本申请涉及机器学习，具体涉及一种模型3d可视化方法及相关产品。
背景技术：
1、神经网络是一种模拟大脑中海量神经元连接的复杂网络系统。通过大量数据训练后的神经网络，在某些领域的表现可以达到人类水平甚至超过人类。但不同结构的神经网络所表现出来的能力往往差异很大，设计不同的神经网络也是学术界研究最热门的话题之一。因此，对神经网络的可视化就变得越来越重要。
2、目前，计算机中的神经网络都是通过机器学习框架提供的一系列算子搭建完成，对于一个优秀的网络结构，学术界和工业界都希望能通过一种工具友好的可视化网络结构，因此，亟需一种模型3d可视化方法以实现对于神经网络模型的可视化。
技术实现思路
1、本申请实施例提供了一种模型3d可视化方法及相关产品，有利于实现对于模型的可视化，并将模型以3d的方式展现出来。
2、第一方面，本申请实施例提供一种模型3d可视化方法，应用于电子设备，所述方法包括：
3、确定第一模型的模型框架类型；
4、若所述模型框架类型不是预设模型框架类型，则将所述模型框架类型的第一模型转换为所述预设模型框架类型的第二模型；
5、解析所述第二模型，得到所述第二模型的目标层级信息；
6、根据所述目标层级信息，将所述第二模型转换为3d模型，其中，所述3d模型用于在web页面展示。
7、第二方面，本申请实施例提供一种模型3d可视化装置，所述装置应用于电子设备，所述装置包括：确定单元、转换单元和解析单元，其中，
8、所述确定单元，用于确定第一模型的模型框架类型；
9、所述转换单元，用于若所述模型框架类型不是预设模型框架类型，则将所述模型框架类型的第一模型转换为所述预设模型框架类型的第二模型；
10、所述解析单元，用于解析所述第二模型，得到所述第二模型的目标层级信息；
11、所述转换单元，还用于根据所述目标层级信息，将所述第二模型转换为3d模型，其中，所述3d模型用于在web页面展示。
12、第三方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面任一方法中的步骤的指令。
13、第四方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。
14、第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
15、可以看出，本申请实施例中，确定第一模型的模型框架类型；若所述模型框架类型不是预设模型框架类型，则将所述模型框架类型的第一模型转换为所述预设模型框架类型的第二模型；解析所述第二模型，得到所述第二模型的目标层级信息；根据所述目标层级信息，将所述第二模型转换为3d模型，其中，所述3d模型用于在web页面展示。如此，可通过模型框架转换的方式得到我们想要的第二模型，并以3d效果在web页面上展示3d模型，相较于2d模型展示更加直观，且可支持多种框架产生的模型进行可视化展示。
1.一种模型3d可视化方法，应用于电子设备，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述解析所述第二模型，得到所述第二模型的目标层级信息，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标层级信息，将所述第二模型转换为3d模型，包括：
4.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述模型层级算子类别，渲染所述3d模型，包括：
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
8.一种模型3d可视化装置，其特征在于，所述装置应用于电子设备，所述装置包括：确定单元、转换单元和解析单元，其中，
9.一种电子设备，其特征在于，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-7任一项所述的方法中的步骤的指令。
10.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-7任一项所述的方法。
