CN112130851B - 一种用于人工智能的建模方法、电子设备和存储介质 - Google Patents
一种用于人工智能的建模方法、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112130851B CN112130851B CN202010772703.1A CN202010772703A CN112130851B CN 112130851 B CN112130851 B CN 112130851B CN 202010772703 A CN202010772703 A CN 202010772703A CN 112130851 B CN112130851 B CN 112130851B
- Authority
- CN
- China
- Prior art keywords
- operator
- component
- instruction
- connecting line
- identifier
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/38—Creation or generation of source code for implementing user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/34—Graphical or visual programming
Abstract
本发明提供了一种用于人工智能的建模方法,包括以下步骤:模型初始化:接收新建模块组件指令或编辑模块组件指令,生成菜单组件和视图组件;算子组件构建:接收选择算子标识的指令;接收复制指令;接收生成位置指令;在所述位置建立算子组件,所述算子组件抽取算子标识携带的信息;连线构建:判断连线输出节点,判断连线输入节点,在连线输出节点和连线输入节点之间构建有向连线;运行验证:接收运行指令,将数据沿有向连线在算子组件之间进行传递,将正在执行的算子组件进行突出显示,在算子组件上显示运行结果。本发明还提供了一种电子设备、存储介质,将创建模型的过程可视化,便于查看模型的结构、数据流向、执行、运行结果。
Description
技术领域:
本发明涉及人工智能技术领域,具体的,涉及一种用于人工智能的建模方法、电子设备和存储介质。
背景技术:
当今社会正处于人工智能取得突破性进展的时代,人工智能模型的创建是人工智能的一个重要分支,它从样本数据中学到得到知识和规律,然后用于实际的推断和决策,是一种数据驱动的方法。而怎样利用可视化构建模型,以及重复利用算子进行快速创建,监视模型中数据的流动顺序、验证是否为稳定的人工智能模型等十分重要。
因此,本领域亟需一种用于人工智能的建模方法、电子设备和存储介质。
有鉴于此,提出本发明。
发明内容:
有鉴于此,本发明的目的在于提供一种用于人工智能的建模方法、电子设备和存储介质,以解决现有技术中的至少一项技术问题。
具体的,本发明的第一方面,提供了一种用于人工智能的建模方法,包括以下步骤:
模型初始化:接收新建模块组件指令或编辑模块组件指令,生成菜单组件和视图组件,所述菜单组件包括第一区域,所述第一区域用于显示算子标识,所述算子标识与算子组件相对应,所述视图组件包括第二区域,所述第二区域用于绘制模型流向图,所述模型流向图由算子组件和连线组件构成;
算子组件构建:接收选择算子标识的指令;接收复制指令;接收生成位置指令;在所述位置建立算子组件,所述算子组件抽取算子标识携带的信息;
连线构建:判断连线输出节点,判断连线输入节点,在连线输出节点和连线输入节点之间构建有向连线;
运行验证:接收运行指令,将数据沿有向连线在算子组件之间进行传递,将正在执行的算子组件进行突出显示,在算子组件上显示运行结果。
进一步地,所述模型初始化包括以下步骤:
菜单组件生成:扫描已有的算子标识库,在菜单组件的第一区域中显示算子标识,所述算子标识包括图标及名称;
视图组件生成:判断指令是否为新建模块,若是,在视图组件的第二区域显示空白画布;若否,在第二区域显示上次保存的模型流向图;
编辑组件生成:在视图组件的第五区域中显示编辑标识,所述编辑标识包括保存、运行。
进一步地,所述编辑标识还包括复制与粘贴。
进一步地,所述编辑标识还包括向前撤销与向后撤销。
进一步地,所述编辑标识还包括放大与缩小。
进一步地,所述编辑标识还包括最大化、适应画布、还原。
进一步地,所述菜单组件生成包括以下步骤:
算子标识生成:判断算子标识是否有绑定的图标,若否,根据类别在图标数据库中同类别图标中选择一个赋值给算子标识;将该算子标识的图标与名称对应地显示在第一区域。
进一步地,所述算子标识生成还包括以下步骤:
收藏标识生成:所述算子图标上设置有收藏标识,判断所述算子图标是否为收藏状态,若是,所述收藏标识高亮显示。
进一步地,所述算子标识生成还包括以下步骤:
类别标签生成:按照算子类型建立标签名称,在菜单组件的第三区域显示类别标签名称,当某个类别标签被选中时,第一区域响应地显示该类别下的算子标识。
进一步地,所述算子标识生成还包括以下步骤:
收藏标签生成:在菜单组件的第三区域显示收藏标签,判断算子图标的收藏标识是否为高亮状态,若是,当收藏标签被选中时,将该算子标识响应地显示在第一区域。
进一步地,所述收藏标签生成包括以下步骤:
收藏分组生成:判断被收藏的算子是否被分入用户自定义的收藏分组,若是,在第一区域按照收藏组别显示被收藏的算子标识;若否,将被收藏的算子标识划入默认组别,在默认组别中显示被收藏的算子标识。
进一步地,所述菜单组件生成还包括以下步骤:
搜索框生成:在菜单组件的第四区域显示搜索框;在搜索框中显示全局标识。
进一步地,所述用于人工智能的建模方法,包括以下步骤:
算子新建:接收新建算子指令,接收算子基本信息和参数配置设置信息,接收算子文件,所述基本信息包括名称、种类,所述参数配置信息包括输入节点信息和/或输入节点信息。
进一步地,所述用于人工智能的建模方法,包括以下步骤:
查找算子:接收用户在文本框中输入的搜索文本;查找算子名称包含搜索文本的算子标识,在第一区域显示。
进一步地,所述查找算子包括以下步骤:
搜索范围判定:判断搜索框中全局标识是否选中,若是,搜索范围为算子标识库;若否,搜索范围为第一区域中显示的算子标识;
区域搜索算子:在搜素范围中查找名称包含搜索文本的算子标识,在第一区域显示。
进一步地,所述算子组件构建包括以下步骤:
算子格式构建:将各类算子组件按照数据输入或输出的不同分为不同的操作类别根据操作类别赋予不同的边框和/或种类图标;
拖拽创建:接收拖拽算子标识的指令,复制该算子标识的信息,判断该算子标识是否被拖拽到第二区域,若是,接收释放指令,发生释放指令的坐标作为生成位置,利用所述复制的算子标识信息在所述生成位置上生成新的算子组件。
进一步地,所述所述算子组件构建包括以下步骤:
编辑创建:接收选择算子组件的指令;接收复制指令,复制该算子组件的信息;利用复制的算子组件信息在默认位置或选择的位置生成新的算子组件。
进一步地,所述用于人工智能的建模方法,包括以下步骤:
算子组件参数编辑:在视图组件的第六区域显示选中的算子组件的可编辑参数,进行参数配置、执行参数编辑。
进一步地,所述连线构建包括以下步骤:
判断连线输出节点:判断接收的拖拽起始点是否位于未连线的输出节点可操作区域内,若是,该输出节点为连线输出节点;
可选输入节点显示:获取模型流向图中未被连线的所有输入节点,列入可选节点集,将选中算子组件以及数据从起始到选中算子组件之间的算子组件的输入节点,列入第一输入节点集,将与该算子组件的输出节点直接连接的其他算子组件的输入节点,列入第二输入节点集,将第一输入节点集、第二输入节点集从所述可选节点集表中剔除;将所述可选节点集的输入节点高亮显示;
判断连线输入节点:判断拖拽结束点位置是否落入可选节点集的输入节点可操作区域,若是,该输入节点为连线输入节点;若否,等待下一次拖拽;
连线确认:在所述连线输出节点与所述连线输入节点之间构建有向的连线。
进一步地,所述连线构建还包括以下步骤:
连线过程显示:在拖拽过程中从连线输出节点到操作点之间形成有向的连线。
进一步地,所述运行验证包括以下步骤:
传递顺序判断:查找数据类算子组件作为运行起点,将数据沿有向连线进行传递,在传递过程中,将刚执行完毕的算子组件的下一级算子组件作为待选执行算子组件,判断所述待选执行算子组件的上一级算子组件是否全都执行完毕,若是,执行该算子组件,若否,等待下一次判断。
执行显示:将正在执行的算子组件的输入连线突出显示,在正在执行的算子组件上显示运行状态图标;
结果显示:将突出显示的输入连线恢复原状,将运行状态图标替换为运行结果图标。
本发明的第二方面提供了一种电子设备,所述电子设备包括存储器及处理器,所述存储器上至少有一条指令,所述至少一条指令由所述处理器加载并执行,以实现上述方法。
本发明的第三方面提供了一种计算机可读存储介质,所述存储介质上存储至少一条指令,所述至少一条指令由处理器加载并执行,以实现上述方法。
本发明的第四方面提供了一种用于人工智能的建模装置,包括:
模型初始化模块:用于接收新建模块组件指令或编辑模块组件指令,生成菜单组件和视图组件,所述菜单组件包括第一区域,所述第一区域用于显示算子标识,所述算子标识与算子组件相对应,所述视图组件包括第二区域,所述第二区域用于绘制模型流向图,所述模型流向图由算子组件和连线组件构成;
算子组件构建模块:用于接收选择算子标识的指令;接收复制指令;接收生成位置指令;在所述位置建立算子组件,所述算子组件抽取算子标识携带的信息;
连线构建模块:用于判断连线输出节点,判断连线输入节点,在连线输出节点和连线输入节点之间构建有向连线;
运行验证模块:用于接收运行指令,将数据沿有向连线在算子组件之间进行传递,将正在执行的算子组件进行突出显示,在算子组件上显示运行结果。
进一步地,所述模型初始化模块包括:
菜单组件生成模块:用于扫描已有的算子标识库,在菜单组件的第一区域中显示算子标识,所述算子标识包括图标及名称;
视图组件生成模块:用于判断指令是否为新建模块,若是,在视图组件的第二区域显示空白画布;若否,在第二区域显示上次保存的模型流向图;
编辑组件生成模块:用于在视图组件的第五区域中显示编辑标识,所述编辑标识包括保存、运行。
进一步地,所述编辑标识还包括复制与粘贴。
进一步地,所述编辑标识还包括向前撤销与向后撤销。
进一步地,所述编辑标识还包括放大与缩小。
进一步地,所述编辑标识还包括最大化、适应画布、还原。
进一步地,所述菜单组件生成模块包括:
算子标识生成模块:用于判断算子标识是否有绑定的图标,若否,根据类别在图标数据库中同类别图标中选择一个赋值给算子标识;将该算子标识的图标与名称对应地显示在第一区域。
进一步地,所述算子标识生成模块包括:
收藏标识生成模块:用于所述算子图标上设置有收藏标识,判断所述算子图标是否为收藏状态,若是,所述收藏标识高亮显示。
进一步地,所述算子标识生成模块包括:
类别标签生成模块:用于按照算子类型建立标签名称,在菜单组件的第三区域显示类别标签名称,当某个类别标签被选中时,第一区域响应地显示该类别下的算子标识。
进一步地,所述算子标识生成模块包括:
收藏标签生成模块:用于在菜单组件的第三区域显示收藏标签,判断算子图标的收藏标识是否为高亮状态,若是,当收藏标签被选中时,将该算子标识响应地显示在第一区域。
进一步地,所述收藏标签生成模块包括:
收藏分组生成模块:用于判断被收藏的算子是否被分入用户自定义的收藏分组,若是,在第一区域按照收藏组别显示被收藏的算子标识;若否,将被收藏的算子标识划入默认组别,在默认组别中显示被收藏的算子标识。
进一步地,所述菜单组件生成模块包括:
搜索框生成模块:用于在菜单组件的第四区域显示搜索框;在搜索框中显示全局标识。
进一步地,所述用于人工智能的建模装置包括:
算子新建模块:用于接收新建算子指令,接收算子基本信息和参数配置设置信息,接收算子文件,所述基本信息包括名称、种类,所述参数配置信息包括输入节点信息和/或输入节点信息。
进一步地,所述用于人工智能的建模装置包括:
查找算子模块:用于接收用户在文本框中输入的搜索文本;查找算子名称包含搜索文本的算子标识,在第一区域显示。
进一步地,所述查找算子模块包括:
搜索范围判定模块:用于判断搜索框中全局标识是否选中,若是,搜索范围为算子标识库;若否,搜索范围为第一区域中显示的算子标识;
区域搜索算子模块:用于在搜素范围中查找名称包含搜索文本的算子标识,在第一区域显示。
进一步地,所述算子组件构建模块包括:
算子格式构建模块:用于将各类算子组件按照数据输入或输出的不同分为不同的操作类别根据操作类别赋予不同的边框和/或种类图标;
拖拽创建模块:用于接收拖拽算子标识的指令,复制该算子标识的信息,判断该算子标识是否被拖拽到第二区域,若是,接收释放指令,发生释放指令的坐标作为生成位置,利用所述复制的算子标识信息在所述生成位置上生成新的算子组件。
进一步地,所述所述算子组件构建模块包括:
编辑创建模块:用于接收选择算子组件的指令;接收复制指令,复制该算子组件的信息;利用复制的算子组件信息在默认位置或选择的位置生成新的算子组件。
进一步地,所述用于人工智能的建模装置,包括:
算子组件参数编辑模块:用于在视图组件的第六区域显示选中的算子组件的可编辑参数,进行参数配置、执行参数编辑。
进一步地,所述连线构建模块包括:
判断连线输出节点模块:用于判断接收的拖拽起始点是否位于未连线的输出节点可操作区域内,若是,该输出节点为连线输出节点;
可选输入节点显示模块:用于获取模型流向图中未被连线的所有输入节点,列入可选节点集,将选中算子组件以及数据从起始到选中算子组件之间的算子组件的输入节点,列入第一输入节点集,将与该算子组件的输出节点直接连接的其他算子组件的输入节点,列入第二输入节点集,将第一输入节点集、第二输入节点集从所述可选节点集表中剔除;将所述可选节点集的输入节点高亮显示;
判断连线输入节点模块:用于判断拖拽结束点位置是否落入可选节点集的输入节点可操作区域,若是,该输入节点为连线输入节点;若否,等待下一次拖拽;
连线确认模块:用于在所述连线输出节点与所述连线输入节点之间构建有向的连线。
进一步地,所述连线构建模块包括:
连线过程显示模块:用于在拖拽过程中从连线输出节点到操作点之间形成有向的连线。
进一步地,所述运行验证模块包括:
传递顺序判断模块:用于查找数据类算子组件作为运行起点,将数据沿有向连线进行传递,在传递过程中,将刚执行完毕的算子组件的下一级算子组件作为待选执行算子组件,判断所述待选执行算子组件的上一级算子组件是否全都执行完毕,若是,执行该算子组件,若否,等待下一次判断。
执行显示模块:用于将正在执行的算子组件的输入连线突出显示,在正在执行的算子组件上显示运行状态图标;
结果显示模块:用于将突出显示的输入连线恢复原状,将运行状态图标替换为运行结果图标。
综上所述,本发明具有以下有益效果:
1.将创建模型的过程可视化,便于对模型的整个结构、数据流向、执行位置、运行结果进行查看,便于及时作出调整;
2.将算法通过算子组件独立化,便于重复复制,使构建模型过程简单化,提高效率;所述运行结果让用户快速获得运行结果,及时发现错误位置,以便对整个模型进行调整与修改;
3.利用连线和运行状态图标42让用户快速识别到执行位置,监控执行顺序,以便对模型执行过程进行控制;
4.为用户提供可视化的算子,通过选择算子标识21进行算子组件4的选择,组建模型流向图31简单方便。
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,下面将对实施例或现有技术描述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为本发明用于人工智能的建模方法一种实施方式的示意图;
图2为本发明用于人工智能的建模方法另一种实施方式的示意图;
图3为本发明用于人工智能的建模装置一种实施方式的示意图;
图4为本发明模型组件一种实施方式的示意图;
图5为本发明模型流向图运行过程一种实施方式的示意图;
图6为本发明模型流向图中超级类算子组件一种实施方式的示意图;
图7为本发明模型流向图中缓存类算子组件一种实施方式的示意图;
图8为本发明模型流向图参数修改一种实施方式的示意图;
图9为本发明模型流向图连线过程一种实施方式的示意图。
附图说明:
1、模型组件;11、第一区域;12、第二区域;13、第三区域;14、第四区域;15、第五区域;16、第六区域;2、菜单组件;21、算子标识;22、算子图标;23、算子名称;24、搜索框;25、全局标识;3、视图组件;31、模型流向图;4、算子组件;41、种类图标;42、运行状态图标;43、运行结果图标;44、可选输入节点;45、数据类算子组件;46、操作类算子组件;47、缓存类算子组件;48、超级类算子组件;5、连线组件。
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在没有付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。
在本发明使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
以下将通过实施例对本发明进行详细描述。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
参考图1、图4、图5,本发明的第一方面,提供了一种用于人工智能的建模方法,包括以下步骤:
S100.模型初始化:接收新建模块组件1指令或编辑模块组件1指令,生成菜单组件2和视图组件3,所述菜单组件2包括第一区域11,所述第一区域11用于显示算子标识21,所述算子标识21与算子组件4相对应,所述视图组件3包括第二区域12,所述第二区域12用于绘制模型流向图31,所述模型流向图31由算子组件4和连线组件5构成;
其中,所述算子标识21与算子组件4库中的算子组件4相对应,算子标识21可以有图标、文字或其结合显示算子组件,涵盖算子文件内容、算子名称23、算子类别、算子参数、算子的输入和输出节点等,所述算子文件为承载算子语句的文件;所述算子标识21在所述第一区域11可以按名称顺序排布,可以根据类别的不同设置不同的类别标签,当点击某个类别标签时,只显示该类别的算子标识21,常见的类别有数据、特征、转换、文本等。
S200.算子组件4构建:接收选择算子标识21的指令;接收复制指令;接收生成位置指令;在所述位置建立算子组件4,所述算子组件4抽取算子标识21携带的信息;
其中,当用户点击某个算子标识21时,再进行复制操作,在视图组件3中的第二区域12生成新的算子组件4,将各算子组件4通过连线组件5连接起来,构成模型流向图31;所述算子组件4抽取算子标识21携带的信息,如名称等基本信息,输入类型等参数信息,算子文件等内容信息;可通过拖拽操作实现复制,也可以通过“CTRL+C(复制)”“CTRL+V(粘贴)”进行复制,如果没有进行生成位置确定,可以接收预设的默认位置。
S300.连线构建:判断连线输出节点,判断连线输入节点,在连线输出节点和连线输入节点之间构建有向连线;
其中,在满足条件的输出节点与输入节点之间进行连线,形成连线组件5,该连线为有向连线,可以为直线、曲线,在移动算子组件4时,连线可随之变化。
S400.运行验证:接收运行指令,将数据沿有向连线在算子组件4之间进行传递,将正在执行的算子组件4进行突出显示,在算子组件4上显示运行结果。
参考图5,图6、图7,在本发明的一个优选实施方式中,所述算子组件4包括数据类算子组件45、操作类算子组件46,所述数据类算子组件45只包括输出节点,与其他算子组件4连接;所述操作类包括输入节点和/或输出节点,与其他算子组件4连接。
在本发明的一个优选实施方式中,所述算子组件4还包括缓存类算子组件47和超级类算子组件48,所述缓存类算子组件47包括输入节点或输出节点,链接母模型组件1;所述超级类算子组件48包括输入节点和/或输出节点,链接子模型组件1。
其中,所述子模型组件1为从属于某个模型组件1的模型组件1,所述母模型组件1为包含其他模型组件1的模型组件1,所述子模型组件1既可以保存在母模型组件1的内部,也可以为外部;通过点击超级类算子组件48,进入到子模型组件1,通过缓存类算子组件47实现数据在母模型组件1、子模型组件1之间的流动。
其中,用户选择运行时,从数据类算子组件45开始运行,所述连线组件5指向下一个准备执行的算子组件4,而正在执行的算子组件4通过高亮、颜色变化、标注运行标识等方式进行突出显示,区别未执行的算子组件4,便于用户了解执行位置,以便查看整个数据流向过程;所述运行结果可以通过亮度、颜色、运行标识的替换等方式进行表达,让用户快速获得运行结果,及时发现未顺利执行的算子组件4。
采用上述技术方案,将创建模型的过程可视化,便于对模型的整个结构、数据流向、执行位置、运行结果进行查看,便于及时作出调整;将算法通过算子组件4独立化,便于重复复制,使构建模型过程简单化,提高效率;所述运行结果让用户快速获得运行结果,及时发现错误位置,以便对整个模型进行调整与修改。
参考图2、图4、图5,在本发明的一个优选实施方式中,所述S100.模型初始化包括以下步骤:
S110.菜单组件2生成:扫描已有的算子标识21库,在菜单组件2的第一区域11中显示算子标识21,所述算子标识21包括算子图标22及算子名称23;
其中,所述算子标识21的算子图标22和算子名称23可以只显示一个,可以同时显示,可以为算子图标22在上,算子名称23在下,也可以在当鼠标放在图标上时,弹出文本框显示算子名称23。
S120.视图组件3生成:判断指令是否为新建模块,若是,在视图组件3的第二区域12显示空白画布;若否,在第二区域12显示上次保存的模型流向图31;
其中,不为新建模块时,为用户打开已有的模型组件1,此时,在第二区域12显示已有的模型流向图31。
S130.编辑组件生成:在视图组件3的第五区域15中显示编辑标识,所述编辑标识包括保存、运行。
其中,用户可点击“保存”对显示的模型流向图31进行保存,可点击“运行”,对整个模型流向图31进行执行,以验证能够成功执行。
采用上述技术方案,初始化模型组件1,为用户提供可视化的算子,通过选择算子标识21进行算子组件4的选择,组建模型流向图31简单方便。
在本发明的一个优选实施方式中,所述编辑标识还包括复制与粘贴。
在本发明的一个优选实施方式中,所述编辑标识还包括向前撤销与向后撤销。
在本发明的一个优选实施方式中,所述编辑标识还包括放大与缩小。
在本发明的一个优选实施方式中,所述编辑标识还包括最大化、适应画布、还原。
在具体实施过程中,用户还可以对算子组件4进行复制与粘贴,对操作进行向前撤销与向后撤销,对模型流向图31进行放大、缩小,对视图组件3进行最大化、还原或适应画布。
采用上述技术方案,便于用户对视图组件3进行编辑。
在本发明的一个优选实施方式中,所述S110.菜单组件2生成包括以下步骤:
S140.算子标识21生成:判断算子标识21是否有绑定的图标,若否,根据类别在图标数据库中同类别图标中选择一个赋值给算子标识21;将该算子标识21的算子图标22与算子名称23对应地显示在第一区域11。
其中,在图标数据库中选择图标时,在同类别图标中随机或顺序选择一个,或是用户自主选择一个,作为该算子标识21的图标。
采用上述技术方案,便于用户将不同类别的算子标识21通过图标进行区分,便于查找某个算子标识21。
在本发明的一个优选实施方式中,所述S140.算子标识21生成还包括以下步骤:
S141.收藏标识生成:所述算子图标22上设置有收藏标识,判断所述算子图标22是否为收藏状态,若是,所述收藏标识高亮显示。
其中,所述收藏标识可以设置在图标的左上、右上、中心等位置,形状可以为圆形、菱形、五角形等,用户通过点击收藏标识对收藏状态进行选择与取消。
采用上述技术方案,便于用户根据需要对算子标识21进行标记,以便于查找标记的算子标识21。
在本发明的一个优选实施方式中,所述S140.算子标识21生成还包括以下步骤:
S142.类别标签生成:按照算子类型建立类别标签,在菜单组件2的第三区域13显示类别标签名称,当某个类别标签被选中时,第一区域11响应地显示该类别下的算子标识21。
在具体实施过程中,可以建立数据、加载、转换、特征、统计等类别标签,将算子标识21分类管理。
采用上述技术方案,便于用户通过类别标签对算子标识21进行查找。
在本发明的一个优选实施方式中,所述S140.算子标识21生成还包括以下步骤:
S143.收藏标签生成:在菜单组件2的第三区域13显示收藏标签,判断算子图标22的收藏标识是否为高亮状态,若是,当收藏标签被选中时,将该算子标识21响应地显示在第一区域11。
采用上述技术方案,便于用户对收藏的算子标识21进行查找。
在本发明的一个优选实施方式中,所述S143.收藏标签生成包括以下步骤:
S1431.收藏分组生成:判断被收藏的算子是否被分入用户自定义的收藏分组,若是,在第一区域11按照收藏组别显示被收藏的算子标识21;若否,将被收藏的算子标识划入默认组别,在默认组别中显示被收藏的算子标识21。
采用上述技术方案,便于用户对收藏的算子标识21进行管理,更方便查找。
在本发明的一个优选实施方式中,所述S110.菜单组件2生成还包括以下步骤:
S150.搜索框24生成:在菜单组件2的第四区域14显示搜索框24,所述搜索框24用输入搜索文本;在搜索框24中显示全局标识25。
采用上述技术方案,可通过全局或局部的范围对算子标识21进行查找,为用户提供可供选择的搜索范围,以提高搜索效率。
在本发明的一个优选实施方式中,所述用于人工智能的建模方法,包括以下步骤:
S500.算子新建:接收新建算子指令,接收算子基本信息和参数配置设置信息,接收算子文件,所述基本信息包括名称、种类,所述参数配置信息包括输入节点信息和/或输入节点信息。
具体实施过程中,算子属性可以设置为“加载”,数据类别为“数据读取”,计算模式为“单机”,算子文件可以为CSV属性,也可以打包zip,基本信息参数配置可以设置一个或多个输入节点、一个或多个输出节点或其组合;参数配置还可以包括命令头,如“run”,输入节点的数据类型为“in”,数据类型为“CSV”,与算子文件属性一致,参数名称为“input”,而连线时,就把上下级的算子组件4进行了链接。
采用上述技术方案,用户可以自定义算子,丰富算子组件4类型。
参考图6、图7,输入/输出节点的数据类型还可以与算子文件相同以链接算子组件4和算子组件4,还可以将数据类型设置为模型组件1类型,实现算子组件4和模型组件1的链接,如超级类算子组件48上下均通过连线组件5连接算子组件4,数据从上一级算子组件4传到超级类算子组件48,再到下一级算子组件4,但在执行超级类算子组件48过程中,链接到另一个模型组件1,将数据传给缓存类算子组件47,在子模型组件1的模型流向图31中执行完毕后,数据再通过缓存类算子组件47传回到超级类算子组件48;其中,上一级算子组件4为与该算子组件4输入节点连接的算子组件4,下一级算子组件4为与该算子组件4输出节点连接的算子组件4。
采用上述技术方案,数据不仅可以在算子组件4之间传递,还可以在模型组件1中传递,拓展了模型流向图31,便于模型组件1之间的相互引用,提高效率。
参考图2、图4,在本发明的一个优选实施方式中,所述用于人工智能的建模方法,包括以下步骤:
S600.查找算子:接收用户在文本框中输入的搜索文本;查找算子名称23包含搜索文本的算子标识21,在第一区域11显示。
采用上述技术方案,帮助用户快速找到需要的算子,提高效率。
在本发明的一个优选实施方式中,所述S600.查找算子包括以下步骤:
S610.搜索范围判定:判断搜索框24中全局标识25是否选中,若是,搜索范围为算子标识21库;若否,搜索范围为第一区域11中显示的算子标识21;
S620.区域搜索算子:在搜素范围中查找名称包含搜索文本的算子标识21,在第一区域11显示。
在具体实施过程中,搜索文本“泰坦”,当全局标识25被选中时,高亮显示,搜索范围为算子标识21库,可以为存在本机或联网共享的所有算子标识21的集合,不是全局搜索时,只在现在第一区域11中显示的算子标识21中搜索,搜索结束时,第一区域11只显示名称中含搜索文本“泰坦”的算子标识21。
采用上述技术方案,分区域搜索,提高搜索效率。
在本发明的一个优选实施方式中,所述S200.算子组件4构建包括以下步骤:
S210.算子格式构建:将各类算子组件按照数据输入或输出的不同分为不同的操作类别根据操作类别赋予不同的边框和/或种类图标41;
其中,所述操作类别可以包括多个类别的算子组件4,如类别为转换、统计的算子组件4同属于操作类。
参考图6和图7,在具体实施过程中,可将数据类算子组件45、操作类算子组件46设置相同的边框,如圆角矩形,但有不同的种类图标41,可将缓存类算子组件47设置为平行四边形,与数据类算子组件45有相同的种类图标41,可将超级类算子组件48设置为矩形,不同于其他的种类图标41,以便用户快速识别算子组件4的操作类别。
S220.拖拽创建:接收拖拽算子标识21的指令,复制该算子标识21的信息,判断该算子标识21是否被拖拽到第二区域12,若是,接收释放指令,发生释放指令的坐标作为生成位置,利用所述复制的算子标识21信息在所述生成位置上生成新的算子组件4。
在具体实施过程中,拖拽操作结束时即为释放指令,也为用户指定位置指令,生成的算子组件4在算子标识21中抽取需要的信息以实现定义,如名称、种类等基本信息,输入、输出类别等参数信息,同时复制内容,如算子文件。
采用上述技术方案,通过拖拽菜单组件2中的算子标识21实现算子组件4的快速生成,提高效率。
在本发明的一个优选实施方式中,所述所述S200.算子组件4构建包括以下步骤:
S230.编辑创建:接收选择算子组件4的指令;接收复制指令,复制该算子组件4的信息;利用复制的算子组件4信息在默认位置或选择的位置生成新的算子组件4。
在具体实施过程中,可以采用“复制”“粘贴”命令,如“Ctrl+C(复制)”“Ctrl+V(粘贴)”快捷键,也可以利用编辑标识的“复制”,“粘贴”对算子组件4直接复制,生成新的算子组件4的参数信息与原来的算子组件4相同,但不包括位置信息,位置信息为用户指定的位置或默认的位置。
采用上述技术方案,提供了另一种生成算子组件4的方法,可以复制已进行参数修改的算子组件4,不需重复通过算子标识21生成算子组件4并修改参数,提高效率。
参考图2和图8,在本发明的一个优选实施方式中,所述用于人工智能的建模方法,包括以下步骤:
S700.算子组件4参数编辑:在视图组件3的第六区域16显示选中的算子组件4的可编辑参数,进行参数配置、执行参数编辑。
其中,参数配置可以包括算子文件引用过程中需要编辑的值,如替换值,填充方式等,所述执行参数编辑可以包括执行模式参数等的建立与选择。
采用上述技术方案,用户能快速对算子组件4自定义,以满足特定化需求。
参考图2、图9,在本发明的一个优选实施方式中,所述S300.连线构建包括以下步骤:
S310.判断连线输出节点:判断接收的拖拽起始点是否位于未连线的输出节点可操作区域内,若是,该输出节点为连线输出节点;
其中,可操作区域为输出节点的可控区域,一般为面积1-3倍于输出节点的同心圆或同心矩形。
S320.可选输入节点44显示:获取模型流向图31中未被连线的所有输入节点,列入可选节点集,将选中算子组件4以及数据从运行起始到选中算子组件4之间的算子组件4的输入节点,列入第一输入节点集,将与该算子组件4的输出节点直接连接的其他算子组件4的输入节点,列入第二输入节点集,将第一输入节点集、第二输入节点集从所述可选节点集表中剔除;将所述可选节点集的输入节点高亮显示;
其中,连接第一输入节点会使数据形成环路,造成死循环;连接第二输入节点会在两个节点之间重复连线。
S330.判断连线输入节点:判断拖拽结束点位置是否落入可选节点集的输入节点可操作区域,若是,该输入节点为连线输入节点,若否,等待下一次拖拽;
S340.连线确认:在所述连线输出节点与所述连线输入节点之间构建有向的连线。
其中,连线可以为直线、曲线,可采集其他位置利用三次贝塞尔曲线构建曲线。
采用上述技术方案,利用拖拽实现连线组件5的构建,利用输入节点和输出节点位置为输入值,当位置改变时,连线形状随之改变,还将可选的输入节点突出显示,方便快速找到输入节点,还可以防止遗漏和连线错误。
在本发明的一个优选实施方式中,所述S300.连线构建还包括以下步骤:
S350.连线过程显示:在拖拽过程中从连线输出节点到操作点之间形成有向的连线。
其中,操作点可以为触摸屏中滑动过程的触摸位置、鼠标保持单击拖动的光标位置。
采用上述技术方案。在连线过程中显示线条形状,以便更好调整。
参考图2、图5、图6,在本发明的一个优选实施方式中,所述S400.运行验证包括以下步骤:
S410.传递顺序判断:查找数据类算子组件45作为运行起点,将数据沿有向连线进行传递,在传递过程中,将刚执行完毕的算子组件4的下一级算子组件4作为待选执行算子组件4,判断所述待选执行算子组件4的上一级算子组件4是否全都执行完毕,若是,执行该算子组件4,若否,等待下一次判断。
S420.执行显示:将正在执行的算子组件4的输入连线突出显示,在正在执行的算子组件4上显示运行状态图标42;
在具体实施过程中,连线可以加粗显示、高亮显示、流动点显示等方式突出显示;所述运动状态图标可以利用形状、颜色、动图等区别显示,如图标为黄色圆形,或为多个点环形转动等。
采用上述技术方案,利用连线和运行状态图标42让用户快速识别到执行位置,监控执行顺序,以便对模型执行过程进行控制。
S430.结果显示:将突出显示的输入连线恢复原状,将运行状态图标42替换为运行结果图标43。
其中,运行结果图标43可以为多种方式表达,可以如绿色圆形表示执行成功,红色方形表示执行失败,还可以利用“√”表示执行成功,“×”表示执行失败。
本发明的第二方面提供了一种电子设备,所述电子设备包括存储器及处理器,所述存储器上至少有一条指令,所述至少一条指令由所述处理器加载并执行,以实现上述用于人工智能的建模方法。
本发明的第三方面提供了一种计算机可读存储介质,所述存储介质上存储至少一条指令,所述至少一条指令由处理器加载并执行,以实现上述用于人工智能的建模方法。
参考图3-图9,本发明的第四方面提供了一种用于人工智能的建模装置,包括:
模型初始化模块100:用于接收新建模块组件1指令或编辑模块组件1指令1,生成菜单组件2和视图组件3,所述菜单组件2包括第一区域11,所述第一区域11用于显示算子标识21,所述算子标识21与算子组件4相对应,所述视图组件3包括第二区域12,所述第二区域12用于绘制模型流向图31,所述模型流向图31由算子组件4和连线组件5构成;
算子组件4构建模块200:用于接收选择算子标识21的指令;接收复制指令;接收生成位置指令;在所述位置建立算子组件4,所述算子组件4抽取算子标识21携带的信息;
连线构建模块300:用于判断连线输出节点,判断连线输入节点,在连线输出节点和连线输入节点之间构建有向连线;
运行验证模块400:用于接收运行指令,将数据沿有向连线在算子组件4之间进行传递,将正在执行的算子组件4进行突出显示,在算子组件4上显示运行结果。
在本发明的一个优选实施方式中,所述模型初始化模块100包括:
菜单组件2生成模块110:用于扫描已有的算子标识21库,在菜单组件2的第一区域11中显示算子标识21,所述算子标识21包括图标及名称;
视图组件3生成模块120:用于判断指令是否为新建模块,若是,在视图组件3的第二区域12显示空白画布;若否,在第二区域12显示上次保存的模型流向图31;
编辑组件生成模块130:用于在视图组件3的第五区域15中显示编辑标识,所述编辑标识包括保存、运行。
在本发明的一个优选实施方式中,所述编辑标识还包括复制与粘贴。
在本发明的一个优选实施方式中,所述编辑标识还包括向前撤销与向后撤销。
在本发明的一个优选实施方式中,所述编辑标识还包括放大与缩小。
在本发明的一个优选实施方式中,所述编辑标识还包括最大化、适应画布、还原。
在本发明的一个优选实施方式中,所述菜单组件2生成模块110包括:
算子标识21生成模块140:用于判断算子标识21是否有绑定的图标,若否,根据类别在图标数据库中同类别图标中选择一个赋值给算子标识21;将该算子标识21的图标与名称对应地显示在第一区域11。
在本发明的一个优选实施方式中,所述算子标识21生成模块140包括:
收藏标识生成模块141:用于所述算子图标22上设置有收藏标识,判断所述算子图标22是否为收藏状态,若是,所述收藏标识高亮显示。
在本发明的一个优选实施方式中,所述算子标识21生成模块140包括:
类别标签生成模块142:用于按照算子类型建立类别标签,在菜单组件2的第三区域13显示类别标签名称,当某个类别标签被选中时,第一区域11响应地显示该类别下的算子标识21。
在本发明的一个优选实施方式中,所述算子标识21生成模块140包括:
收藏标签生成模块143:用于在菜单组件2的第三区域13显示收藏标签,判断算子图标22的收藏标识是否为高亮状态,若是,当收藏标签被选中时,将该算子标识21响应地显示在第一区域11。
在本发明的一个优选实施方式中,所述收藏标签生成模块143包括:
收藏分组生成模块1431:用于判断被收藏的算子是否被分入用户自定义的收藏分组,若是,在第一区域11按照收藏组别显示被收藏的算子标识21;若否,将被收藏的算子标识划入默认组别,在默认组别中显示被收藏的算子标识21。
在本发明的一个优选实施方式中,所述菜单组件2生成模块110包括:
搜索框24生成模块150:用于在菜单组件2的第四区域14显示搜索框24;在搜索框24中显示全局标识25。
在本发明的一个优选实施方式中,所述用于人工智能的建模装置包括:
算子新建模块500:用于接收新建算子指令,接收算子基本信息和参数配置设置信息,接收算子文件,所述基本信息包括名称、种类,所述参数配置信息包括输入节点信息和/或输入节点信息。
在本发明的一个优选实施方式中,所述用于人工智能的建模装置包括:
查找算子模块600:用于接收用户在文本框中输入的搜索文本;查找算子名称23包含搜索文本的算子标识21,在第一区域11显示。
在本发明的一个优选实施方式中,所述查找算子模块600包括:
搜索范围判定模块610:用于判断搜索框24中全局标识25是否选中,若是,搜索范围为算子标识21库;在第一区域11显示;若否,搜索范围为第一区域11中显示的算子标识21;
区域搜索算子模块620:用于在搜素范围中查找名称包含搜索文本的算子标识21,在第一区域11显示。
在本发明的一个优选实施方式中,所述算子组件4构建模块200包括:
算子格式构建模块210:用于将各类算子组件按照数据输入或输出的不同分为不同的操作类别根据操作类别赋予不同的边框和/或种类图标41;
拖拽创建模块220:用于接收拖拽算子标识21的指令,复制该算子标识21的信息,判断该算子标识21是否被拖拽到第二区域12,若是,接收释放指令,发生释放指令的坐标作为生成位置,利用所述复制的算子标识21信息在所述生成位置上生成新的算子组件4。
在本发明的一个优选实施方式中,所述所述算子组件4构建模块200包括:
编辑创建模块230:用于接收选择算子组件4的指令;接收复制指令,复制该算子组件4的信息;利用复制的算子组件4信息在默认位置或选择的位置生成新的算子组件4。
在本发明的一个优选实施方式中,所述用于人工智能的建模装置,包括:
算子组件4参数编辑模块700:用于在视图组件3的第六区域16显示选中的算子组件4的可编辑参数,进行参数配置、执行参数编辑。
在本发明的一个优选实施方式中,所述连线构建模块300包括:
判断连线输出节点模块310:用于判断接收的拖拽起始点是否位于未连线的输出节点可操作区域内,若是,该输出节点为连线输出节点;
可选输入节点44显示模块320:用于获取模型流向图31中未被连线的所有输入节点,列入可选节点集,将选中算子组件4以及数据从起始到选中算子组件4之间的算子组件4的输入节点,列入第一输入节点集,将与该算子组件4的输出节点直接连接的其他算子组件4的输入节点,列入第二输入节点集,将第一输入节点集、第二输入节点集从所述可选节点集表中剔除;将所述可选节点集的输入节点高亮显示;
判断连线输入节点模块330:用于判断拖拽结束点位置是否落入可选节点集的输入节点可操作区域,若是,该输入节点为连线输入节点;若否,等待下一次拖拽;
连线确认模块340:用于在所述连线输出节点与所述连线输入节点之间构建有向的连线。
在本发明的一个优选实施方式中,所述连线构建模块300包括:
连线过程显示模块350:用于在拖拽过程中从连线输出节点到操作点之间形成有向的连线。
在本发明的一个优选实施方式中,所述运行验证模块400包括:
传递顺序判断模块410:用于查找数据类算子组件45作为运行起点,将数据沿有向连线进行传递,在传递过程中,将刚执行完毕的算子组件4的下一级算子组件4作为待选执行算子组件4,判断所述待选执行算子组件4的上一级算子组件4是否全都执行完毕,若是,执行该算子组件4,若否,等待下一次判断。
执行显示模块420:用于将正在执行的算子组件4的输入连线突出显示,在正在执行的算子组件4上显示运行状态图标42;
结果显示模块430:用于将突出显示的输入连线恢复原状,将运行状态图标42替换为运行结果图标43。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。
所述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,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,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单元中。
应当理解,本申请实施例中,从权、各个实施例、特征可以互相组合结合,都能实现解决前述技术问题。
所述功能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,本发明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)执行本发明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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种用于人工智能的建模方法,其特征在于,包括以下步骤:
模型初始化:接收新建模块组件指令或编辑模块组件指令,生成菜单组件和视图组件,所述菜单组件包括第一区域,所述第一区域用于显示算子标识,所述算子标识与算子组件相对应,所述视图组件包括第二区域,所述第二区域用于绘制模型流向图,所述模型流向图由算子组件和连线组件构成;
算子组件构建:接收选择算子标识的指令;接收复制指令;接收生成位置指令;在所述位置建立算子组件,所述算子组件抽取算子标识携带的信息;
所述算子组件构建包括以下步骤:
算子格式构建:将各类算子组件按照数据输入或输出的不同分为不同的操作类别根据操作类别赋予不同的边框和/或种类图标;
拖拽创建:接收拖拽算子标识的指令,复制该算子标识的信息,判断该算子标识是否被拖拽到第二区域,若是,接收释放指令,发生释放指令的坐标作为生成位置,利用所述复制的算子标识信息在所述生成位置上生成新的算子组件;
算子组件参数编辑:在视图组件的第六区域显示选中的算子组件的可编辑参数,进行参数配置、执行参数编辑;
连线构建:判断连线输出节点,判断接收的拖拽起始点是否位于未连线的输出节点可操作区域内,若是,该输出节点为连线输出节点;可选输入节点显示:获取模型流向图中未被连线的所有输入节点,列入可选节点集,将选中算子组件以及数据从起始到选中算子组件之间的算子组件的输入节点,列入第一输入节点集,将与该算子组件的输出节点直接连接的其他算子组件的输入节点,列入第二输入节点集,将第一输入节点集、第二输入节点集从所述可选节点集表中剔除;将所述可选节点集的输入节点高亮显示;判断连线输入节点:判断拖拽结束点位置是否落入可选节点集的输入节点可操作区域,若是,该输入节点为连线输入节点;若否,等待下一次拖拽;连线确认:在所述连线输出节点与所述连线输入节点之间构建有向的连线;
运行验证:接收运行指令,将数据沿有向连线在算子组件之间进行传递,将正在执行的算子组件进行突出显示,在算子组件上显示运行结果。
2.根据权利要求1所述的用于人工智能的建模方法,其特征在于:所述模型初始化包括以下步骤:
菜单组件生成:扫描已有的算子标识库,在菜单组件的第一区域中显示算子标识,所述算子标识包括图标及名称;
视图组件生成:判断指令是否为新建模块,若是,在视图组件的第二区域显示空白画布;若否,在第二区域显示上次保存的模型流向图;
编辑组件生成:在视图组件的第五区域中显示编辑标识,所述编辑标识包括保存、运行。
3.根据权利要求2所述的用于人工智能的建模方法,其特征在于:所述菜单组件生成包括以下步骤:
算子标识生成:判断算子标识是否有绑定的图标,若否,根据类别在图标数据库中同类别图标中选择一个赋值给算子标识;将该算子标识的图标与名称对应地显示在第一区域。
4.根据权利要求3所述的用于人工智能的建模方法,其特征在于:所述用于人工智能的建模方法,包括以下步骤:
算子新建:接收新建算子指令,接收算子基本信息和参数配置设置信息,接收算子文件,所述基本信息包括名称、种类,所述参数配置设置 信息包括输入节点信息和/或输入节点信息。
5.根据权利要求4所述的用于人工智能的建模方法,其特征在于:所述运行验证包括以下步骤:
传递顺序判断:查找数据类算子组件作为运行起点,将数据沿有向连线进行传递,在传递过程中,将刚执行完毕的算子组件的下一级算子组件作为待选执行算子组件,判断所述待选执行算子组件的上一级算子组件是否全都执行完毕,若是,执行该算子组件,若否,等待下一次判断。
6.一种电子设备,其特征在于,所述电子设备,其特征在于包括存储器及处理器,所述存储器上至少有一条指令,所述至少一条指令由所述处理器加载并执行,以实现如权利要求1-5任一项所述的用于人工智能的建模方法。
7.一种计算机可读存储介质,其特征在于,所述存储介质上存储至少一条指令,所述至少一条指令由处理器加载并执行,以实现如权利要求1-5任一项所述的用于人工智能的建模方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010772703.1A CN112130851B (zh) | 2020-08-04 | 2020-08-04 | 一种用于人工智能的建模方法、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010772703.1A CN112130851B (zh) | 2020-08-04 | 2020-08-04 | 一种用于人工智能的建模方法、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112130851A CN112130851A (zh) | 2020-12-25 |
CN112130851B true CN112130851B (zh) | 2022-04-15 |
Family
ID=73850742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010772703.1A Active CN112130851B (zh) | 2020-08-04 | 2020-08-04 | 一种用于人工智能的建模方法、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112130851B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115114410B (zh) * | 2022-08-26 | 2022-11-25 | 合肥图谱智能科技有限公司 | 构建信息抽取模型的方法、装置、电子设备及存储介质 |
CN116360764B (zh) * | 2023-04-03 | 2023-12-05 | 北京柏睿数据技术股份有限公司 | 一种可视化建模平台的模型优化方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107463595A (zh) * | 2017-05-12 | 2017-12-12 | 中国科学院信息工程研究所 | 一种基于Spark的数据处理方法及系统 |
CN111047046A (zh) * | 2019-11-01 | 2020-04-21 | 东方微银科技(北京)有限公司 | 一种机器学习模型的可视化生成方法及设备 |
CN111080170A (zh) * | 2019-12-30 | 2020-04-28 | 北京云享智胜科技有限公司 | 一种工作流建模方法、装置、电子设备及存储介质 |
CN111125052A (zh) * | 2019-10-25 | 2020-05-08 | 北京华如科技股份有限公司 | 基于动态元数据的大数据智能建模系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110058985A (zh) * | 2019-04-09 | 2019-07-26 | 美林数据技术股份有限公司 | 一种拖拽式构建企业级ai应用的系统及方法 |
CN111310936B (zh) * | 2020-04-15 | 2023-06-20 | 光际科技(上海)有限公司 | 机器学习训练的构建方法、平台、装置、设备及存储介质 |
-
2020
- 2020-08-04 CN CN202010772703.1A patent/CN112130851B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107463595A (zh) * | 2017-05-12 | 2017-12-12 | 中国科学院信息工程研究所 | 一种基于Spark的数据处理方法及系统 |
CN111125052A (zh) * | 2019-10-25 | 2020-05-08 | 北京华如科技股份有限公司 | 基于动态元数据的大数据智能建模系统及方法 |
CN111047046A (zh) * | 2019-11-01 | 2020-04-21 | 东方微银科技(北京)有限公司 | 一种机器学习模型的可视化生成方法及设备 |
CN111080170A (zh) * | 2019-12-30 | 2020-04-28 | 北京云享智胜科技有限公司 | 一种工作流建模方法、装置、电子设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
Ease the Process of Machine Learning with Dataflow;Tianyou Guo;《https://dl.acm.org/doi/10.1145/2983323.2983327》;20161024;全文第1-4页 * |
Easy Machine Learning;nkxujun;《https://github.com/ICT-BDA/EasyML》;20190305;全文第1-7页 * |
EasyML: Ease the Process of Machine;Jun Xu;《http://www.bigdatalab.ac.cn/~junxu/publications/SOSP2017-AISys-EasyML.pdf》;20171028;全文第1-14页 * |
中科院开源图形化机器学习系统 Easy ML;陈思;《https://www.infoq.cn/news/2017/06/Chinese-Academy-open-Easy-ML》;20170615;全文第1-6页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112130851A (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105700888B (zh) | 一种基于jbpm工作流引擎的可视化快速开发平台 | |
JP6388682B2 (ja) | グラフィック・プログラミング言語オブジェクトを編集及び報告する方法及び編集・報告システム | |
US10223338B2 (en) | Visual designer for editing large schemaless XML file | |
US20060150169A1 (en) | Object model tree diagram | |
CN109597954A (zh) | 数据项展示方法、装置、计算设备和介质 | |
US8823738B1 (en) | Merging electronic diagrams | |
US20070079237A1 (en) | Computer system and method including an operation performed in a manner based on a determined activity | |
CN112130851B (zh) | 一种用于人工智能的建模方法、电子设备和存储介质 | |
CN109933311A (zh) | 一种信息系统创建方法及相关装置 | |
CN112685011B (zh) | 一种基于Vue的AI应用可视化编排方法 | |
JP3797821B2 (ja) | オントロジー構築支援装置 | |
CN113626116B (zh) | 智能学习系统及数据分析方法 | |
CN111273900A (zh) | 基于gitlab实时代码共享的在线拖拽编码生成方法 | |
CN113515275A (zh) | 一种所见即所得的云端工业组态软件系统及其开发方法 | |
CN111814438A (zh) | 一种网络图的绘制系统及方法 | |
CN113468261B (zh) | 基于图形编辑引擎构建物联网实体关系的方法和系统 | |
JPH06187396A (ja) | ネットワーク構成設計支援システム | |
US11308245B2 (en) | Systems and methods for facilitating evaluation of characteristics related to quality | |
JP5155002B2 (ja) | 工程設定支援処理プログラム | |
JP3819313B2 (ja) | システム構築装置 | |
CN112749168B (zh) | 一种模型树结构的生成方法、装置、设备和存储介质 | |
JP4180099B2 (ja) | シーケンス解析プログラムを記録した記録媒体、シーケンス解析装置およびシーケンス解析方法 | |
JP2012208939A (ja) | 工程設定支援処理プログラム及び業務プログラム生成処理プログラム | |
JP3901228B2 (ja) | 文書編集装置及び文書編集方法 | |
CN114238072A (zh) | Hil需求设计方法、装置、计算机设备和存储介质 |
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 |