于解决现有技术中非专业人员无法编辑工业算法模型的问题,在视图中的预设模型有对应的预设模型分类,训练数据有对应的训练数据分类,获取到用户所需模型的模型分类,通过预设模型分类在视图中获取与模型分类对应的预设模型,以及通过训练数据分类在视图中获取与模型分类对应的训练数据,通过获取到的训练数据和预设算法生成与用户所需模型的编辑需求相同的需求模型,通过本申请实施例不需要用户通过编辑代码来实现用户所需模型的编辑,用户只需了解到自己所需模型的类别,根据模型的类别在视图中就可以实现用户所需预设模型的编辑,用户不需对编辑代码进行深入的了解,就可编辑出用户所需的预设模型,使得非专业人员可以简便的实现预设模型的编辑,提高了用户对预设算法编辑的效率,根据用户所需模型的类别可以简单快速的从视图中获取到与模型类别对应的训练数据,使得用户获取训练数据的效率更高,快速的获取训练数据和快速的编辑预设模型使得生成用户所需模型的耗时较短,进而,生成用户所需模型的效率更高。
对应于图1中的视功能检查方法,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述模型编辑方法的步骤。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述模型编辑方法,用于解决现有技术中非专业人员无法编辑工业算法模型的问题,在视图中的预设模型有对应的预设模型分类,训练数据有对应的训练数据分类,获取到用户所需模型的模型分类,通过预设模型分类在视图中获取与模型分类对应的预设模型,以及通过训练数据分类在视图中获取与模型分类对应的训练数据,通过获取到的训练数据和预设算法生成与用户所需模型的编辑需求相同的需求模型,通过本申请实施例不需要用户通过编辑代码来实现用户所需模型的编辑,用户只需了解到自己所需模型的类别,根据模型的类别在视图中就可以实现用户所需预设模型的编辑,用户不需对编辑代码进行深入的了解,就可编辑出用户所需的预设模型,使得非专业人员可以简便的实现预设模型的编辑,提高了用户对预设算法编辑的效率,根据用户所需模型的类别可以简单快速的从视图中获取到与模型类别对应的训练数据,使得用户获取训练数据的效率更高,快速的获取训练数据和快速的编辑预设模型使得生成用户所需模型的耗时较短,进而,生成用户所需模型的效率更高。在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,又例如,多个单元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通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元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,服务器,或者网络设备等)执行本申请各个实施例所述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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种模型编辑方法,其特征在于,包括:
获取用户所需模型的模型分类;
从预设的视图中,确定与所述模型分类对应的预设模型和训练数据;
从预设的视图中,确定与所述模型分类对应的预设模型和训练数据,包括:
在预设的视图中,响应对与所述模型分类对应的预设模型的拖拽操作,将所述预设模型设置于模型设置位置,以及响应与所述模型分类对应的训练数据的拖拽操作,将所述训练数据设置于数据设置位置;
基于所述数据设置位置的训练数据和所述模型设置位置的预设模型,生成针对所述用户所需模型编辑需求的需求模型。
2.如权利要求1所述的方法,其特征在于,所述基于所述训练数据和所述预设模型,生成针对所述用户所需 模型编辑需求的需求模型,包括:
将所述训练数据输入到所述预设模型进行训练;
将完成训练的预设模型作为所述需求模型。
3.如权利要求1所述的方法,其特征在于,在所述生成针对所述用户所需 模型编辑需求的需求模型之后,还包括:
获取与所述模型分类对应的未标注测试数据和对应的已标注测试数据;
将所述未标注测试数据输入到所述需求模型,得到所述需求模型的第一输出结果;
根据所述第一输出结果和所述已标注测试数据的比对结果,生成所述需求模型的测试结果。
4.如权利要求1所述的方法,其特征在于,在所述生成针对所述用户所需 模型编辑需求的需求模型之后,还包括:
获取针对待处理对象的处理数据;
将所述处理数据输入到所述需求模型,得到第二输出结果;
基于所述第二输出结果,确定所述待处理对象的优化方案。
5.如权利要求2所述的方法,其特征在于,所述将所述训练数据输入到所述预设模型进行训练,包括:
利用测试脚本将所述训练数据输入到所述预设模型进行训练;
在所述利用测试脚本将所述训练数据输入到所述预设模型进行训练时,还包括:
获取测试脚本中的测试状态;
若所述测试脚本的测试状态为异常状态,则对所述测试脚本进行调试。
6.一种模型编辑装置,其特征在于,包括:
获取模块,用于获取用户所需模型的模型分类;
确定模块,用于从预设的视图中,确定与所述模型分类对应的预设模型和训练数据;在预设的视图中,响应对与所述模型分类对应的预设模型的拖拽操作,将所述预设模型设置于模型设置位置,以及响应与所述模型分类对应的训练数据的拖拽操作,将所述训练数据设置于数据设置位置;
生成模块,用于基于所述数据设置位置的训练数据和所述模型设置位置的预设模型,生成针对所述用户所需模型编辑需求的需求模型。
7.如权利要求6所述的装置,其特征在于,所述生成模块据具体用于:
将所述训练数据输入到所述预设模型进行训练;
将完成训练的预设模型作为所述需求模型。
8.如权利要求6所述的装置,其特征在于,所述装置还包括:测试模块,所述测试模块具体用于:
获取与所述模型分类对应的未标注测试数据和对应的已标注测试数据;
将所述未标注测试数据输入到所述需求模型,得到所述需求模型的第一输出结果;
根据所述第一输出结果和所述已标注测试数据的比对结果,生成所述需求模型的测试结果。
9.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1-5中任一项所述的方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质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运行时执行上述权利要求1-5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811643509.2A CN109726818B (zh) | 2018-12-29 | 2018-12-29 | 一种模型编辑方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811643509.2A CN109726818B (zh) | 2018-12-29 | 2018-12-29 | 一种模型编辑方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109726818A CN109726818A (zh) | 2019-05-07 |
CN109726818B true CN109726818B (zh) | 2021-08-17 |
Family
ID=66299526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811643509.2A Active CN109726818B (zh) | 2018-12-29 | 2018-12-29 | 一种模型编辑方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109726818B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106230792A (zh) * | 2016-07-21 | 2016-12-14 | 北京百度网讯科技有限公司 | 基于移动办公的机器学习方法、终端设备及系统 |
CN107169575A (zh) * | 2017-06-27 | 2017-09-15 | 北京天机数测数据科技有限公司 | 一种可视化机器学习训练模型的建模系统和方法 |
CN107563201A (zh) * | 2017-09-08 | 2018-01-09 | 北京奇虎科技有限公司 | 基于机器学习的关联样本查找方法、装置及服务器 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101071412A (zh) * | 2006-05-10 | 2007-11-14 | 何千军 | 一种基于自定义模型的神经网络分析系统及方法 |
US9037224B1 (en) * | 2010-08-02 | 2015-05-19 | Chi Yung Fu | Apparatus for treating a patient |
CN101930223A (zh) * | 2010-09-07 | 2010-12-29 | 曾谊晖 | 基于难加工金属数控加工工艺的智能筛选系统 |
CN106228185B (zh) * | 2016-07-20 | 2019-10-15 | 武汉盈力科技有限公司 | 一种基于神经网络的通用图像分类识别系统及方法 |
CN106709513A (zh) * | 2016-12-10 | 2017-05-24 | 中泰证券股份有限公司 | 一种基于有监督机器学习的证券配资账户识别方法 |
CN107463500B (zh) * | 2017-08-09 | 2020-05-01 | 网易(杭州)网络有限公司 | 测试脚本的调试方法、介质、系统和计算设备 |
-
2018
- 2018-12-29 CN CN201811643509.2A patent/CN109726818B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106230792A (zh) * | 2016-07-21 | 2016-12-14 | 北京百度网讯科技有限公司 | 基于移动办公的机器学习方法、终端设备及系统 |
CN107169575A (zh) * | 2017-06-27 | 2017-09-15 | 北京天机数测数据科技有限公司 | 一种可视化机器学习训练模型的建模系统和方法 |
CN107563201A (zh) * | 2017-09-08 | 2018-01-09 | 北京奇虎科技有限公司 | 基于机器学习的关联样本查找方法、装置及服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN109726818A (zh) | 2019-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9910487B1 (en) | Methods, systems and computer program products for guiding users through task flow paths | |
JP2014153721A (ja) | ログ可視化装置及び方法及びプログラム | |
CN108595343A (zh) | 应用程序的测试方法及装置 | |
EP2634733A1 (en) | Operations task management system and method | |
CN105183658A (zh) | 测试软件代码的方法及装置 | |
JP2001195483A (ja) | プロジェクトリスク管理支援装置及びその方法並びにプログラムを記憶した記憶媒体 | |
CN113220537A (zh) | 一种软件监控方法、装置、设备及可读存储介质 | |
Gitzel | Data Quality in Time Series Data: An Experience Report. | |
CN114303134A (zh) | 用于维护视觉一致性的方法、装置和计算机可读介质 | |
CN114924990A (zh) | 一种异常场景测试方法及电子设备 | |
CN115935035A (zh) | Rpa流程可视化管理方法、装置、设备及可读存储介质 | |
CN109726818B (zh) | 一种模型编辑方法、装置、设备和介质 | |
CN117350542A (zh) | 一种数字化交付数据可视化系统及其应用方法 | |
CN113672497B (zh) | 无埋点事件的生成方法、装置、设备及存储介质 | |
CN114185987A (zh) | 数据开发可视化方法、装置、设备及存储介质 | |
CN113469559A (zh) | 一种基于数据质量检查的质量位设计与展示方法及系统 | |
CN113326193A (zh) | 一种小程序测试方法及装置 | |
WO2016163008A1 (ja) | 異常診断装置および異常診断方法 | |
JP2013037478A (ja) | 作業工数算出装置、作業工数算出方法、およびプログラム | |
JP2020201982A (ja) | 稼働管理装置 | |
CN111143325A (zh) | 一种数据采集的监测方法、监测装置及可读存储介质 | |
CN111191999A (zh) | 产品研发管理方法、装置、计算机设备及存储介质 | |
CN105359111A (zh) | 用户界面检查方法、设备及程序 | |
JP2006018735A (ja) | コーディング規準遵守状況監視システム | |
Pushak et al. | Empirical scaling analyzer: An automated system for empirical analysis of performance scaling |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |