报警信息处理方法技术

本公开提供了一种报警信息处理方法

【技术实现步骤摘要】
报警信息处理方法、装置、设备、介质及产品


[0001]本公开涉及计算机
中的深度学习
、
云计算等领域，尤其涉及一种报警信息处理方法
、
装置
、
设备
、
介质及产品
。

技术介绍

[0002]深度学习系统是一种集深度学习框架
、
工具组件
、
开发套件和服务平台
、
基础模型库等产品为一体的开放平台
。
为了使深度学习系统提供优质的深度学习服务，需要对深度学习系统进行迭代更新
。
深度学习系统可以使用
commit(
更新信息
)
记录更新的内容，系统更新之后，需要对深度学习系统进行使用测试，以确保深度学习系统的正常运转
。
[0003]目前，深度学习系统的测试会产生大量的报警信息
。
面对大量的报警信息一般采用人工进行报警分析，得到令深度学习系统运行异常的
commit。
导致消耗大量人工成本，报警信息的分析效率较低
。

技术实现思路

[0004]本公开提供了一种用于报警信息处理方法
、
装置
、
设备
、
介质及产品
。
[0005]根据本公开的第一方面，提供了一种报警信息处理方法，包括：
[0006]确定与深度学习系统对应的目标报警信息；
[0007]基于预设多个报警原因，确定与所述目标报警信息对应的目标报警原因；
[0008]根据所述深度学习系统的多个更新信息，对产生所述目标报警原因的更新信息进行定位，获得异常更新信息；
[0009]输出所述异常更新信息
。
[0010]根据本公开的第二方面，提供了一种报警信息处理装置，包括：
[0011]确定单元，用于确定与所述深度学习系统对应的目标报警信息；
[0012]选择单元，用于基于多个报警原因，选择与所述目标报警信息对应的目标报警原因；
[0013]定位单元，用于根据所述深度学习系统的多个更新信息，对产生所述目标报警原因的更新信息进行定位，获得异常更新信息；
[0014]输出单元，用于输出所述异常更新信息
。
[0015]根据本公开的第三方面，提供了一种电子设备，包括：
[0016]至少一个处理器；以及
[0017]与所述至少一个处理器通信连接的存储器；其中，
[0018]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第一方面任一种所述的方法
。
[0019]根据本公开的第四方面，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，其中，所述计算机指令用于使所述计算机执行第一方面任一种所述的方法
。
[0020]根据本公开的第五方面，提供了一种计算机程序产品，所述计算机程序产品包括：
计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法
。
[0021]根据本公开的技术确定与深度学习系统对应的目标报警信息，对深度学习系统需要分析的报警信息进行确认
。
进而基于预设多个报警原因，确定与目标报警信息对应的目标报警原因，初步实现对产生目标报警信息的原因确认
。
以从深度学习系统的多个更新信息中对产生目标报警原因的更新信息进行定位，获得异常更新信息
。
在异常更新信息的获取过程中不需要人工参与，可以有效提高异常更新信息的定位效率
。
此外，本案中先采用报警原因的归纳实现目标报警原因获取，再以多个更新信息作为查询范围，对异常更新信息进行定位，进而建立起从报警原因到异常更新信息的链路关联，避免直接从报警信息到异常定位出现的定位困难现象，实现准确异常更新信息的准确定位
。
[0022]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围
。
本公开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
[0023]附图用于更好地理解本方案，不构成对本公开的限定
。
其中：
[0024]图1是根据本公开第一实施例的示意图；
[0025]图2是根据本公开第二实施例的示意图；
[0026]图3是根据本公开第三实施例的示意图；
[0027]图4是根据本公开第四实施例的示意图；
[0028]图5是根据本公开第五实施例的示意图；
[0029]图6是根据本公开第六实施例的示意图；
[0030]图7是根据本公开第七实施例的示意图；
[0031]图8是根据本公开第八实施例的示意图；
[0032]图9是根据本公开第九实施例的示意图；
[0033]图
10
是用来实现本公开实施例的报警信息处理方法的电子设备的框图
。
具体实施方式
[0034]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神
。
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
。
[0035]本公开提供一种报警信息处理方法
、
装置
、
设备
、
介质及产品，可以应用于计算机
中的深度学习
、
云计算等领域，尤其涉及一种报警信息处理方法
、
装置
、
设备
、
介质及产品
。
[0036]相关技术中，深度学习系统可以是一种集深度学习框架
、
工具组件
、
开发套件和服务平台
、
技术模型库等产品为一体的开发平台
。
深度学习系统可以应用于诸多领域，例如，可以应用于自动驾驶
、
工业产品检测
、
智能医疗等诸多领域
。
示例性地，可以在深度学习框架的基础上搭建目标检测应用
、
电子地图导航
、
图像处理模型等应用，实现深度学习系统的
各种应用
。
深度学习系统可以提供优质的深度学习服务，需要对深度学习系统进行迭代更新，可以使用
commit(
更新信息
)
记录更新的内容
。
同时，为了保证深度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种报警信息处理方法，包括：确定与深度学习系统对应的目标报警信息；基于预设多个报警原因，确定与所述目标报警信息对应的目标报警原因；根据所述深度学习系统的多个更新信息，对产生所述目标报警原因的更新信息进行定位，获得异常更新信息；输出所述异常更新信息
。2.
根据权利要求1所述的方法，其中，所述基于多个报警原因，确定与所述目标报警信息对应的目标报警原因，包括：确定所述深度学习系统中触发所述目标报警信息的目标更新信息；确定所述目标更新信息对应的更新对象为所述目标报警信息的报警触发对象；根据多个所述报警原因，确定与所述报警触发对象相匹配的报警原因为所述目标报警原因
。3.
根据权利要求2所述的方法，其中，所述确定所述深度学习系统中触发所述目标报警信息的目标更新信息，包括：确定所述深度学习系统所涉及的至少一个更新对象；获取在所述深度学习系统产生所述目标报警信息的异常测试任务，并获取所述异常测试任务在至少一个所述更新对象分别对应的第一更新信息；根据至少一个所述更新对象分别对应的第一更新信息，选择满足异常判定条件的第一更新信息为所述目标更新信息
。4.
根据权利要求3所述的方法，其中，所述根据至少一个所述更新对象分别对应的第一更新信息，选择满足异常判定条件的第一更新信息为所述目标更新信息，包括：获取在所述异常测试任务之前的正常测试任务，并获取所述正常测试任务在至少一个所述更新对象分别对应的第二更新信息；从至少一个所述更新对象中确定测试更新对象和除所述测试更新对象之外的其它更新对象；若根据所述其它更新对象对应的第二更新信息确定所述测试更新对象的第一更新信息满足所述异常判定条件，则确定所述测试更新对象对应的第一更新信息为所述目标更新信息
。5.
根据权利要求4所述的方法，其中，所述根据所述其它更新对象对应的第二更新信息确定所述测试更新对象的第一更新信息满足所述异常判定条件，包括：根据所述测试更新对象对应的第二更新信息和其它更新对象对应的第一更新信息，对所述深度学习系统进行重跑验证，获得第一验证结果；若所述第一验证结果为运行正常，则确定所述测试更新对象的第一更新信息满足所述异常判定条件；若所述第一验证结果为运行失败，则确定所述测试更新对象的第一更新信息不满足所述异常判定条件
。6.
根据权利要求4所述的方法，其中，所述根据所述其它更新对象对应的第二更新信息确定所述测试更新对象的第一更新信息满足所述异常判定条件，包括：若确定所述其它更新对象对应的第二更新信息与对应的第一更新信息相同，则确定所
述测试更新对象的第一更新信息满足所述异常判断条件
。7.
根据权利要求4‑6任一项所述的方法，其中，所述从至少一个所述更新对象中确定测试更新对象和除所述测试更新对象之外的其它更新对象之后，还包括：若根据所述其它更新对象对应的第二更新信息确定所述测试更新对象的第一更新信息不满足所述异常判定条件，则从至少一个所述更新对象中确定下一个测试更新对象，并返回确定除所述测试更新对象之外的其它更新对象继续执行
。8.
根据权利要求2‑7任一项所述的方法，其中，所述确定所述深度学习系统中触发所述目标报警信息的目标更新信息，包括：从所述深度学习系统中确定产生所述目标报警信息的测试任务；在确定所述测试任务所针对的计算模型处于稳定状态的情况下，则确定所述深度学习系统中触发所述目标报警信息的目标更新信息
。9.
根据权利要求2‑8任一项所述的方法，其中，所述根据多个所述报警原因，确定与所述报警触发对象相匹配的报警原因为所述目标报警原因，包括：根据多个所述报警原因分别关联的原因信息，确定原因信息中包含所述报警触发对象的报警原因为所述目标报警原因
。10.
根据权利要求1‑9任一项所述的方法，其中，所述根据所述深度学习系统的多个更新信息，对产生所述目标报警原因的更新信息进行定位，获得异常更新信息，包括：根据所述深度学习系统的多个更新信息，确定与所述目标报警原因存在报警关联的至少一个候选更新信息；从至少一个所述候选更新信息中确定产生所述目标报警原因的异常更新信息
。11.
根据权利要求
10
所述的方法，其中，所述根据所述深度学习系统的多个更新信息，确定与所述目标报警原因存在报警关联的至少一个候选更新信息，包括：确定所述深度学习系统的多个所述更新信息分别对应的更新对象；根据所述目标报警原因对应的报警触发对象，确定多个所述更新信息中更新对象与所述报警触发对象相同的至少一个同类更新信息；基于至少一个所述同类更新信息，确定与所述目标报警原因存在报警关联的至少一个候选更新信息
。12.
根据权利要求
11
所述的方法，其中，所述基于至少一个所述同类更新信息，确定与所述目标报警原因存在报警关联的至少一个候选更新信息，包括：将至少一个所述同类更新信息按照更新时间进行排序，获得排序后的至少一个同类更新信息；基于排序后的至少一个所述同类更新信息，确定位于最后一个同类更新信息之前且属于正常测试任务的初始更新信息；从排序后的至少一个所述同类更新信息中，确定位于所述初始更新信息和所述最后一个同类更新信息之间的中间更新信息；确定所述初始更新信息
、
所述中间更新信息和所述最后一个同类更新信息为至少一个所述候选更新信息
。13.
根据权利要求
10
‑
12
任一项所述的方法，其中，所述从至少一个所述候选更新信息中确定产生所述目标报警原因的异常更新信息，包括：
通过二分定位算法，从至少一个所述候选更新信息中确定产生所述目标报警原因的异常更新信息
。14.
根据权利要求
13
所述的方法，其中，所述通过二分定位算法，从至少一个所述候选更新信息中确定产生所述目标报警原因的异常更新信息，包括：基于至少一个所述候选更新信息，确定初始更新信息和末端更新信息；在所述初始更新信息和所述末端更新信息未相邻的情况下，通过所述二分定位算法更新所述初始更新信息和所述末端更新信息；在所述初始更新信息和所述末端更新信息相邻的情况下，确定所述初始更新信息为所述异常更新信息
。15.
根据权利要求
14
所述的方法，其中，所述通过所述二分定位算法更新所述初始更新信息和所述末端更新信息，包括：从至少一个所述候选更新信息中，确定位于所述初始更新信息和所述末端更新信息中间的中心更新信息；根据所述中心更新信息，对所述深度学习系统进行重跑验证，获得第二验证结果；若所述第二验证结果为运行正常，则确定所述中心更新信息的下一个更新信息为所述初始更新信息；若所述第二验证结果为运行失败，则确定所述中心更新信息为所述末端更新信息
。16.
根据权利要求1‑
15
任一项所述的方法，其中，所述确定与所述深度学习系统对应的目标报警信息，包括：获取所述深度学习系统测试产生的至少一个报警信息，并分别确定至少一个所述报警信息分别对应的分析顺序；按照至少一个所述报警信息分别对应的分析顺序，依次从至少一个所述报警信息中确定待分析的目标报警信息
。17.
根据权利要求
16
所述的方法，其中，所述分别确定至少一个所述报警信息分别对应的分析顺序，包括：按照至少一个所述报警信息分别对应的异常程度，将至少一个所述报警信息进行排序，获得至少一个所述报警信息分别对应的分析顺序
。18.
根据权利要求
17
所述的方法，还包括：根据所述报警信息的指标波动程度确定所述报警信息的异常程度，获得至少一个所述报警信息分别对应的异常程度；或者，根据所述报警信息的报警频率确定所述报警信息的异常程度，获得至少一个所述报警信息分别对应的异常程度
。19.
一种报警信息处理装置，包括：确定单元，用于确定与所述深度学习系统对应的目标报警信息；选择单元，用于基于多个报警原因，选择与所述目标报警信息对应的目标报警原因；定位单元，用于根据所述深度学习系统的多个更新信息，对产生所述目标报警原因的更新信息进行定位，获得异常更新信息；输...

【专利技术属性】
技术研发人员：郭立新，
申请(专利权)人：百度国际科技深圳有限公司，
类型：发明
国别省市：