CN112558966A - 深度模型可视化数据的处理方法、装置及电子设备 - Google Patents

深度模型可视化数据的处理方法、装置及电子设备 Download PDF

Info

Publication number
CN112558966A
CN112558966A CN202011480639.6A CN202011480639A CN112558966A CN 112558966 A CN112558966 A CN 112558966A CN 202011480639 A CN202011480639 A CN 202011480639A CN 112558966 A CN112558966 A CN 112558966A
Authority
CN
China
Prior art keywords
data
historical
user
personal workspace
visual 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.)
Granted
Application number
CN202011480639.6A
Other languages
English (en)
Other versions
CN112558966B (zh
Inventor
施依欣
潘子豪
申玉涵
吕雪莹
赖宝华
吴泽武
陈泽裕
赵乔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011480639.6A priority Critical patent/CN112558966B/zh
Publication of CN112558966A publication Critical patent/CN112558966A/zh
Priority to EP21190930.4A priority patent/EP3901761A3/en
Priority to US17/445,000 priority patent/US20210397646A1/en
Priority to JP2021169647A priority patent/JP7295196B2/ja
Priority to KR1020210159125A priority patent/KR20220002814A/ko
Application granted granted Critical
Publication of CN112558966B publication Critical patent/CN112558966B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/538—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/26—Visual data mining; Browsing structured data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/535—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/10—Interfaces, programming languages or software development kits, e.g. for simulating neural networks
    • G06N3/105—Shells for specifying net layout
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Human Computer Interaction (AREA)
  • Databases & Information Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • User Interface Of Digital Computer (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本申请公开了一种深度模型可视化数据的处理方法、装置及电子设备，涉及数据处理领域，尤其涉及云计算、自然语言处理、大数据、深度学习等人工智能技术领域。具体实现方案为：响应于获取到个人工作空间显示请求，确定所述显示请求中的用户标识；获取与所述用户标识关联的历史可视化数据集；在所述用户标识对应用户的个人工作空间页面中展示所述历史可视化数据集。由此，可实现对历史可视化数据快速展示、查看，不需要再重新构建模型或者复现历史模型，极大地提高了训练的效率，节约了时间。

Description

深度模型可视化数据的处理方法、装置及电子设备
技术领域
本申请涉及数据处理领域，具体涉及云计算、自然语言处理、大数据、深度学习等人工智能技术领域，尤其涉及一种深度模型可视化数据的处理方法、装置及电子设备。
背景技术
随着计算机技术的蓬勃发展，机器学习领域也得到了迅速发展，深度学习在各领域中的成效也越来越显著。深度学习，作为图像识别、语音识别、推荐系统等技术中不可或缺的一部分，如何快速、便捷地对深度模型可视化数据进行处理，显得至关重要。
发明内容
本申请提供了一种深度模型可视化数据处理的方法、装置、及电子设备。
本申请一方面，提供了一种方法，包括：
响应于获取到个人工作空间显示请求，确定所述显示请求中的用户标识；
获取与所述用户标识关联的历史可视化数据集；
在所述用户标识对应用户的个人工作空间页面中展示所述历史可视化数据集。
本申请另一方面，提供了一种装置，包括：
第一确定模块，用于响应于获取到个人工作空间显示请求，确定所述显示请求中的用户标识；
获取模块，用于获取与所述用户标识关联的历史可视化数据集；
显示模块，用于在所述用户标识对应用户的个人工作空间页面中展示所述历史可视化数据集。
本申请另一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述一方面实施例所述的深度模型可视化数据的处理方法。
本申请再一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其上存储有计算机程序，所述计算机指令用于使所述计算机执行上述一方面实施例所述的深度模型可视化数据的处理方法。
本申请再一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述一方面实施例所述的深度模型可视化数据的处理方法。
本申请提供的深度模型可视化数据的处理方法、装置、电子设备及存储介质，存在如下有益效果：
响应于获取到个人工作空间显示请求，确定显示请求中的用户标识，之后获取与该用户标识关联的历史可视化数据集，并在用户标识对应用户的个人工作空间页面中展示历史可视化数据集。由此，可实现对历史可视化数据快速展示、查看，不需要再重新构建模型或者复现历史模型，极大地提高了训练的效率，节约了时间。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1A为本申请一实施例提供的深度模型可视化数据的处理方法的流程示意图；
图1B为本申请一实施例提供的一种深度模型可视化数据的处理方法的页面显示图；
图2A为本申请另一实施例提供的深度模型可视化数据的处理方法的流程示意图；
图2B为本申请另一实施例提供的一种深度模型可视化数据的处理方法的页面显示图；
图2C为本申请另一实施例提供的另一种深度模型可视化数据的处理方法的页面显示图；
图3A为本申请又一实施例提供的深度模型可视化数据的处理方法的流程示意图；
图3B为本申请又一实施例提供的一种深度模型可视化数据的处理方法的页面显示图；
图3C为本申请又一实施例提供的另一种深度模型可视化数据的处理方法的页面显示图；
图4A为本申请一实施例提供的一种深度模型可视化数据的处理方法的页面显示图；
图4B为本申请一实施例提供的另一种深度模型可视化数据的处理方法的页面显示图；
图5A为本申请一实施例提供的又一种深度模型可视化数据的处理方法的页面显示图；
图5B为本申请一实施例提供的再一种深度模型可视化数据的处理方法的页面显示图；
图5C为本申请一实施例提供的另一种深度模型可视化数据的处理方法的页面显示图；
图5D为本申请一实施例提供的又一种深度模型可视化数据的处理方法的页面显示图；
图6为本申请一实施例提供的一种深度模型可视化数据的处理装置的示意图；
图7为本申请另一实施例提供的一种深度模型可视化数据的处理装置的示意图；
图8是用来实现本申请实施例的深度模型可视化数据的处理方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
数据处理是对数据的采集、存储、检索、加工、变换和传输。根据处理设备的结构方式、工作方式以及数据的时间空间分布方式的不同，数据处理有不同的方式。不同的处理方式要求不同的硬件和软件支持，每种处理方式都有自己的特点，应当根据应用问题的实际环境选择合适的处理方式。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习、深度学习、大数据处理技术、知识图谱技术等几大方向。
云计算指的是通过网络接入弹性可扩展的共享物理或虚拟资源池，资源可以包括服务器、操作系统、网络、软件、应用和存储设备等，并可以以按需、自服务的方式对资源进行部署和管理的技术体系，通过云计算技术，可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
自然语言处理是用计算机来处理、理解以及运用人类语言(如中文、英文等)，它是计算机科学与语言学的交叉学科，又常被称为计算语言学。由于自然语言是人类区别于其他动物的根本标志。没有语言，人类的思维也就无从谈起，所以自然语言处理体现了人工智能的最高任务与境界，也就是说，只有当计算机具备了处理自然语言的能力时，机器才算实现了真正的智能。
大数据技术是指通过多种渠道实现对大量数据的采集，并通过使用云计算技术来实现对数据的深度挖掘和分析，确保能够及时的找出数据之间的规律和特点，总结和归纳出数据所存在的价值。大数据技术对于了解数据特征，预测发展趋势具有十分重要的意义。
深度学习是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。
下面参考附图描述本申请实施例的深度模型可视化数据的处理方法、装置、及电子设备。
图1A为本申请实施例提供的一种深度模型可视化数据的处理方法的流程示意图。
本申请实施例的深度模型可视化数据的处理方法，可由本申请实施例提供的深度模型可视化数据的处理装置执行，该装置可配置于电子设备中。
如图1A所示，该深度模型可视化数据的处理方法包括：
步骤101，响应于获取到个人工作空间显示请求，确定显示请求中的用户标识。
其中，个人工作空间，可以为使用深度模型可视化应用时，供个人使用的共享空间。
用户标识，可以为使用深度模型可视化应用时，唯一、可表明用户身份的标识。
可以理解的是，个人工作空间显示请求中，可以包括用户标识，也可以包括其他内容，本申请对此不做限定。
本申请实施例中，当获取到个人工作空间显示请求，对该个人空间显示请求进行处理，从而确定出其中包含的用户标识。
步骤102，获取与用户标识关联的历史可视化数据集。
其中，历史可视化数据集，可以包括一个或多个历史可视化数据，也可以包括各历史可视化数据对应的生成时间，或者，还可以包括各历史可视化数据所属的项目名称等信息，本申请对此不做限定。
本申请实施例中，当确定用户标识后，可以进一步获取与用户标识关联的历史可视化数据集。
步骤103，在用户标识对应用户的个人工作空间页面中展示历史可视化数据集。
其中，在用户标识对应用户的个人工作空间页面中展示历史可视化数据集时，可以有多种排列方式，比如可以按照各历史可视化数据的生成时间进行排列，或者也可以按照各历史可视化数据所属的项目名称进行排列等。
举例来说，可以根据每个历史可视化数据的生成时间，将多个历史可视化数据在用户的个人工作空间页面中进行逐条展示。
其中，可以在用户的个人工作空间页面中设置“时间排序”控件，通过点击该控件，即可调整时间排序的方式。比如原来按照各历史可视化数据生成时间由前至后的顺序对各历史可视化数据进行逐条展示，点击该控件，即可调整时间排序方式为按照各历史可视化数据生成时间由后至前的顺序。或者，原来按照各历史可视化数据生成时间由后至前的顺序对各历史可视化数据进行排列，通过点击该控件，即可调整各历史可视化数据按照其生成时间由前至后的顺序进行排列。
或者，也可以根据每个历史可视化数据所属的项目名称，将多个历史可视化数据在用户的个人工作空间页面中进行逐条展示。
其中，可以在用户的个人工作空间页面设置“项目名称”排序控件，通过点击该控件，可以调整项目名称排序方式。比如原来的项目名称按照由A至Z的顺序进行逐条展示，点击该控件，即可调整为由Z至A的顺序。或者，原来的排序方式为按照由Z至A的顺序进行逐条展示，点击该控件，即可调整为由A至Z的顺序。
需要说明的是，上述示例只是举例说明，不能作为对本申请实施例中可视化数据集排序的限定。
可以理解的是，不同的电子设备，其可能对应有不同大小的显示界面，从而使用不同的电子设备查看历史可视化数据时，每页可以展示的历史可视化数据的数量，可能根据使用的电子设备的显示界面的大小而有所不同。
举例来说，使用手机查看时，用户的个人工作空间页面可以展示的历史可视化数据的数量可能相对少一些，比如为5条、10条等。
或者，使用电脑查看时，用户的个人工作空间页面可以展示的历史可视化数据的数量可能相对多一些，比如为20条、30条等。
需要说明的是，上述用户的个人工作空间页面展示的历史可视化数据的数量和使用的电子设备只是举例说明，不能作为对本申请实施例中个人工作空间页面展示历史可视化数据集的限定。
可以理解的是，个人工作空间页面中每页只能展示一定数量的历史可视化数据，超出数量的其他的历史可视化数据可以在下一页或者之后的页面中展示，用户可以通过点击“下一页”，或者点击“2”、“3”等相应的页数，或者其他的方式进行翻页，本申请对此不做限定。
在一种可能的实现情况中，可以根据需要在页面中添加“上一页”、“下一页”等控件，从而可以进行翻页等操作。比如页面可以如图1B所示，当前页面共展示3条历史可视化数据，包括各历史可视化数据的项目名称、存储地址、生成时间。其中，项目名称“AAA”对应的存储地址为“WAA”、生成时间为“2020.10.01”，项目名称“BBB”对应的存储地址为“WBB”、生成时间为“2020.10.10”项目名称“CCC”对应的存储地址为“WCC”、生成时间为“2020.11.11”。该页面中还可以包括“上一页”、“下一页”控件，“1”“2”“3”页数，可以看到当前页面为第2页，用户可以通过点击“上一页”、“下一页”控件进行翻页，也可以点击“1”跳转到第1页，或者点击“3”跳转到第三页。
需要说明的是，上述页面中项目名称下的各名字、存储地址下的各地址、以及生成时间下的各时间、各控件，只是示意性说明，不能作为对本申请展示历史可视化数据的限定。
由此，用户在后续需要用到历史可视化数据时，可以直接在个人工作空间页面中查看历史可视化数据，不必再重新构建模型或者复现历史模型，极大地提高了训练的效率，节约了时间，减轻了用户的负担。
本申请实施例，响应于获取到个人工作空间显示请求，确定显示请求中的用户标识，之后获取与该用户标识关联的历史可视化数据集，并在用户标识对应用户的个人工作空间页面中展示历史可视化数据集。由此，可实现对历史可视化数据快速展示、查看，不需要再重新构建模型或者复现历史模型，极大地提高了训练的效率，节约了时间。
上述实施例，根据获取到的个人工作空间显示请求所确定的用户标识以及与该用户标识关联的历史可视化数据集，即可在用户的个人工作空间页面中展示历史可视化数据集，极大地提高了效率。进一步地，对于各可视化数据，还可以对其进行删除、分享等相应的处理操作，下面结合图2A对处理可视化数据这一过程做详细说明。
步骤201，响应于获取到个人工作空间显示请求，确定显示请求中的用户标识。
步骤202，获取与用户标识关联的历史可视化数据集。
其中，历史可视化数据集中，可以包括多个历史可视化数据，还可以包括每个历史可视化数据关联的存储地址等其他内容，本申请对此不做限定。
步骤203，在用户标识对应用户的个人工作空间页面中展示历史可视化数据集。
其中，个人工作空间页面可以包括搜索输入框，还可以包括其他内容，本申请对此不做限定。
步骤204，响应于获取的针对任一可视化数据的选中操作，将任一可视化数据在预览图层进行放大展示，其中，预览图层位于个人工作空间页面所在图层的上层。
其中，可视化数据可以为已有的历史可视化数据，也可以为新增加的可视化数据，本申请对此不做限定。
其中，当任一可视化数据处于选中状态时，可以有多种表示方式。
比如说，可在预览图层对选中的可视化数据进行放大展示。或者，当选中可视化数据时，其对应的背景底色变灰、字体变亮等。或者，当可视化数据处于选中状态时，其对应的标识框中出现“对勾”标号。
需要说明的是，上述表征可视化数据处于选中状态的方式只是举例说明，不能作为对本申请实施例中可视化数据处于选中状态的限定。
可以理解的是，用户可以使一个可视化数据处于选中状态，也可以使多个可视化数据同时处于选中状态，本申请对此不做限定。
步骤205，响应于获取的针对任一可视化数据关联的分享控件的点击操作，复制任一可视化数据关联的存储地址。
其中，在用户的个人工作空间页面中，还可以包括“分享”控件。
当用户点击任一可视化数据关联的“分享”控件时，即可复制该可视化数据关联的存储地址，从而可将该存储地址直接分享给他人，或者也可以将该地址保存在相关文件中等，从而用户可以直接使用该可视化数据，极大地方便了用户与他人交流分享的过程。
在一种可能的实现情况中，比如页面可以为如图2B所示，该页面中，可视化数据所属的项目名称为“AAA”，存储地址为“WAA”及对应的复制控件，生成时间“2020.10.01”，操作对应有“删除”、“分享”控件。用户点击“分享”控件后，会出现“复制链接成功”等提示性的话语，表明用户已经成功复制了该可视化数据对应的地址链接，可对其进行分享。
或者，也可以使用其他的方式分享历史可视化数据。
比如在如图2B所示的页面中，用户点击存储地址处的“复制”控件，即可复制链接使用。
需要说明的是，上述页面中的各控件、项目名称、存储地址及生成时间，只是示意性说明，不能作为对本申请实施例中页面、各控件、项目名称、存储地址及生成时间的限定。
需要说明的是，上述分享方式也只是举例说明，不能作为对本申请实施例中复制任一可视化数据关联的存储地址的限定。
步骤206，响应于获取的针对任一可视化数据关联的删除控件的点击操作，弹窗显示删除确认消息。
步骤207，响应于获取的弹窗任一控件的点击操作，根据任一控件对应的处理方式，将任一可视化数据进行处理。
其中，在用户的个人工作空间页面，还可以包括“删除”控件，用户点击该“删除”控件，即可删除相应的历史可视化数据时。
在一种可能的实现情况中，比如页面可以为如图2B所示，当用户点击“删除”控件后，会出现相应的弹窗，弹窗页面可以为如图2C所示，有“确定删除此可视化内容？删除后当前可视化结果将被清空”等提示内容、“确定”控件以及“取消”控件。用户点击弹窗中的“确定”控件，即可删除该历史可视化数据，点击“取消”控件，即取消删除该历史可视化数据。
或者，点击“删除”控件后，出现的弹窗页面可以显示有“确定删除当前内容”等提示内容、“确定”控件、“取消”控件、以及“关闭”控件，当用户点击“关闭”控件后，即可退出当前弹窗页面，不对该可视化数据进行处理。
需要说明的是，弹窗页面的提示性话语也可以为其他内容，上述只是举例说明，而不能作为对弹窗内容的限定，另外，弹窗页面也可以包含其他内容，上述提示性话语及各控件只是举例说明，而不能作为对本申请弹窗页面的限定。
步骤208,响应于获取的搜索请求，确定搜索输入框内当前的搜索标题。
其中，在用户的个人工作空间页面中可以包括搜索输入框，用户可以在搜索输入框中输入想要查询的内容，比如可以为项目名称、生成时间等，本申请对此不做限定。
步骤209，根据搜索标题，查询历史可视化数据集，以获取目标历史可视化数据。
其中，根据搜索标题所获取到的目标可视化数据，可能是一个，也可能是多个，本申请对此不做限定。
步骤210，展示目标历史可视化数据。
其中，对目标历史可视化数据进行展示时，可以有多种方式，比如，可在预览图层放大展示获取到的目标历史可视化数据，或者，也可以直接展示多个目标历史可视化数据列表，本申请对此不做限定。
需要说明的是，本申请实施例中，对可视化数据进行选中操作的步骤、对可视化数据进行删除操作的步骤、对可视化数据进行复制存储地址的步骤及根据搜索标题展示目标历史可视化数据的步骤的先后顺序，并非深度模型可视化应用对这些操作的执行时机的限定，只是一种示意性说明，在实际使用时，深度模型可视化应用可以根据获取到的操作，执行对应的指令。
本申请实施例，响应于获取到个人工作空间显示请求，确定显示请求中的用户标识，之后获取与该用户标识关联的历史可视化数据集，在用户标识对应用户的个人工作空间页面中展示历史可视化数据集，并可对任一可视化数据在预览图层进行放大展示、复制任一可视化数据关联的存储地址、在弹窗中删除任一可视化数据、以及在输入框搜索目标历史可视化数据，即可实现对可视化数据的选中、分享、删除、搜索等操作，从而能够对可视化数据快速进行处理，方便用户操作。
进一步地，当用户标识关联的数据库中，未包含历史可视化数据时，还可以添加相应的历史可视化数据，下面结合图3A对添加历史可视化数据做详细说明。
步骤301，响应于获取到针对个人工作空间控件的点击操作，确定获取到个人工作空间显示请求。
其中，用户可以通过点击个人工作空间控件打开个人工作空间。
举例来说，在如图3B所示的页面中，页面中有“工作空间页面”提示字样，以及“全功能展示”、“Workspace”控件，点击“全功能展示”，可以看到深度模型可视化应用的相关功能及示范说明，点击“Workspace”控件，即可打开个人工作控件。
需要说明的是，上述页面中的提示字样、各控件，只是示意性说明，在实际使用时，可以根据需要进行相应修改，本申请对此不做限定。
在一种可能的实现方式中，用户还可以使用命令行打开个人工作空间。
需要说明的是，上述示例只是举例说明，不能作为对本申请实施例中打开个人工作空间方式的限定。
步骤302，响应于获取到个人工作空间显示请求，确定显示请求中的用户标识。
步骤303，在用户标识对应用户未登录深度模型可视化应用的情况下，显示深度模型可视化应用的登录界面。
举例来说，若用户未登录深度模型可视化应用时，页面可能为如图3C所示，页面中有“您还未登录，登录后可查看历史实验保存结果”、“若您是新用户，完成注册后即可使用个人工作空间”等提示内容。
若用户已经使用过该深度模型可视化应用，可以点击“登录”，之后即可跳转到深度模型可视化应用的登录界面，用户可以选择二维码登录、或者账号密码登录，或者其他方式进行登录，本申请对此不做限定。
或者，若当前用户未使用过深度模型可视化应用，可以点击“注册”，之后注册完成后即可登录使用该深度模型可视化应用。
需要说明的是，上述示例中的界面只是举例说明，不能作为对本申请中提示用户登录页面以及登录界面的限定。
步骤304，响应于与用户标识关联的数据库中未包含历史可视化数据，显示可视化数据添加界面。
举例来说，若与用户标识关联的数据库中未包含历史可视化数据时，对应的显示页面可以为如图4A所示，页面中可以包括“您还没有历史实验保存结果，新增实验后可查看”提示性话语以及“新增实验”控件。
或者，可视化数据添加界面也可以为如图4B所示,页面中可以包括“Workspace是您的个人工作空间，帮助您保存、分享可视化结果”提示性话语以及“新增实验”控件，用户点击“新增实验”控件，即可发出可视化数据添加请求。
需要说明的是，上述页面中的提示性话语以及控件只是示意性说明，不能作为对本申请实施例中可视化数据添加界面的限定。
步骤305，响应于在数据添加界面获取到的可视化数据添加请求，在用户标识关联的数据库中添加可视化数据。
其中，在用户标识关联的数据库中添加可视化数据时，可以包括添加可视化数据的名称，可视化数据的名称可以为模型的名称，也可以为日志的名称，或者，还可以为模型名称和日志名称等，本申请对此不做限定。
在一种可能的实现情况中，可以在数据添加界面增加相应的内容及控件，比如说，可视化数据添加页面的初始状态可以为如图5A所示，其中包括“新增实验”、“实验名称”、“日志”及关联的“上传文件”控件、“模型”及关联的“上传文件”控件，以及“确定”控件、“取消”控件。用户点击“日志”对应的“上传文件”控件，即可上传一个或多个日志；点击“模型”对应的“上传文件”控件上传模型。
需要说明的是，上述数据添加页面的初始状态中的“新增实验”、“实验名称”、“日志”、“模型”等内容以及各控件，只是示意性说明，而不能作为对本申请实施例中数据添加页面的初始状态的内容及控件的限定。
可以理解的是，在可视化数据添加界面获取到可视化数据添加请求后，可以先对待添加的可视化数据进行校验。
之后，在待添加的可视化数据通过校验的情况下，在数据添加界面中显示待添加的可视化数据的名称。
在一种可能的实现情况中，当待添加的可视化数据通过校验的情况下，可视化数据添加界面可以为如图5B所示。该界面可以包含“新增实验”、“实验名称”及其对应的输入框、“日志”及关联的“继续上传”控件、“文件名称01.txt”、“文件名称01.txt”、“文件名称01.txt”以及“模型”及其关联的、“上传文件”控件、“文件名称01.txt”。选中已上传的文件，则可以出现“删除”控件，点击该控件则可以删除添加当前文件。该可视化数据添加界面也可以包含其他内容及控件，本申请对此不做限定。因为一个历史数据只能关联一个模型，但是一个模型可以有多次训练，从而可以对应有多个历史可视化数据。若待添加的可视化数据已经通过校验，界面中“日志”关联的“上传文件”控件变成“继续上传”，“模型上传”置灰，点击“取消”则不保存任何内容，弹窗取消，点击“确定”，弹窗退出，页面自动刷新并新增一个实验列表，提示内容可以在几秒后消失，比如2秒、5秒等，本申请对此不做限定。
需要说明的是，上述数据添加界面的内容、输入框、各控件、弹窗页面以及提示内容只是示意性说明，不能作为对本申请实施例中数据添加的限定。
或者，在待添加的可视化数据未通过校验的情况下，在数据添加界面中显示数据异常原因。
在一种可能的实现情况中，待添加的可视化数据未通过校验时，可视化数据添加界面可以为如图5C所示，页面中可以包含“新增实验”、“实验名称”、“日志”对应的控件为“重新上传”，“文件格式错误，仅支持上传VisualDL生成的日志文件”提示性话语、“模型”关联的控件为“重新上传”、“支持主流模型结构可视化，具体模型支持格式请见使用指南”、“确定”控件、“取消”控件，也可以包含其他内容及控件。可以看到当前数据异常的原因是“文件格式错误，仅支持上传VisualDL生成的日志文件”，在实际使用时，数据异常的原因也可以为其他原因，本申请对此不做限定。
需要说明的是，上述数据添加界面中的内容、控件、提示性话语等都是示意性说明，而不能作为对本申请实施例中数据添加界面的限定。
可以理解的是，当用户在添加可视化数据输入实验名称时，可能会出现“名称长度不超过16个字符，且不包含％字符”提示性话语，也可能会出现其他提示性话语，或者不出现提示性话语，本申请对此不做限定。
在一种可能的实现情况中，点击“实验名称”对应的输入框时，可能出现输入框交互状态页面，比如在如图5D所示的页面中，该页面可以包括“默认态”及其对应的输入框，“输入态”对应的输入框显示“这是”内容，“完成态”对应的输入框显示“这是新名称”内容，“报错态”对应的输入框显示“这是新％”，该输入框下方有“名称不支持％字符”的提示性话语，“报错态”下方有“超出字符限制不显示”的提示性话语。
需要说明的是，上述输入框交互状态页面中的各内容、各输入框、各输入框显示的内容以及提示性话语等只是示意性说明，不能作为对本申请输入框交互状态页面中内容、输入框、提示性话语的限定。
本申请实施例，可以在待添加的可视化数据通过校验的情况下，在用户标识关联的数据库中添加可视化数据，在待添加的可视化数据未通过校验的情况下，在数据添加界面中显示数据异常的原因。
本申请实施例，响应于获取到针对个人工作空间控件的点击操作，确定获取到个人工作空间显示请求；或者，响应于获取到用于打开个人工作空间的命令行指令，确定获取到个人工作空间显示请求。响应于获取到个人工作空间显示请求，确定显示请求中的用户标识，在用户标识对应用户未登录深度模型可视化应用的情况下，显示深度模型可视化应用的登录界面，响应于用户标识关联的数据库中未包含历史可视化数据，显示可视化数据添加界面；响应于在可视化数据添加界面获取到的可视化数据添加请求，在用户标识关联的数据库中添加可视化数据。由此，用户可以通过个人工作空间控件、或者命令行指令打开个人工作空间，并在深度模型可视化应用的登录界面进行登录，之后还可以在数据库中添加可视化数据，极大地方便了用户对可视化数据的保存、添加、记录，提高了效率，可以给予用户良好的使用感。
本申请还提出一种基于深度模型可视化数据的处理装置。图6为本申请实施例提供的一种基于深度模型可视化数据的处理装置的结构示意图。
如图6所示，该基于深度模型可视化数据的处理装置600包括：第一确定模块610、获取模块620以及显示模块630。
其中，第一确定模块610，用于响应于获取到个人工作空间显示请求，确定所述显示请求中的用户标识。
获取模块620，用于获取与所述用户标识关联的历史可视化数据集。
显示模块630，用于在所述用户标识对应用户的个人工作空间页面中展示所述历史可视化数据集。
需要说明的是，本申请实施例中的上述各模块的功能及具体实现原理，可参照上述各方法实施例，此处不再赘述。
本申请实施例的深度模型可视化数据的处理装置，响应于获取到个人工作空间显示请求，确定显示请求中的用户标识，之后获取与该用户标识关联的历史可视化数据集，并在用户标识对应用户的个人工作空间页面中展示历史可视化数据集。由此，可实现对历史可视化数据快速展示、查看，不需要再重新构建模型或者复现历史模型，极大地提高了训练的效率，节约了时间。
图7为本申请另一实施例提供的一种深度模型可视化数据的处理装置的结构示意图。
如图7所示，该基于深度模型可视化数据的处理装置700包括：第一确定模块710,、获取模块720、显示模块730、预览模块740、分享模块750、删除模块760、搜索模块770、添加模块780以及第二确定模块790。
其中，第一确定模块710，用于响应于获取到个人工作空间显示请求，确定所述显示请求中的用户标识。
可以理解的是，本实施例中的第一确定模块710，与上述实施例中的第一确定模块610，可以具有相同的功能和结构。
获取模块720，用于获取与所述用户标识关联的历史可视化数据集。
可以理解的是，本实施例中的获取模块720，与上述实施例中的获取模块620，可以具有相同的功能和结构。
显示模块730，用于在所述用户标识对应用户的个人工作空间页面中展示所述历史可视化数据集。
在一种可能的实现方式中，所述显示模块730，可具体用于根据每个所述历史可视化数据的生成时间，将所述多个历史可视化数据在所述用户的个人工作空间页面中进行逐条展示。
在一种可能的实现方式中，所述显示模块730，还可具体用于根据每个所述历史可视化数据所属的项目名称，将所述多个历史可视化数据在所述用户的个人工作空间页面中进行逐条展示。
可以理解的是，本实施例中的获取显示模块730，与上述实施例中的显示模块630，可以具有相同的功能和结构。
预览模块740，用于响应于获取的针对任一可视化数据的选中操作，将所述任一可视化数据在预览图层进行放大展示，其中，所述预览图层位于所述个人工作空间页面所在图层的上层。
分享模块750，用于响应于获取的针对所述任一可视化数据关联的分享控件的点击操作，复制所述任一可视化数据关联的存储地址。
删除模块760，用于响应于获取的针对所述任一可视化数据关联的删除控件的点击操作，弹窗显示删除确认消息；还用于响应于获取的所述弹窗任一控件的点击操作，根据所述任一控件对应的处理方式，将所述任一可视化数据进行处理。
搜索模块770，用于响应于获取的搜索请求，确定所述搜索输入框内当前的搜索标题；还用于根据所述搜索标题，查询所述历史可视化数据集，以获取目标历史可视化数据；还用于展示所述目标历史可视化数据。
添加模块780，用于响应于与所述用户标识关联的数据库中未包含历史可视化数据，显示可视化数据添加界面；响应于在所述数据添加界面获取到的可视化数据添加请求，在所述用户标识关联的数据库中添加可视化数据。
在一种可能的实现方式中，所述添加模块780，具体用于对待添加的可视化数据进行校验；在所述待添加的可视化数据通过校验的情况下，在所述数据添加界面中显示所述待添加的可视化数据的名称；在所述待添加的可视化数据未通过校验的情况下，在所述数据添加界面中显示数据异常原因。
第二确定模块790，用于响应于获取到针对个人工作空间控件的点击操作，确定获取到所述个人工作空间显示请求；或者，用于响应于获取到用于打开所述个人工作空间的命令行指令，确定获取到所述个人工作空间显示请求。
在一种可能的实现方式中，所述第二确定模块790，还可具体用于在所述用户标识对应用户未登录深度模型可视化应用的情况下，显示所述深度模型可视化应用的登录界面。
需要说明的是，本申请实施例中的上述各模块的功能及具体实现原理，可参照上述各方法实施例，此处不再赘述。
本申请实施例的深度模型可视化数据的处理装置，响应于获取到个人工作空间显示请求，确定显示请求中的用户标识，之后获取与该用户标识关联的历史可视化数据集，并在用户标识对应用户的个人工作空间页面中展示历史可视化数据集，并对任一可视化数据在预览图层进行放大展示、复制任一可视化数据关联的存储地址、在弹窗中删除任一可视化数据、在输入框搜索目标历史可视化数据以及在可视化数据添加界面添加可视化数据，能够实现对任一可视化数据的选中、分享、删除、搜索、添加等操作，从而能够对可视化数据快速展示、查看以及相应的选中、分享、删除、搜索、添加等处理，不需要再重新构建模型或者复现历史模型，方便用户操作，极大地提高了训练的效率，节约了时间。
根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本申请的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如深度模型可视化数据的处理方法。例如，在一些实施例中，深度模型可视化数据的处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的深度模型可视化数据的处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行深度模型可视化数据的处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
本申请的技术方案，响应于获取到个人工作空间显示请求，确定显示请求中的用户标识，之后获取与该用户标识关联的历史可视化数据集，并在用户标识对应用户的个人工作空间页面中展示历史可视化数据集。由此，可实现对历史可视化数据快速展示、查看，不需要再重新构建模型或者复现历史模型，极大地提高了训练的效率，节约了时间。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (15)

1.一种深度模型可视化数据的处理方法，包括：
响应于获取到个人工作空间显示请求，确定所述显示请求中的用户标识；
获取与所述用户标识关联的历史可视化数据集；
在所述用户标识对应用户的个人工作空间页面中展示所述历史可视化数据集。
2.根据权利要求1所述的方法，其中，所述历史可视化数据集中包括多个历史可视化数据及对应的生成时间，所述在所述用户标识对应用户的个人工作空间页面中展示所述历史可视化数据集，包括：
根据每个所述历史可视化数据的生成时间，将所述多个历史可视化数据在所述用户的个人工作空间页面中进行逐条展示。
3.根据权利要求1所述的方法，其中，所述历史可视化数据集中包括多个历史可视化数据及每个所述历史可视化数据所属的项目名称，所述在所述用户标识对应用户的个人工作空间页面中展示所述历史可视化数据集，包括：
根据每个所述历史可视化数据所属的项目名称，将所述多个历史可视化数据在所述用户的个人工作空间页面中进行逐条展示。
4.根据权利要求1所述的方法，其中，还包括：
响应于获取的针对任一可视化数据的选中操作，将所述任一可视化数据在预览图层进行放大展示，其中，所述预览图层位于所述个人工作空间页面所在图层的上层。
5.根据权利要求1所述的方法，其中，所述历史可视化数据集中包括每个历史可视化数据关联的存储地址，所述方法还包括：
响应于获取的针对所述任一可视化数据关联的分享控件的点击操作，复制所述任一可视化数据关联的存储地址。
6.根据权利要求1所述的方法，其中，所述历史可视化数据集中包括每个历史可视化数据关联的存储地址，所述方法还包括：
响应于获取的针对所述任一可视化数据关联的删除控件的点击操作，弹窗显示删除确认消息；
响应于获取的所述弹窗任一控件的点击操作，根据所述任一控件对应的处理方式，将所述任一可视化数据进行处理。
7.根据权利要求1-6任一所述的方法，其中，所述个人工作空间页面中包括搜索输入框，所述方法还包括：
响应于获取的搜索请求，确定所述搜索输入框内当前的搜索标题；
根据所述搜索标题，查询所述历史可视化数据集，以获取目标历史可视化数据；
展示所述目标历史可视化数据。
8.根据权利要求1-6任一所述的方法，其中，在所述确定所述登录请求中的用户标识之后，还包括：
响应于与所述用户标识关联的数据库中未包含历史可视化数据，显示可视化数据添加界面；
响应于在所述数据添加界面获取到的可视化数据添加请求，在所述用户标识关联的数据库中添加可视化数据。
9.根据权利要求8所述的方法，其中，所述在所述数据添加界面获取到的可视化数据添加请求之后，还包括：
对待添加的可视化数据进行校验；
在所述待添加的可视化数据通过校验的情况下，在所述数据添加界面中显示所述待添加的可视化数据的名称；
在所述待添加的可视化数据未通过校验的情况下，在所述数据添加界面中显示数据异常原因。
10.根据权利要求1-6任一所述的方法，其中，还包括：
响应于获取到针对个人工作空间控件的点击操作，确定获取到所述个人工作空间显示请求；
或者，
响应于获取到用于打开所述个人工作空间的命令行指令，确定获取到所述个人工作空间显示请求。
11.根据权利要求10所述的方法，其中，在所述获取到个人工作空间显示请求之后，还包括：
在所述用户标识对应用户未登录深度模型可视化应用的情况下，显示所述深度模型可视化应用的登录界面。
12.一种深度模型可视化数据的处理装置，包括：
第一确定模块，用于响应于获取到个人工作空间显示请求，确定所述显示请求中的用户标识；
获取模块，用于获取与所述用户标识关联的历史可视化数据集；
显示模块，用于在所述用户标识对应用户的个人工作空间页面中展示所述历史可视化数据集。
13.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-11中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-11中任一项所述的方法。
15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-11中任一项所述的方法。
CN202011480639.6A 2020-12-15 2020-12-15 深度模型可视化数据的处理方法、装置及电子设备 Active CN112558966B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202011480639.6A CN112558966B (zh) 2020-12-15 2020-12-15 深度模型可视化数据的处理方法、装置及电子设备
EP21190930.4A EP3901761A3 (en) 2020-12-15 2021-08-12 Method, apparatus, and electronic device for processing visual data of deep model
US17/445,000 US20210397646A1 (en) 2020-12-15 2021-08-13 Method, electronic device, and storage medium for processing visual data of deep model
JP2021169647A JP7295196B2 (ja) 2020-12-15 2021-10-15 深層モデル可視化データの処理方法、装置及び電子機器
KR1020210159125A KR20220002814A (ko) 2020-12-15 2021-11-18 딥 모델 시각화 데이터의 처리 방법, 장치 및 전자 기기

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011480639.6A CN112558966B (zh) 2020-12-15 2020-12-15 深度模型可视化数据的处理方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN112558966A true CN112558966A (zh) 2021-03-26
CN112558966B CN112558966B (zh) 2022-09-23

Family

ID=75062852

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011480639.6A Active CN112558966B (zh) 2020-12-15 2020-12-15 深度模型可视化数据的处理方法、装置及电子设备

Country Status (5)

Country Link
US (1) US20210397646A1 (zh)
EP (1) EP3901761A3 (zh)
JP (1) JP7295196B2 (zh)
KR (1) KR20220002814A (zh)
CN (1) CN112558966B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113536023A (zh) * 2021-08-06 2021-10-22 广东电网有限责任公司 一种基于bim及物联网的图档管理方法及系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230106989A (ko) 2022-01-07 2023-07-14 주식회사 엘지에너지솔루션 리튬 이차전지용 전극 및 이의 제조방법

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006108290A1 (en) * 2005-04-15 2006-10-19 Research In Motion Limited System and method for unified visualization of two-tiered applications
US9405755B1 (en) * 2013-10-03 2016-08-02 Initial State Technologies, Inc. Apparatus and method for processing log file data
US20160232457A1 (en) * 2015-02-11 2016-08-11 Skytree, Inc. User Interface for Unified Data Science Platform Including Management of Models, Experiments, Data Sets, Projects, Actions and Features
US20170061659A1 (en) * 2015-08-31 2017-03-02 Accenture Global Solutions Limited Intelligent visualization munging
CN107729400A (zh) * 2017-09-21 2018-02-23 金蝶软件（中国）有限公司 打开历史单据的方法、装置、计算机设备及存储介质
US20180107769A1 (en) * 2016-10-18 2018-04-19 Mu Sigma Business Solutions Pvt. Ltd. Model validation system and method
CN109241141A (zh) * 2018-09-04 2019-01-18 北京百度网讯科技有限公司 深度学习的训练数据处理方法和装置
CN110750653A (zh) * 2019-10-22 2020-02-04 中国工商银行股份有限公司 信息处理方法、装置、电子设备及介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9280760B2 (en) * 2011-10-26 2016-03-08 Citrix Systems, Inc. Integrated online workspaces
US8799829B2 (en) * 2012-09-28 2014-08-05 Interactive Memories, Inc. Methods and systems for background uploading of media files for improved user experience in production of media-based products
US11475052B1 (en) * 2019-11-08 2022-10-18 Tableau Software, Inc. Using visual cues to validate object models of database tables

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006108290A1 (en) * 2005-04-15 2006-10-19 Research In Motion Limited System and method for unified visualization of two-tiered applications
US9405755B1 (en) * 2013-10-03 2016-08-02 Initial State Technologies, Inc. Apparatus and method for processing log file data
US20160232457A1 (en) * 2015-02-11 2016-08-11 Skytree, Inc. User Interface for Unified Data Science Platform Including Management of Models, Experiments, Data Sets, Projects, Actions and Features
US20170061659A1 (en) * 2015-08-31 2017-03-02 Accenture Global Solutions Limited Intelligent visualization munging
US20180107769A1 (en) * 2016-10-18 2018-04-19 Mu Sigma Business Solutions Pvt. Ltd. Model validation system and method
CN107729400A (zh) * 2017-09-21 2018-02-23 金蝶软件（中国）有限公司 打开历史单据的方法、装置、计算机设备及存储介质
CN109241141A (zh) * 2018-09-04 2019-01-18 北京百度网讯科技有限公司 深度学习的训练数据处理方法和装置
CN110750653A (zh) * 2019-10-22 2020-02-04 中国工商银行股份有限公司 信息处理方法、装置、电子设备及介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ADI0229: "不敲代码，也能训练深度神经网络？试试DeepCognition", 《HTTPS://WWW.JIANSHU.COM/P/4454893AD7EB》 *
GEELY: "可视化建模", 《HTTPS://PORTAL.CLOUD.GEELY.COM/DOC/BML/S/6K5EWV098-1》 *
GEELY: "模型仓库", 《HTTPS://PORTAL.CLOUD.GEELY.COM/DOC/BML/S/WJXBINDT7-1》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113536023A (zh) * 2021-08-06 2021-10-22 广东电网有限责任公司 一种基于bim及物联网的图档管理方法及系统

Also Published As

Publication number Publication date
EP3901761A3 (en) 2022-03-02
US20210397646A1 (en) 2021-12-23
JP2022006178A (ja) 2022-01-12
EP3901761A2 (en) 2021-10-27
CN112558966B (zh) 2022-09-23
KR20220002814A (ko) 2022-01-07
JP7295196B2 (ja) 2023-06-20

Similar Documents

Publication Publication Date Title
US20150046153A1 (en) Macro replacement of natural language input
US11907669B2 (en) Creation of component templates based on semantically similar content
US20130173655A1 (en) Selective fetching of search results
CN112558966B (zh) 深度模型可视化数据的处理方法、装置及电子设备
US20220237376A1 (en) Method, apparatus, electronic device and storage medium for text classification
US20210209160A1 (en) Method and apparatus for identifying map region words
CN112784588A (zh) 用于标注文本的方法、装置、设备以及存储介质
CN112528608A (zh) 页面编辑方法、装置、电子设备和存储介质
CN111931034A (zh) 数据搜索方法、装置、设备及存储介质
CN115329753B (zh) 一种基于自然语言处理的智能数据分析方法和系统
CN116661936A (zh) 页面数据的处理方法、装置、计算机设备及存储介质
WO2020093613A1 (zh) 页面数据的处理方法及装置、存储介质、计算机设备
CN115080039A (zh) 前端代码生成方法、装置、计算机设备、存储介质和产品
CN114499984A (zh) 基于ai和rpa的身份认证方法、装置、设备和介质
CN113179183A (zh) 服务开关状态控制装置及方法
CN113220297A (zh) 网页样式动态生成方法及装置、存储介质及电子设备
CN113626441A (zh) 基于扫描设备的文本管理方法、装置、设备以及存储介质
CN107220045B (zh) 基于人工智能的建站方法、装置、设备及存储介质
CN113138760A (zh) 一种页面生成方法、装置、电子设备和介质
CN113760317A (zh) 一种页面显示方法、装置、设备及存储介质
CN110795424A (zh) 特征工程变量数据请求处理方法、装置及电子设备
CN112783410A (zh) 信息处理方法、介质、装置和计算设备
CN113434790B (zh) 重复链接的识别方法、装置及电子设备
CN113781602A (zh) 甘特图生成方法及装置、计算机可读存储介质、电子设备
CN113849170A (zh) 代码分享方法、装置、电子设备和存储介质

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