【技术实现步骤摘要】
本专利技术涉及机器学习领域，特别涉及一种固态硬盘测试脚本生成方法、装置、设备及存储介质。
技术介绍
1、通过jenkins(一个开源软件项目)平台进行ssd(solid state drives，固态硬盘)测试，ssd测试需要使用jenkins平台上的job，可以由不同工作人员通过jenkins平台组建多种job进行ssd的测试。在工作生产中ssd的测试量非常大，因此需要大量的测试任务，全靠人工部署测试job费时费力。自动化测试也需要人工挑选固态硬盘测试脚本以准备生成测试job，当ssd的测试量增大、jenkins连接gerrit(一个web代码评审工具)库的脚本数量增加时，所有的测试job都在一台机器上运行，如果运行的测试job太多会形成等待，人工选择脚本组成job的方式时效较低。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种固态硬盘测试脚本生成方法、装置、设备和存储介质，能够快速生成固态硬盘测试脚本，节约测试部署时间，提高测试效率。其具体方案如下：
2、第一方面，本专利技术公开了一种固态硬盘测试脚本生成方法，包括：
3、获取项目数据库中的若干预设类型的开发脚本以得到预设数据样本；所述预设数据样本为用于进行测试的脚本；
4、对所述预设数据样本进行分类以得到若干分类后脚本集合，并确定各所述分类后脚本集合各自对应的训练标签信息；
5、基于所述分类后脚本集合、所述分类后脚本集合对应的训练标签信息以及预设深度学习算法对原始模型进
6、当在固态硬盘的生产过程中获取到服务器发送的固态硬盘测试脚本生成请求，则将所述固态硬盘测试脚本生成请求输入至所述训练后模型，以通过所述训练后模型生成与所述固态硬盘测试脚本生成请求对应的目标固态硬盘测试脚本，并基于存储系统中盘片的容量点将所述目标固态硬盘测试脚本返回至与所述盘片对应的所述服务器。
7、可选的，所述获取项目数据库中的若干预设类型的开发脚本以得到预设数据样本，包括：
8、整合全部项目的数据库中若干预设类型的开发脚本，以得到所述预设数据样本；所述预设数据样本包含固态硬盘性能测试脚本、固态硬盘特性测试脚本、固态硬盘基本功能测试脚本以及固态硬盘模块化测试脚本。
9、可选的，所述基于所述分类后脚本集合、所述分类后脚本集合对应的训练标签信息以及预设深度学习算法对原始模型进行训练，以基于所述分类后脚本集合和所述训练标签信息调整所述原始模型中的权值，得到训练后模型，包括：
10、将多层自编码神经网络的初始层确定为当前层；
11、将携带有所述训练标签信息的所述分类后脚本集合输入至所述原始模型中所述多层自编码神经网络的所述当前层；
12、利用所述分类后脚本集合在所述当前层执行预训练操作，以便基于所述训练标签信息调整所述原始模型中的权值，得到所述当前层输出的神经网络权值；
13、判断所述当前层是否为所述多层自编码神经网络的最后一层；
14、若所述当前层为所述多层自编码神经网络的最后一层，则将所述神经网络权值确定为最终权值，并基于所述最终权值生成所述训练后模型；
15、若所述当前层不为所述多层自编码神经网络的最后一层，则将所述当前层的下一层的权值设置为所述当前层输出的所述神经网络权值，将所述下一层确定为新的所述当前层，并重新进入所述将携带有所述训练标签信息的所述分类后脚本集合输入至所述原始模型中所述多层自编码神经网络的所述当前层的步骤。
16、可选的，所述利用所述分类后脚本集合在所述当前层执行预训练操作，以便基于所述训练标签信息调整所述原始模型中的权值，得到所述当前层输出的神经网络权值，包括：
17、将所述分类后脚本集合输入所述当前层，以便提取所述训练标签信息的特征信息；
18、基于所述特征信息以及所述当前层的预设损失函数调整所述原始模型中的权值，得到所述当前层输出的所述神经网络权值。
19、可选的，所述基于所述分类后脚本集合和所述训练标签信息调整所述原始模型中的权值，得到训练后模型之后，还包括：
20、获取存储系统中安装的全部所述盘片，并为每个所述盘片设置对应的所述容量点；
21、将所述容量点相同的所述盘片确定为目标盘片集合。
22、可选的，所述将所述固态硬盘测试脚本生成请求输入至所述训练后模型，以通过所述训练后模型生成与所述固态硬盘测试脚本生成请求对应的目标固态硬盘测试脚本，包括：
23、确定所述服务器中的所述目标盘片集合，并确定所述目标盘片集合对应的测试标签信息；
24、基于所述测试标签信息生成所述固态硬盘测试脚本生成请求；
25、将全部所述固态硬盘测试脚本生成请求发送至总服务器，以通过所述总服务器将全部所述固态硬盘测试脚本生成请求输入至所述训练后模型，基于所述测试标签信息确定待生成脚本类型，基于所述待生成脚本类型生成与所述固态硬盘测试脚本生成请求对应的所述目标固态硬盘测试脚本。
26、可选的，所述基于存储系统中盘片的容量点将所述目标固态硬盘测试脚本返回至与所述盘片对应的所述服务器之后，还包括：
27、将所述目标固态硬盘测试脚本存放至所述服务器中的目标目录，并基于所述存储系统中所述盘片的所述容量点从所述服务器的全部所述盘片中确定位于所述目标盘片集合中的待测试盘片；
28、获取所述待测试盘片的盘符，并基于所述盘符以及所述目标固态硬盘测试脚本执行相应的预设测试操作，得到对应的测试结果。
29、第二方面，本专利技术公开了一种固态硬盘测试脚本生成装置，包括：
30、数据样本获取模块，用于获取项目数据库中的若干预设类型的开发脚本以得到预设数据样本；所述预设数据样本为用于进行测试的脚本；
31、训练标签信息确定模块，用于对所述预设数据样本进行分类以得到若干分类后脚本集合，并确定各所述分类后脚本集合各自对应的训练标签信息；
32、模型训练模块，用于基于所述分类后脚本集合、所述分类后脚本集合对应的训练标签信息以及预设深度学习算法对原始模型进行训练，以基于所述分类后脚本集合和所述训练标签信息调整所述原始模型中的权值，得到训练后模型；
33、目标固态硬盘测试脚本生成模块，用于当在固态硬盘的生产过程中获取到服务器发送的固态硬盘测试脚本生成请求，则将所述固态硬盘测试脚本生成请求输入至所述训练后模型，以通过所述训练后模型生成与所述固态硬盘测试脚本生成请求对应的目标固态硬盘测试脚本；
34、目标固态硬盘测试脚本返回模块，用于基于存储系统中盘片的容量点将所述目标固态硬盘测试脚本返回至与所述盘片对应的所述服务器。
35、第三方面，本专利技术公开了一种电子设备，包括：
36、存储器，用于保存计算机程序；
37、处理器，用本文档来自技高网...
【技术保护点】
1.一种固态硬盘测试脚本生成方法，其特征在于，包括：
2.根据权利要求1所述的固态硬盘测试脚本生成方法，其特征在于，所述获取项目数据库中的若干预设类型的开发脚本以得到预设数据样本，包括：
3.根据权利要求1所述的固态硬盘测试脚本生成方法，其特征在于，所述基于所述分类后脚本集合、所述分类后脚本集合对应的训练标签信息以及预设深度学习算法对原始模型进行训练，以基于所述分类后脚本集合和所述训练标签信息调整所述原始模型中的权值，得到训练后模型，包括：
4.根据权利要求3所述的固态硬盘测试脚本生成方法，其特征在于，所述利用所述分类后脚本集合在所述当前层执行预训练操作，以便基于所述训练标签信息调整所述原始模型中的权值，得到所述当前层输出的神经网络权值，包括：
5.根据权利要求1至4任一项所述的固态硬盘测试脚本生成方法，其特征在于，所述基于所述分类后脚本集合和所述训练标签信息调整所述原始模型中的权值，得到训练后模型之后，还包括：
6.根据权利要求5所述的固态硬盘测试脚本生成方法，其特征在于，所述将所述固态硬盘测试脚本生成请求输入至所述训
7.根据权利要求6所述的固态硬盘测试脚本生成方法，其特征在于，所述基于存储系统中盘片的容量点将所述目标固态硬盘测试脚本返回至与所述盘片对应的所述服务器之后，还包括：
8.一种固态硬盘测试脚本生成装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的固态硬盘测试脚本生成方法。
...【技术特征摘要】
1.一种固态硬盘测试脚本生成方法，其特征在于，包括：
2.根据权利要求1所述的固态硬盘测试脚本生成方法，其特征在于，所述获取项目数据库中的若干预设类型的开发脚本以得到预设数据样本，包括：
3.根据权利要求1所述的固态硬盘测试脚本生成方法，其特征在于，所述基于所述分类后脚本集合、所述分类后脚本集合对应的训练标签信息以及预设深度学习算法对原始模型进行训练，以基于所述分类后脚本集合和所述训练标签信息调整所述原始模型中的权值，得到训练后模型，包括：
4.根据权利要求3所述的固态硬盘测试脚本生成方法，其特征在于，所述利用所述分类后脚本集合在所述当前层执行预训练操作，以便基于所述训练标签信息调整所述原始模型中的权值，得到所述当前层输出的神经网络权值，包括：
5.根据权利要求1至4任一项所述的固态硬盘测试脚本生成方法，其特征在于，所述...
【专利技术属性】
技术研发人员：李允阳，刘方健，秦文政，
申请(专利权)人：山东云海国创云计算装备产业创新中心有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。