G06F11/36 G06F16/36 G06N3/04 G06N3/08
1.一种硬件资源申请方法,其特征在于,包括:
将用户输入的测试需求要素输入至资源分配模型中,得到所述资源分配模型输出的资源申请结果;所述资源分配模型基于预先获得的样本作为输入,并以人工针对所述样本预先设置的资源标签作为训练目标,预先训练得到;所述资源申请结果包括与所述测试需求要素对应的硬件资源;
向所述硬件资源所属的资源方,发送资源申请请求,并接收所述资源方基于所述资源申请请求反馈的资源申请状态信息;所述资源申请状态信息用于指示所述硬件资源的申请结果;
通过预设前端界面向所述用户展示所述申请结果。
2.根据权利要求1所述的方法,其特征在于,所述基于预先获得的样本作为输入,并以人工针对所述样本预先设置的资源标签作为训练目标,预先训练得到所述资源分配模型的过程,包括:
预先获取与硬件资源关联的需求要素;
基于所述需求要素与所述硬件资源的关联关系,构建知识图谱;所述知识图谱包括多个节点和边;所述节点代表所述需求要素;所述边代表所述节点与所述节点之间的关联关系;所述节点与所述节点之间的关联关系代表所述硬件资源与所述需求要素的关联关系;
对各个所述节点所示的需求要素进行向量转换,得到各个所述节点的表征向量;
基于各个所述边所示的关联关系,以及各个所述节点的表征向量,生成各个所述边的表征向量;
基于各个所述边的表征向量,生成各个传递矩阵;所述传递矩阵表示相连节点之间的信息传递方式;
基于与任意一个所述信息传递方式对应的需求要素作为样本,并针对所述样本设置资源标签;所述资源标签用于指示与所述信息传递方式所属节点关联的硬件资源;
以所述样本作为图神经网络模型的输入,得到所述图神经网络模型输出的资源申请结果,并以所述样本的资源标签作为训练目标,不断调整所述图神经网络模型的各项参数,直至所述资源申请结果所示的硬件资源与所述资源标签所示的硬件资源之间的偏差小于预设阈值,确定所述资源分配模型训练成功。
3.根据权利要求2所述的方法,其特征在于,所述通过预设前端界面向所述用户展示所述申请结果,包括:
通过预设前端界面向所述用户展示所述申请结果以及所述知识图谱。
4.根据权利要求1所述的方法,其特征在于,所述通过预设前端界面向所述用户展示所述申请结果之后,还包括:
在所述申请结果为同意的情况下,基于所述测试需求要素作为测试样本,所述硬件资源作为所述测试样本的资源标签,对所述资源分配模型的各项参数进行修正,得到修正资源分配模型。
5.一种硬件资源申请装置,其特征在于,包括:
资源分配单元,用于将用户输入的测试需求要素输入至资源分配模型中,得到所述资源分配模型输出的资源申请结果;所述资源分配模型基于预先获得的样本作为输入,并以人工针对所述样本预先设置的资源标签作为训练目标,预先训练得到;所述资源申请结果包括与所述测试需求要素对应的硬件资源;
资源申请单元,用于向所述硬件资源所属的资源方,发送资源申请请求,并接收所述资源方基于所述资源申请请求反馈的资源申请状态信息;所述资源申请状态信息用于指示所述硬件资源的申请结果;
结果展示单元,用于通过预设前端界面向所述用户展示所述申请结果。
6.根据权利要求5所述的装置,其特征在于,所述资源分配单元具体用于:
预先获取与硬件资源关联的需求要素;
基于所述需求要素与所述硬件资源的关联关系,构建知识图谱;所述知识图谱包括多个节点和边;所述节点代表所述需求要素;所述边代表所述节点与所述节点之间的关联关系;所述节点与所述节点之间的关联关系代表所述硬件资源与所述需求要素的关联关系;
对各个所述节点所示的需求要素进行向量转换,得到各个所述节点的表征向量;
基于各个所述边所示的关联关系,以及各个所述节点的表征向量,生成各个所述边的表征向量;
基于各个所述边的表征向量,生成各个传递矩阵;所述传递矩阵表示相连节点之间的信息传递方式;
基于与任意一个所述信息传递方式对应的需求要素作为样本,并针对所述样本设置资源标签;所述资源标签用于指示与所述信息传递方式所属节点关联的硬件资源;
以所述样本作为图神经网络模型的输入,得到所述图神经网络模型输出的资源申请结果,并以所述样本的资源标签作为训练目标,不断调整所述图神经网络模型的各项参数,直至所述资源申请结果所示的硬件资源与所述资源标签所示的硬件资源之间的偏差小于预设阈值,确定所述资源分配模型训练成功。
7.根据权利要求6所述的装置,其特征在于,所述结果展示单元具体用于:
通过预设前端界面向所述用户展示所述申请结果以及所述知识图谱。
8.根据权利要求5所述的装置,其特征在于,还包括:
在所述申请结果为同意的情况下,基于所述测试需求要素作为测试样本,所述硬件资源作为所述测试样本的资源标签,对所述资源分配模型的各项参数进行修正,得到修正资源分配模型。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的程序,其中,所述程序执行权利要求1-4任一所述的硬件资源申请方法。
10.一种硬件资源申请设备,其特征在于,包括:处理器、存储器和总线;所述处理器与所述存储器通过所述总线连接;
所述存储器用于存储程序,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1-4任一所述的硬件资源申请方法。
本申请涉及物联网领域,尤其涉及一种硬件资源申请方法、装置、存储介质和设备。
测试环境指测试运行其上的软件和硬件环境的描述,是为了完成软件测试所需要所必须的计算机硬件、软件、网络设备、历史数据的总称。测试人员需要在测试过程中需要第一时间对测试环境进行确认,确认软件版本基线、硬件设备要求、铺底数据等是否满足测试需求。任一项缺失或者不匹配都可能导致测试失效,因此测试环境正确性是测试有效性的必要条件之一。
在测试环境的过程中,测试人员需要对测试实施所需的硬件资源进行评估和落地。因此,需要测试人员在测试之外,需要了解计算机系统的硬件资源相关知识并具有评估资源使用等能力。然而,现有的硬件资源管理方式,对硬件资源的评估能力不足,无法帮助测试人员准确获悉硬件资源的整体情况,从而降低环境测试的测试质量。
本申请提供了一种硬件资源申请方法、装置、存储介质和设备,目的在于帮助测试人员准确获悉硬件资源的整体情况,从而提高环境测试的测试质量。
为了实现上述目的,本申请提供了以下技术方案:
一种硬件资源申请方法,包括:
将用户输入的测试需求要素输入至资源分配模型中,得到所述资源分配模型输出的资源申请结果;所述资源分配模型基于预先获得的样本作为输入,并以人工针对所述样本预先设置的资源标签作为训练目标,预先训练得到;所述资源申请结果包括与所述测试需求要素对应的硬件资源;
向所述硬件资源所属的资源方,发送资源申请请求,并接收所述资源方基于所述资源申请请求反馈的资源申请状态信息;所述资源申请状态信息用于指示所述硬件资源的申请结果;
通过预设前端界面向所述用户展示所述申请结果。
可选的,所述基于预先获得的样本作为输入,并以人工针对所述样本预先设置的资源标签作为训练目标,预先训练得到所述资源分配模型的过程,包括:
预先获取与硬件资源关联的需求要素;
基于所述需求要素与所述硬件资源的关联关系,构建知识图谱;所述知识图谱包括多个节点和边;所述节点代表所述需求要素;所述边代表所述节点与所述节点之间的关联关系;所述节点与所述节点之间的关联关系代表所述硬件资源与所述需求要素的关联关系;
对各个所述节点所示的需求要素进行向量转换,得到各个所述节点的表征向量;
基于各个所述边所示的关联关系,以及各个所述节点的表征向量,生成各个所述边的表征向量;
基于各个所述边的表征向量,生成各个传递矩阵;所述传递矩阵表示相连节点之间的信息传递方式;
基于与任意一个所述信息传递方式对应的需求要素作为样本,并针对所述样本设置资源标签;所述资源标签用于指示与所述信息传递方式所属节点关联的硬件资源;
以所述样本作为图神经网络模型的输入,得到所述图神经网络模型输出的资源申请结果,并以所述样本的资源标签作为训练目标,不断调整所述图神经网络模型的各项参数,直至所述资源申请结果所示的硬件资源与所述资源标签所示的硬件资源之间的偏差小于预设阈值,确定所述资源分配模型训练成功。
可选的,所述通过预设前端界面向所述用户展示所述申请结果,包括:
通过预设前端界面向所述用户展示所述申请结果以及所述知识图谱。
可选的,所述通过预设前端界面向所述用户展示所述申请结果之后,还包括:
在所述申请结果为同意的情况下,基于所述测试需求要素作为测试样本,所述硬件资源作为所述测试样本的资源标签,对所述资源分配模型的各项参数进行修正,得到修正资源分配模型。
一种硬件资源申请装置,包括:
资源分配单元,用于将用户输入的测试需求要素输入至资源分配模型中,得到所述资源分配模型输出的资源申请结果;所述资源分配模型基于预先获得的样本作为输入,并以人工针对所述样本预先设置的资源标签作为训练目标,预先训练得到;所述资源申请结果包括与所述测试需求要素对应的硬件资源;
资源申请单元,用于向所述硬件资源所属的资源方,发送资源申请请求,并接收所述资源方基于所述资源申请请求反馈的资源申请状态信息;所述资源申请状态信息用于指示所述硬件资源的申请结果;
结果展示单元,用于通过预设前端界面向所述用户展示所述申请结果。
可选的,所述资源分配单元具体用于:
预先获取与硬件资源关联的需求要素;
基于所述需求要素与所述硬件资源的关联关系,构建知识图谱;所述知识图谱包括多个节点和边;所述节点代表所述需求要素;所述边代表所述节点与所述节点之间的关联关系;所述节点与所述节点之间的关联关系代表所述硬件资源与所述需求要素的关联关系;
对各个所述节点所示的需求要素进行向量转换,得到各个所述节点的表征向量;
基于各个所述边所示的关联关系,以及各个所述节点的表征向量,生成各个所述边的表征向量;
基于各个所述边的表征向量,生成各个传递矩阵;所述传递矩阵表示相连节点之间的信息传递方式;
基于与任意一个所述信息传递方式对应的需求要素作为样本,并针对所述样本设置资源标签;所述资源标签用于指示与所述信息传递方式所属节点关联的硬件资源;
以所述样本作为图神经网络模型的输入,得到所述图神经网络模型输出的资源申请结果,并以所述样本的资源标签作为训练目标,不断调整所述图神经网络模型的各项参数,直至所述资源申请结果所示的硬件资源与所述资源标签所示的硬件资源之间的偏差小于预设阈值,确定所述资源分配模型训练成功。
可选的,所述结果展示单元具体用于:
通过预设前端界面向所述用户展示所述申请结果以及所述知识图谱。
可选的,还包括:
在所述申请结果为同意的情况下,基于所述测试需求要素作为测试样本,所述硬件资源作为所述测试样本的资源标签,对所述资源分配模型的各项参数进行修正,得到修正资源分配模型。
一种计算机可读存储介质,所述计算机可读存储介质包括存储的程序,其中,所述程序执行所述的硬件资源申请方法。
一种硬件资源申请设备,包括:处理器、存储器和总线;所述处理器与所述存储器通过所述总线连接;
所述存储器用于存储程序,所述处理器用于运行程序,其中,所述程序运行时执行所述的硬件资源申请方法。
本申请提供的技术方案,将用户输入的测试需求要素输入至资源分配模型中,得到资源分配模型输出的资源申请结果。向硬件资源所属的资源方,发送资源申请请求,并接收资源方基于资源申请请求反馈的资源申请状态信息。通过预设前端界面向用户展示申请结果。本申请利用资源分配模型,得到与测试需求要素对应的硬件资源,有效帮助用户确获悉硬件资源的整体情况,从而提高环境测试的测试质量。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1a为本申请实施例提供的一种硬件资源申请方法的流程示意图;
图1b为本申请实施例提供的一种硬件资源申请方法的流程示意图;
图2为本申请实施例提供的另一种硬件资源申请方法的流程示意图;
图3为本申请实施例提供的一种硬件资源申请装置的架构示意图。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1a和图1b所示,为本申请实施例提供的一种硬件资源申请方法的流程示意图,包括如下所示步骤。
S101:预先获取与硬件资源关联的需求要素。
其中,需求要素包括但不限于业务信息(例如交易链路)、组件信息(例如数据库)、组件中所包含的功能模块信息(例如通信模块)、应用进程(例如数据处理服务应用)。
S102:基于需求要素与硬件资源的关联关系,构建知识图谱。
其中,知识图谱包括多个节点和边,节点代表需求要素,边用于指示节点与节点之间的关联关系,节点与节点之间的关联关系代表硬件资源与需求要素的关联关系。
S103:对各个节点所示的需求要素进行向量转换,得到各个节点的表征向量。
S104:基于各个边所示的关联关系,以及各个节点的表征向量,生成各个边的表征向量。
S105:基于各个边的表征向量,生成各个传递矩阵。
其中,传递矩阵表示相连节点之间的信息传递方式。
S106:基于与任意一个信息传递方式对应的需求要素作为样本,并针对样本设置资源标签。
其中,资源标签用于指示与信息传递方式所属节点关联的硬件资源。
S107:以样本作为图神经网络模型的输入,得到图神经网络模型输出的资源申请结果,并以样本的资源标签作为训练目标,不断调整图神经网络模型的各项参数,直至资源申请结果所示的硬件资源与资源标签所示的硬件资源之间的偏差小于预设阈值,确定资源分配模型训练成功。
S108:将用户输入的测试需求要素输入至资源分配模型中,得到资源分配模型输出的资源申请结果。
其中,用户可通过5G网络,实现测试需求要素的输入。
需要说明的是,资源申请结果包括与测试需求要素对应的硬件资源。
S109:向与测试需求要素对应的硬件资源所属的资源方,发送资源申请请求,并接收资源方基于资源申请请求反馈的资源申请状态信息。
其中,资源申请状态信息用于指示硬件资源的申请结果,若申请结果为同意,则确定用户可使用硬件资源,若申请结果为不同意,则确定用户无法使用硬件资源。
S110:通过预设前端界面向用户展示申请结果以及知识图谱。
S111:在硬件资源的申请结果为同意的情况下,基于测试需求要素作为测试样本,与测试需求要素对应的硬件资源作为测试样本的资源标签,对资源分配模型的各项参数进行修正,得到修正资源分配模型。
需要说明的是,基于上述S101-S111所示流程,本实施例能够基于与硬件资源关联的需求要素,构建知识图谱,利用知识图谱训练得到资源分配模型,只需将测试需求要素输入至资源分配模型中,便能够得到与测试需求要素对应的硬件资源,从而让用户能够了解硬件资源的整体情况,以及准确获取与测试需求要素对应的硬件资源,并根据现有的测试环境资源信息给出交易涉及硬件资源全景图,提供快捷申请功能,并可以实时查看进展。
综上所述,本实施例利用资源分配模型,得到与测试需求要素对应的硬件资源,有效帮助用户确获悉硬件资源的整体情况,从而提高环境测试的测试质量。
需要说明的是,上述实施例提及的S101,为本申请实施例所示硬件资源申请方法的一种可选的实现方式。此外,上述实施例提及的S111,也为本申请实施例所示硬件资源申请方法的一种可选的实现方式。为此,上述实施例提及的流程,可以概括为图2所示的方法。
如图2所示,为本申请实施例提供的另一种硬件资源申请方法的流程示意图,包括如下所示步骤。
S201:将用户输入的测试需求要素输入至资源分配模型中,得到资源分配模型输出的资源申请结果。
其中,资源分配模型基于预先获得的样本作为输入,并以人工针对样本预先设置的资源标签作为训练目标,预先训练得到;资源申请结果包括与测试需求要素对应的硬件资源。
S202:向硬件资源所属的资源方,发送资源申请请求,并接收资源方基于资源申请请求反馈的资源申请状态信息。
其中,资源申请状态信息用于指示硬件资源的申请结果。
S203:通过预设前端界面向用户展示申请结果。
综上所述,本实施例利用资源分配模型,得到与测试需求要素对应的硬件资源,有效帮助用户确获悉硬件资源的整体情况,从而提高环境测试的测试质量。
需要说明的是,本发明提供的硬件资源申请方法可用于人工智能领域、区块链领域、分布式领域、云计算领域、大数据领域、物联网领域、移动互联领域、网络安全领域、芯片领域、虚拟现实领域、增强现实领域、全息技术领域、量子计算领域、量子通信领域、量子测量领域、数字孪生领域或金融领域。上述仅为示例,并不对本发明提供的硬件资源申请方法的应用领域进行限定。
本发明提供的硬件资源申请方法可用于金融领域或其他领域,例如,可用于金融领域中的交易应用场景。其他领域为除金融领域之外的任意领域,例如,电力领域。上述仅为示例,并不对本发明提供的硬件资源申请方法的应用领域进行限定。
与上述本申请实施例提供的硬件资源申请方法相对应,本申请实施例还提供了一种硬件资源申请装置。
如图3所示,为本申请实施例提供的一种硬件资源申请装置的架构示意图,包括如下单元。
资源分配单元100,用于将用户输入的测试需求要素输入至资源分配模型中,得到资源分配模型输出的资源申请结果;资源分配模型基于预先获得的样本作为输入,并以人工针对样本预先设置的资源标签作为训练目标,预先训练得到;资源申请结果包括与测试需求要素对应的硬件资源。
可选的,资源分配单元100具体用于:预先获取与硬件资源关联的需求要素;基于需求要素与硬件资源的关联关系,构建知识图谱;知识图谱包括多个节点和边;节点代表需求要素;边代表节点与节点之间的关联关系;节点与节点之间的关联关系代表硬件资源与需求要素的关联关系;对各个节点所示的需求要素进行向量转换,得到各个节点的表征向量;基于各个边所示的关联关系,以及各个节点的表征向量,生成各个边的表征向量;基于各个边的表征向量,生成各个传递矩阵;传递矩阵表示相连节点之间的信息传递方式;基于与任意一个信息传递方式对应的需求要素作为样本,并针对样本设置资源标签;资源标签用于指示与信息传递方式所属节点关联的硬件资源;以样本作为图神经网络模型的输入,得到图神经网络模型输出的资源申请结果,并以样本的资源标签作为训练目标,不断调整图神经网络模型的各项参数,直至资源申请结果所示的硬件资源与资源标签所示的硬件资源之间的偏差小于预设阈值,确定资源分配模型训练成功。
资源申请单元200,用于向硬件资源所属的资源方,发送资源申请请求,并接收资源方基于资源申请请求反馈的资源申请状态信息;资源申请状态信息用于指示硬件资源的申请结果。
结果展示单元300,用于通过预设前端界面向用户展示申请结果。
可选的,结果展示单元300具体用于:通过预设前端界面向用户展示申请结果以及知识图谱。
模型修正单元400,用于:在申请结果为同意的情况下,基于测试需求要素作为测试样本,硬件资源作为测试样本的资源标签,对资源分配模型的各项参数进行修正,得到修正资源分配模型。
综上所述,本实施例利用资源分配模型,得到与测试需求要素对应的硬件资源,有效帮助用户确获悉硬件资源的整体情况,从而提高环境测试的测试质量。
本申请还提供了一种计算机可读存储介质,计算机可读存储介质包括存储的程序,其中,程序执行上述本申请提供的硬件资源申请方法。
本申请还提供了一种硬件资源申请设备,包括:处理器、存储器和总线。处理器与存储器通过总线连接,存储器用于存储程序,处理器用于运行程序,其中,程序运行时执行上述本申请提供的硬件资源申请方法,包括如下步骤:
将用户输入的测试需求要素输入至资源分配模型中,得到所述资源分配模型输出的资源申请结果;所述资源分配模型基于预先获得的样本作为输入,并以人工针对所述样本预先设置的资源标签作为训练目标,预先训练得到;所述资源申请结果包括与所述测试需求要素对应的硬件资源;
向所述硬件资源所属的资源方,发送资源申请请求,并接收所述资源方基于所述资源申请请求反馈的资源申请状态信息;所述资源申请状态信息用于指示所述硬件资源的申请结果;
通过预设前端界面向所述用户展示所述申请结果。
具体的,在上述实施例的基础上,所述基于预先获得的样本作为输入,并以人工针对所述样本预先设置的资源标签作为训练目标,预先训练得到所述资源分配模型的过程,包括:
预先获取与硬件资源关联的需求要素;
基于所述需求要素与所述硬件资源的关联关系,构建知识图谱;所述知识图谱包括多个节点和边;所述节点代表所述需求要素;所述边代表所述节点与所述节点之间的关联关系;所述节点与所述节点之间的关联关系代表所述硬件资源与所述需求要素的关联关系;
对各个所述节点所示的需求要素进行向量转换,得到各个所述节点的表征向量;
基于各个所述边所示的关联关系,以及各个所述节点的表征向量,生成各个所述边的表征向量;
基于各个所述边的表征向量,生成各个传递矩阵;所述传递矩阵表示相连节点之间的信息传递方式;
基于与任意一个所述信息传递方式对应的需求要素作为样本,并针对所述样本设置资源标签;所述资源标签用于指示与所述信息传递方式所属节点关联的硬件资源;
以所述样本作为图神经网络模型的输入,得到所述图神经网络模型输出的资源申请结果,并以所述样本的资源标签作为训练目标,不断调整所述图神经网络模型的各项参数,直至所述资源申请结果所示的硬件资源与所述资源标签所示的硬件资源之间的偏差小于预设阈值,确定所述资源分配模型训练成功。
具体的,在上述实施例的基础上,所述通过预设前端界面向所述用户展示所述申请结果,包括:
通过预设前端界面向所述用户展示所述申请结果以及所述知识图谱。
具体的,在上述实施例的基础上,所述通过预设前端界面向所述用户展示所述申请结果之后,还包括:
在所述申请结果为同意的情况下,基于所述测试需求要素作为测试样本,所述硬件资源作为所述测试样本的资源标签,对所述资源分配模型的各项参数进行修正,得到修正资源分配模型。
本申请实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算设备可读取存储介质中。基于这样的理解,本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算设备(可以是个人计算机,服务器,移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
本文发布于:2024-09-25 05:32:01,感谢您对本站的认可!
本文链接:https://www.17tex.com/tex/3/85603.html
版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。
留言与评论(共有 0 条评论) |