DragDL:一种易用的深度学习模型可视化构建系统

• 作者: 汤世征 张岩峰
• 来源期刊: 计算机科学
• 关键词: 深度学习 图形化编程 数据流图 预训练模型 PaddlePaddle
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 人工智能|Artificial Intelligence
• 页码范围: 220-225
• 页数: 6页
• 分类号: TP319
• 语种: 中文
• DOI: 10.11896/jsjkx.200900045

摘要

深度学习在各个领域得到了普遍的应用,但是用户在应用深度学习时仍然面临两方面的问题:1)深度学习有着复杂的理论背景,非专业用户缺乏建模以及调优的背景知识,难以构建性能优化的模型;2)数据预处理、模型训练、预测等过程往往涉及比较复杂的编程实现,给没有程序设计基础的非专业用户在入门时带来了一定的困难.针对以上两点易用性问题,文中提出了一种易用的深度学习模型可视化构建系统DragDL,其目的在于降低用户进行数据预处理、模型训练、监控、在线预测等工作的难度.该系统基于PaddlePaddle框架,支持以拖拽图形算子的方式在画布上搭建深度学习网络结构以及推理预测功能,并将数据预处理操作过程抽象成数据流图展示,以方便用户理解和调试.系统还提供训练过程中的质量监控和性能监控的可视化功能,帮助用户实时观察训练情况.同时,DragDL提供经典模型库帮助用户完成建模任务,支持以微调经典模型的方式构建新的模型,降低用户建模时的难度.DragDL基于集群服务器和Web客户端进行部署,服务器为每个训练任务构建虚拟机服务,并支持大规模异步任务调度,具有一定的并发处理能力.