用于定义和执行指定神经网络架构的程序代码的技术的制作方法

技术特征：
1.一种用于生成可执行神经网络的计算机实现的方法，所述方法包括：接收指定多个数学表达式的源代码，所述多个数学表达式定义神经网络的一个或多个层；对包括在所述多个数学表达式中的第一数学表达式执行一个或多个编译操作，其中所述一个或多个编译操作包括：确定包括在所述第一数学表达式中的第一变量是未赋值的，并且基于所述第一变量是未赋值的来确定在训练所述神经网络时要学习所述第一变量；以及生成与所述第一数学表达式相对应的编译的代码，所述编译的代码在执行时致使生成所述第一变量的值。2.如权利要求1所述的计算机实现的方法，其中所述第一变量在所述第一数学表达式的第一部分中指定，并且所述一个或多个操作包括：基于所述第一数学表达式的第二部分来实例化所述第一数学表达式。3.如权利要求2所述的计算机实现的方法，其中确定所述第一变量是未赋值的包括：确定所述第一变量的对应值在所述第一数学表达式被实例化之后是否已经赋值。4.如权利要求1所述的计算机实现的方法，其中确定在训练期间要学习所述第一变量进一步基于包括在所述一个或多个层中的第一层的属性。5.如权利要求4所述的计算机实现的方法，其中所述第一层的所述属性包括：将所述第一层的输入赋值给包括在所述一个或多个层中的第二层的输出，其中所述第一层的所述输入与所述第一变量相关联。6.如权利要求1所述的计算机实现的方法，其还包括：在学习变量用户接口中显示所述第一变量。7.如权利要求6所述的计算机实现的方法，其中在执行所述编译的代码之前，经由所述学习变量用户接口接收确认在训练期间要学习所述第一变量的确认输入。8.如权利要求1所述的计算机实现的方法，其还包括：在所述神经网络的训练阶段执行所述编译的代码以便确定所述第一变量的所述值。9.如权利要求1所述的计算机实现的方法，其中所述源代码标识包括在所述一个或多个层中的第一层与第二层之间的关系。10.如权利要求1所述的计算机实现的方法，其还包括：在网络浏览器应用程序内接收对所述源代码的更新，并且在所述网络浏览器的执行框架内重新编译所更新的源代码。11.一种计算机可读介质，所述计算机可读介质存储指令，所述指令在由处理器执行时致使所述处理器通过执行以下步骤生成可执行神经网络：接收指定多个数学表达式的源代码，所述多个数学表达式定义神经网络的一个或多个层；对包括在所述多个数学表达式中的第一数学表达式执行一个或多个编译操作，其中所述一个或多个编译操作包括：确定包括在所述第一数学表达式中的第一变量是未赋值的，并且基于所述第一变量是未赋值的来确定在训练所述神经网络时要学习所述第一变量；以及生成与所述第一数学表达式相对应的编译的代码，所述编译的代码在执行时致使生成所述第一变量的值。
12.如权利要求11所述的计算机可读介质，其中所述第一变量在所述第一数学表达式的第一部分中指定，并且所述一个或多个操作包括：基于所述第一数学表达式的第二部分来实例化所述第一数学表达式。13.如权利要求12所述的计算机可读介质，其中确定所述第一变量是未赋值的包括：确定所述第一变量的对应值在所述第一数学表达式被实例化之后是否已经赋值。14.如权利要求11所述的计算机可读介质，其中确定在训练期间要学习所述第一变量进一步基于包括在所述一个或多个层中的第一层的属性。15.如权利要求14所述的计算机可读介质，其中所述第一层的所述属性包括：将所述第一层的输入赋值给包括在所述一个或多个层中的第二层的输出，其中所述第一层的所述输入与所述第一变量相关联。16.如权利要求1所述的计算机可读介质，其还包括：在学习变量用户接口中显示所述第一变量。17.如权利要求16所述的计算机可读介质，其中在执行所述编译的代码之前，经由所述学习变量用户接口接收确认在训练期间要学习所述第一变量的确认输入。18.如权利要求11所述的计算机可读介质，其还包括：在所述神经网络的训练阶段执行所述编译的代码以便确定所述第一变量的所述值。19.如权利要求11所述的计算机可读介质，其中生成所述编译的代码包括：将所述第一数学表达式编译成机器可执行代码。20.一种系统，其包括：存储器，所述存储器存储软件应用程序；以及处理器，所述处理器在执行所述软件应用程序时被配置为执行以下步骤：接收指定多个数学表达式的源代码，所述多个数学表达式定义神经网络的一个或多个层，对包括在所述多个数学表达式中的第一数学表达式执行一个或多个编译操作，其中所述一个或多个编译操作包括：确定包括在所述第一数学表达式中的第一变量是未赋值的，并且基于所述第一变量是未赋值的来确定在训练所述神经网络时要学习所述第一变量，以及生成与所述第一数学表达式相对应的编译的代码，所述编译的代码在执行时致使生成所述第一变量的值。

技术总结
一种人工智能(AI)设计应用程序，其向用户展示用于生成、分析、评估和描述神经网络的各种工具。所述AI设计应用程序包括网络生成器，所述网络生成器生成和/或更新程序代码，所述程序代码基于用户与网络架构的图形描绘的交互来定义神经网络。所述网络生成器使开发人员能够使用数学表达式的流水线定义所述神经网络架构，所述数学表达式的流水线可直接编译而无需复杂软件堆栈。所述编译过程允许在训练过程期间要学习的变量在所述神经网络被实例化时处于未赋值。特别地，编译器将这种未赋值的变量标识为具有将在所述训练过程期间确定的值的变量。值的变量。值的变量。


技术研发人员：维沙尔
受保护的技术使用者：维亚奈系统公司
技术研发日：2020.07.06
技术公布日：2022/3/29