【技术实现步骤摘要】
本专利技术涉及网络运维技术，尤其涉及一种it网络运维数据诊断与分析装置。
技术介绍
1、目前，随着深度学习技术和互联网的发展，it网络运维的故障诊断已广泛应用于计算机行业中，以减少财产损失，提高生产效率。各种探针可以获取大量的运维数据，如cpu使用率、内存使用情况、网络连接等。基于充足的运维数据，运维工具可自由生成多样式数据拓扑图。而神经网络的兴起，特别是卷积神经网络(convnets)。使计算机视觉识别领域成功地从工程特征转向设计卷积神经网络架构，alexnet的引入促成了“imagenet时刻”，开启了计算机视觉的新时代。这一领域迅速发展出现了vggnet、inception、resnet、densenet、effentnet和regnet等代表性的卷积神经网络。各种网络在图像识别分类的侧重不同，体现在准确性、效率和可扩展性等，也提出了多元的网络设计思路。
2、除了精度之外，计算复杂度是另一个重要的考虑因素。现实世界的任务通常旨在目标平台(例如硬件)和应用场景(例如，自动驾驶需要低延迟)给定的有限计算预算下获得最佳精度。这激发了一系列朝着轻量化架构设计和更好的速度-精度权衡的工作，包括xception，mobilenet，mobilenetv2，shufflenet和condensenet等。
3、目前，智能运维系统仍然存在需要耗费大量时间进行人工分析运维数据、判断故障点进行诊断分析与处理的问题。
技术实现思路
1、本专利技术目的在于提供一种it网络运维
2、本专利技术中所述一种it网络运维数据诊断与分析装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的网络运维数据图像识别分析程序，所述网络运维数据图像识别分析程序配置为实现如下步骤：
3、s1.训练图像收集与标注的步骤；
4、s2.数据增广与预处理的步骤；
5、s3.模型改进与训练的步骤，在shufflenet的基础模块中加入混合扩张卷积模块并嵌入特征融合校准模块得到改进shufflenet模型；
6、s4.模型部署与使用的步骤。
7、所述步骤s1具体为：将现有运维系统中的拓扑图图像进行收集，归类分为正常网络拓扑图和异常网络图两大类；收集各图像中所带有的各设备图像并归为小类；对设备与设备之间的线段收集；统一使用标注软件进行数据集标注，并细化标注出异常拓扑图中任一种设备的异常图像。
8、所述步骤s2具体为：对于同一种设备和类型的图像进行收集并标注，以增广对应类别。
9、类别增广包括对图像进行图像旋转，和/或镜像翻转，和/或缩放大小后得到扩充数据集。
10、在所述步骤s3中，所述混合扩张卷积模块由1、2、5层的基础扩展卷积与批归一化模块组成。
11、在所述步骤s3中，所述特征融合校准模块将shufflenet前后模块的特征进行融合并通过se注意力机制校准。
12、所述步骤s4具体为：在部署了运维系统的服务器上部署所述改进shufflenet模型。
13、运维系统前端获取拓扑图信息并输入到改进shufflenet模型中，使得改进shufflenet模型获得图像中设备、线段分类结果，改进shufflenet模型自动分析出正常网络拓扑图与异常网络拓扑图，将信息传输给运维系统后端；后端将数据与异常信息匹配组合处理后，返回给运维系统前端进行展示。
14、本专利技术中所述一种it网络运维数据诊断与分析装置，其优点在于，提供一个可部署的轻量化的网络运维数据图像识别分析程序，减少运维人员排查分析网络拓扑中出现问题的时间，提高工作效率。
本文档来自技高网...【技术保护点】
1.一种IT网络运维数据诊断与分析装置，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的网络运维数据图像识别分析程序，所述网络运维数据图像识别分析程序配置为实现如下步骤：
2.根据权利要求1所述一种IT网络运维数据诊断与分析装置，其特征在于，所述步骤S1具体为：将现有运维系统中的拓扑图图像进行收集，归类分为正常网络拓扑图和异常网络图两大类；收集各图像中所带有的各设备图像并归为小类；对设备与设备之间的线段收集；统一使用标注软件进行数据集标注，并细化标注出异常拓扑图中任一种设备的异常图像。
3.根据权利要求2所述一种IT网络运维数据诊断与分析装置，其特征在于，所述步骤S2具体为：对于同一种设备和类型的图像进行收集并标注，以增广对应类别。
4.根据权利要求3所述一种IT网络运维数据诊断与分析装置，其特征在于，类别增广包括对图像进行图像旋转，和/或镜像翻转，和/或缩放大小后得到扩充数据集。
5.根据权利要求4所述一种IT网络运维数据诊断与分析装置，其特征在于，在所述步骤S3中，所述混合扩张卷积模块由1、2、5层的
6.根据权利要求5所述一种IT网络运维数据诊断与分析装置，其特征在于，在所述步骤S3中，所述特征融合校准模块将ShuffleNet前后模块的特征进行融合并通过SE注意力机制校准。
7.根据权利要求6所述一种IT网络运维数据诊断与分析装置，其特征在于，所述步骤S4具体为：在部署了运维系统的服务器上部署所述改进ShuffleNet模型。
8.根据权利要求7所述一种IT网络运维数据诊断与分析装置，其特征在于，运维系统前端获取拓扑图信息并输入到改进ShuffleNet模型中，使得改进ShuffleNet模型获得图像中设备、线段分类结果，改进ShuffleNet模型自动分析出正常网络拓扑图与异常网络拓扑图，将信息传输给运维系统后端；后端将数据与异常信息匹配组合处理后，返回给运维系统前端进行展示。
...【技术特征摘要】
1.一种it网络运维数据诊断与分析装置，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的网络运维数据图像识别分析程序，所述网络运维数据图像识别分析程序配置为实现如下步骤：
2.根据权利要求1所述一种it网络运维数据诊断与分析装置，其特征在于，所述步骤s1具体为：将现有运维系统中的拓扑图图像进行收集，归类分为正常网络拓扑图和异常网络图两大类；收集各图像中所带有的各设备图像并归为小类；对设备与设备之间的线段收集；统一使用标注软件进行数据集标注，并细化标注出异常拓扑图中任一种设备的异常图像。
3.根据权利要求2所述一种it网络运维数据诊断与分析装置，其特征在于，所述步骤s2具体为：对于同一种设备和类型的图像进行收集并标注，以增广对应类别。
4.根据权利要求3所述一种it网络运维数据诊断与分析装置，其特征在于，类别增广包括对图像进行图像旋转，和/或镜像翻转，和/或缩放大小后得到扩充数据集。
5.根据权...
【专利技术属性】
技术研发人员：朱祖桐，李维侃，高平，
申请(专利权)人：中国—东盟信息港股份有限公司，
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。