近年来,随着机器学习技术的不断发展与进步,尤其是深度学习算法在图像和大数据处理领域的成功应用,如何高效的开发和应用机器学习技术成为热点问题。目前深度学习算法的开发方式主要基于文本编程语言实现建模。存在学习门槛高、开发效率低的缺点,且难以直观理解算法逻辑。需要一种工具或平台能够降低深度学习建模的学习门槛,以简单易懂的方式展现模型的内在结构。本文设计并实现了一种面向深度学习建模的可视化编程系统。与文本编程方式相比,可视化编程使用图形表示算法和数据的处理流程,无需复杂的代码工程,能让没有编程基础的人也能快速理解模型的工作原理,并轻松掌握算法的构建与数据处理方法。本文在介绍并总结国内外可视化编程的研究现状以及机器学习可视化开发的基础上,分析构建深度学习模型的流程与特点。针对使用可视化编程方法进行深度学习建模和应用,进行了以下三个方面的工作:(1)设计了一种基于数据流的可视化编程语言。采用数据流计算图模型表示算法的计算过程。根据深度学习建模实际需要,设计了该可视化编程语言的图元定义、形式化描述以及功能规约。(2)设计并改进了可视化编程语言的代码生成算法。改进依赖扫描和分层拓扑排序算法,提出一种基于边的计算图代码生成算法,获取必要节点及最优排序。通过定义属性图重写规则,自底向上生成Python代码。并用示例验证所生成的代码。(3)设计并实现一种可视化编程系统。具备跨平台访问能力,以所见即所得的方式进行编程交互,并支持撤销重做功能。以图形化的方式展现数据流计算图的数据处理与计算逻辑,交互式的构建深度学习算法模型,并生成基于MXNet框架的深度学习算法模型以及代码工程。