项目参数配置方法、装置、终端设备及存储介质与流程

文档序号:15963045发布日期:2018-11-16 23:00阅读:117来源:国知局

本发明涉及项目管理领域,尤其涉及一种项目参数配置方法、装置、终端设备及存储介质。

背景技术

目前很多工程在实施伊始,都是通过建立项目的方式来进行的。而项目是指一系列独特的、复杂的并相互关联的活动,这些活动有着一个明确的目标或目的,必须在特定的时间、预算和资源限定内,依据规范完成。项目中的参数是用于表征不同项目之间差别的标志,一个项目通过不同的参数配置能够实现不同的功能和作用。因此,在建立一个项目时,需要对该项目的参数进行配置。对于规模较大的项目,需要配置的参数的数量是非常多的,当前对项目的参数进行配置时,往往都是需要对相关的参数一个个地进行手动配置,而手动配置项目的参数需要耗费大量的时间和精力,并且在配置过程中也极为容易出错。



技术实现要素:

本发明实施例提供一种项目参数配置方法、装置、终端设备及存储介质,以解决项目参数配置过程中的效率和准确性不高的问题。

第一方面,本发明实施例提供一种项目参数配置方法,包括以下步骤:

获取目标项目建立请求,基于所述目标项目建立请求获取推荐配置信息;

在可视化配置界面上显示所述推荐配置信息;

获取目标配置信息,将所述目标配置信息与对应的配置参数格式进行匹配;

若所述目标配置信息不符合配置参数格式,则基于不符合配置参数格式的目标配置信息生成提示信息;

获取更新的目标配置信息,直至所述更新的目标配置信息均符合对应的配置参数格式,则基于所述更新的目标配置信息生成目标项目的目标配置文件。

第二方面,本发明实施例提供一种项目参数配置装置,包括:

推荐配置信息获取模块,用于获取目标项目建立请求,基于所述目标项目建立请求获取推荐配置信息;

推荐配置信息显示模块,用于在可视化配置界面上显示所述推荐配置信息;

配置参数格式匹配模块,用于获取目标配置信息,将所述目标配置信息与对应的配置参数格式进行匹配;

提示信息生成模块,用于当所述目标配置信息不符合配置参数格式时,基于不符合配置参数格式的目标配置信息生成提示信息;

目标配置文件生成模块,用于获取更新的目标配置信息,直至所述更新的目标配置信息均符合对应的配置参数格式,则基于所述更新的目标配置信息生成目标项目的目标配置文件。

本发明第三方面提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如本发明第一方面所述项目参数配置方法的步骤。

本发明第四方面提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如本发明第一方面所述项目参数配置方法的步骤。

本发明实施例提供的项目参数配置方法、装置、终端设备及存储介质中,通过获取推荐配置信息并在可视化配置界面上显示获取的推荐配置信息,以助用户快速地完成目标项目的参数配置,提高参数配置的效率。在获取到用户配置好的目标配置信息之后,自动对目标配置信息的配置参数的格式进行匹配,对不符合配置参数格式的目标配置信息进行提示,以助用户正确地进行参数配置,提高了目标项目参数配置的准确性。

附图说明

为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。

图1是本发明实施例1中的项目参数配置方法的一流程图;

图2是图1中步骤s10的一具体实施方式的一流程图;

图3是图1中步骤s20的一具体实施方式的一流程图;

图4是本发明实施例1中的项目参数配置方法的另一流程图;

图5是图4中步骤s63的一具体实施方式的一流程图;

图6是图1中步骤s30的一具体实施方式的一流程图;

图7是本发明实施例2中提供的项目参数配置装置的一原理框图;

图8是本发明实施例4中终端设备的一示意图。

具体实施方式

下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。

实施例1

图1示出本实施例中项目参数配置方法的流程图。该项目参数配置方法可以应用在各种终端中,以解决项目参数配置过程中的效率较低和准确性不高的问题。如图1所示,该项目参数配置方法包括如下步骤:

s10:获取目标项目建立请求,基于目标项目建立请求获取推荐配置信息。

其中,目标项目建立请求是指用户提出的需要建立一个目标项目的请求。而推荐配置信息是指为该目标项目的参数配置而提供的推荐信息。终端在获取到目标项目建立请求之后,根据该目标项目建立请求来获取推荐配置信息。优选地,推荐配置信息可以是根据已有项目的配置文件中的参数的特点为目标项目推荐的配置信息,以方便用户对目标项目的参数进行配置,提高参数的配置效率。

s20:在可视化配置界面上显示推荐配置信息。

终端在获取到推荐配置信息之后,通过在可视化配置界面上显示该推荐配置信息,用户可以基于可视化配置界面上显示的推荐配置信息来对目标项目的参数进行设置或调整。可视化配置界面是将该目标项目的参数进行可视化显示的界面,用户可以通过该可视化配置界面对该目标项目的参数进行设置和调整。

在一个具体实施方式中,在可视化配置界面上显示推荐配置信息可以包括:在可视化配置界面上对推荐配置信息进行突出显示。具体地,突出显示可以体现为:将推荐配置信息进行高亮;或者,将推荐配置信息配置在可视化配置界面上一个集中的区域进行显示,并对该集中的区域进行标识或突出提醒。例如,对该集中的区域采用不同的颜色进行标识或者用文字进行提醒等。

s30:获取目标配置信息,将目标配置信息与对应的配置参数格式进行匹配。

目标配置信息是指用户基于推荐配置信息,在可视化配置界面上进行设置的目标项目的配置信息。在可视化配置界面上,用户基于推荐配置信息对该目标项目的参数进行设置,所有的参数在可视化配置界面上设置完毕之后,即形成目标配置信息。

配置参数格式是指项目中每一参数对应的格式。在获取到目标配置信息之后,终端会对目标配置信息中的参数和对应的配置参数格式进行匹配,以检验该参数的格式是否有误。目标配置信息中每一参数都有其对应的格式,例如一个ip地址的通常格式为xxx.xxx.xxx.xxx。若用户在配置ip地址时,目标配置信息中的ip地址对应的参数中出现了汉字,则这个参数的格式很有可能就是错误的。在这个步骤中,将目标配置信息与对应的配置参数格式进行匹配,有利于提高参数配置的准确性。

s40:若目标配置信息不符合配置参数格式,则基于不符合配置参数格式的目标配置信息生成提示信息。

通过配置参数格式对目标配置信息中对应的参数进行匹配,若目标配置信息中存在不符合配置参数格式的参数,则基于不符合配置参数格式的参数生成提示信息,以使用户基于该提示信息对目标配置信息中的参数进行修改,以保证参数配置的准确性。

优选地,基于不符合配置参数格式的参数生成提示信息,具体包括:在可视化配置界面中,对不符合配置参数格式的参数进行突出显示。突出显示具体可以为:将不符合配置参数格式的参数以不同的颜色显示;或者,在可视化配置界面中设置一集中区域,对不符合配置参数格式的参数进行集中显示。

s50:获取更新的目标配置信息,直至更新的目标配置信息均符合对应的配置参数格式,则基于更新的目标配置信息生成目标项目的目标配置文件。

若目标配置信息不符合配置参数格式,终端会生成对应的提示信息,用户在看到提示信息之后,需要对不符合配置参数格式的参数进行调整。用户对不符合配置参数格式的参数调整完毕之后,终端获取更新的目标配置信息,将更新的目标配置信息和配置参数格式进行匹配。如果匹配成功,即所有参数都符合对应的配置参数格式,则基于更新的目标配置信息生成目标项目的目标配置文件。其中,配置文件是指基于一个项目的参数进行配置而形成的文件,目标配置文件是目标项目对应的配置文件。

若此时更新的配置信息中还是存在不符合配置参数格式的参数,则终端会针对这部分不符合配置参数格式的参数重新生成对应的提示信息,继而重复获取更新的配置信息,直至更新的目标配置信息中所有的参数均符合对应的配置参数格式,则基于更新的目标配置信息生成目标项目的目标配置文件。

在一个具体实施方式中,基于更新的目标配置信息生成目标项目的目标配置文件,还包括:获取参数配置确认指令,基于更新的目标配置信息生成目标项目的目标配置文件。

在更新的目标配置信息均符合对应的配置参数格式之后,可以在可视化配置界面上进行相应地提示,提示用户当前更新的目标配置信息的参数的格式无误,然后等待获取参数配置确认指令。终端在获取到参数配置确认指令之后,基于更新的目标配置信息生成目标项目的目标配置文件。具体地,可以通过在可视化配置界面上设置一个控件,当用户触发该控件时,则发出参数配置确认指令。

本发明实施例提供的项目参数配置方法中,通过获取目标项目建立请求,基于目标项目建立请求获取推荐配置信息,并在可视化配置界面上显示推荐配置信息,为用户进行目标项目的参数配置提供参考。获取目标配置信息,将目标配置信息与对应的配置参数格式进行匹配,以验证目标配置信息中的参数的格式是否有误,以确保目标项目的参数的准确性。若目标配置信息不符合配置参数格式,基于不符合配置参数格式的目标配置信息生成提示信息,以提示用户对相应的参数进行修改,进而保证最终配置的所有参数均符合特定格式,提高其准确性。获取更新的目标配置信息,直至更新的目标配置信息均符合对应的配置参数格式,则基于更新的目标配置信息生成目标项目的目标配置文件。该项目参数配置方法通过获取推荐配置信息并在可视化配置界面上显示获取的推荐配置信息,以助用户快速地完成目标项目的参数配置,提高目标项目中参数配置的效率。在获取到用户配置好的目标配置信息之后,自动对目标配置信息的参数的格式进行匹配,对不符合配置参数格式的目标配置信息进行提示,以助用户进行正确地参数配置,提高了目标项目参数配置的准确性。

在一个具体实施方式中,目标配置信息包括调整配置信息和推荐配置信息。其中,调整配置信息是基于用户在可视化配置界面上输入的参数而形成的配置信息。该调整配置信息可以是对可视化配置界面上显示的推荐配置信息中的部分参数进行修改而形成的配置信息,也可以是在可视化配置界面中输入推荐配置信息中没有提及的参数而形成的配置信息。

在这个实施方式中,将目标配置信息与对应的配置参数格式进行匹配,包括:将目标配置信息中的调整配置信息和对应的配置参数格式进行匹配。

用户在可视化配置界面上,参考推荐配置信息对目标项目的配置参数进行配置。用户在可视化配置界面上增加对推荐配置信息中的没有提及的参数,或者对推荐配置信息中的参数进行修改,以形成调整配置信息。目标配置信息包括了推荐配置信息,而推荐配置信息的格式一般是正确的。因此,在将目标配置信息与对应的配置参数格式进行匹配时,可以只对调整配置信息与对应的配置参数格式进行匹配,减少参数的格式匹配时间,提高匹配效率。

在一个具体实施方式中,基于目标项目建立请求获取推荐配置信息,如图2所示,包括:

s11:获取已有项目的配置文件,每一配置文件包括已有配置参数名和对应的已有配置参数值。

其中,已有项目是指完成参数配置的项目,一个新建的项目在通过配置参数设置之后,终端会基于对应的配置参数形成该项目的配置文件,形成配置文件之后的项目就是一个已有项目。可选地,已有项目也可以是指实施完成的项目。在已有项目中,配置文件包括已有配置参数名和已有配置参数值。例如,已有配置参数名可以为项目名称、项目类别、端口和ip地址等。而已有配置参数值就是配置参数名对应的具体内容。

s12:将同一已有配置参数名对应的已有配置参数值作为待配置参数值,并确定每一待配置参数值的数量。

在已有项目的配置文件中,将不同配置文件中的同一已有配置参数名对应的已有配置参数值作为待配置参数值,在获取到待配置参数值之后再确定每一待配置参数值的数量。例如(参见表1):假设存在三个已有项目,三个已有项目对应的配置文件分别为:配置文件x、配置文件y、配置文件z。在该步骤中,将这三个配置文件中同一已有配置参数名对应的已有配置参数值作为待配置参数值,具体为:在这三个配置文件中,已有配置参数名a对应的已有配置参数值为:01,则已有配置参数名a的待配置参数值为01;已有配置参数名b对应的已有配置参数值为:02、02和05,则已有配置参数名b的待配置参数值为02和05;已有配置参数名c对应的已有配置参数值为:03、04和06,则已有配置参数名b的待配置参数值为03、04和06。相应地,确定每一待配置参数值的数量,具体为:已有配置参数名a的待配置参数值01的数量为3;已有配置参数名b的待配置参数值02和05的数量分别为2和1;已有配置参数名c的待配置参数值03、04和06的数量均为1。

表1配置文件实例表

s13:将数量超过阈值的待配置参数值作为推荐配置参数值,并将推荐配置参数值对应的已有配置参数名作为推荐配置参数名。

通过设定一阈值的方式,将数量超过阈值的待配置参数值作为推荐配置参数值。具体地,可以通过设置一个比例系数s的方式来确定该阈值,该阈值=所有已有配置参数值的数量*s。在同一已有配置参数名中,若待配置参数值的数量满足以下公式:待配置参数值的数量≧所有已有配置参数值的数量*s,则将该带配置参数值作为推荐配置参数值。

例如,设置该比例系数s为100%。即当同一已有配置参数名中的所有已有配置参数值都一样时,将该已有配置参数名作为推荐配置参数名。例如在表1中,只有已有配置参数名a符合这一条件,则将已有配置参数名a作为推荐配置参数名。

若设置比例系数s为60%,则在表1中,除了已有配置参数名a之外,已有配置参数名b中的待配置参数值02也符合这一条件。因此,将已有配置参数名a和已有配置参数名b作为推荐配置参数名。

通过设置一阈值来获取对应的推荐配置参数值和推荐配置参数名,面对不同的项目时可以根据该项目的特点有针对性地来调整该阈值,提高推荐配置参数值和推荐配置参数名获取的准确性。

s14:基于推荐配置参数名和推荐配置参数值,生成推荐配置信息。

通过获取推荐配置参数名和对应的推荐配置参数值,生成推荐配置信息。例如:在表1中,若设置比例系数s为60%,则基于已有配置参数名a和对应的已有配置参数值01,以及已有配置参数名b和对应的已有配置参数值02(选择待配置参数值数量超过阈值的待配置参数值02),生成推荐配置信息。

在已有项目的配置文件中,同一已有配置参数名对应的已有配置参数值相同的数量越多,其对应的配置参数名在目标项目中很大概率上也是不需要更改的。因此,可以基于这部分配置参数名和对应的推荐配置参数值生成推荐配置信息,供用户参考,以减少目标项目的参数配置时间,提高参数配置效率。

在一个具体实施方式中,获取已有项目的配置文件,具体包括:获取目标项目的项目类型,基于项目类型获取已有项目的配置文件。

在已有项目中,不同的项目可能对应于不同的项目类型,而不同项目类型的已有项目的已有配置参数值可能差异较大。因此,可以在生成推荐配置信息时,通过获取和目标项目的项目类型相同的已有项目的配置文件,生成的推荐配置信息更具有参考价值,可以进一步提高参数配置效率。

在一个具体实施方式中,在可视化配置界面上预先配置有显示配置参数名和显示配置参数值。

其中,显示配置参数名是指在可视化配置界面上显示的配置参数名。显示配置参数值是指在可视化配置界面上显示的配置参数值。在这个实施方式中,在可视化配置界面上显示推荐配置信息,如图3所示,具体包括:

s21:在可视化配置界面中,对与推荐配置参数名对应的显示配置参数名进行突出显示。

在可视化配置界面中,会显示该目标项目需要配置的配置参数名。因此,在可视化配置界面上,可以基于推荐配置信息,获取和推荐配置信息中的推荐配置参数名对应的显示配置参数名,并对该部分显示配置参数名进行突出显示。例如:若推荐配置信息中的推荐配置参数名为a和b,则对可视化配置界面上的显示配置参数名a和b突出显示。具体地,突出显示可以体现为:将推荐配置参数名对应的显示配置参数名进行高亮;或者,推荐配置参数名对应的显示配置参数名配置在可视化配置界面上一个集中的区域,并对该集中的区域进行标识或突出提醒。

s22:在突出显示的显示配置参数名中,对应的显示配置参数值显示为推荐配置参数值。

在对推荐配置参数名对应的显示配置参数名进行突出显示之后,将这部分配置参数名对应的显示配置参数值显示为对应的推荐配置参数值。例如:突出显示的显示配置参数名a和b对应的显示配置参数值分别为01和02。

在这个实施方式中,通过将推荐配置信息中的推荐配置参数名和推荐配置参数值和可视化配置界面上的显示配置参数名和显示配置参数值进行对应,可以更加直观地提醒用户,以进一步提高参数配置效率。

在一个具体实施方式中,在获取目标配置信息,将目标配置信息与对应的配置参数格式进行匹配的步骤之前,如图4所示,本实施例中的项目参数配置方法还包括以下步骤:

s61:获取已有项目的配置文件,每一配置文件包括已有配置参数名和已有配置参数值。

其中,已有项目是指完成参数配置的项目,一个新建的项目在通过参数配置之后,终端会基于对应的参数形成该项目的配置文件,形成配置文件之后的项目就是一个已有项目。可选地,已有项目也可以是指实施完成的项目。在已有项目中,配置文件包括已有配置参数名和已有配置参数值。例如,已有配置参数名可以为项目名称、项目类别、端口、ip地址等。而已有配置参数值就是配置参数名对应的具体内容。

s62:将已有项目中的已有配置参数值转换为图片格式,并用对应的已有配置参数名对已有配置参数值进行标注,获取训练图集。

将配置文件中的已有配置参数值转换为图片格式,并用对应的已有配置参数名对已有配置参数值进行标注。例如,将表1中的已有配置参数值01、02、03、04等转换为图片格式,并用它们对应的已有配置参数名进行标注(a、b、c等)。具体地,可以采用range.copypicture和clipboard.getimage()来实现将配置文件中的已有配置参数值转换为图片格式。通过range.copypicture将选定对象(已有配置参数值)作为图片复制到剪贴板,再利用clipboard.getimage()函数来获取剪贴板上的图片即可。通过这种方式对配置文件中的所有已有配置参数值进行转换和标注,得到训练图集。

可选地,也可以在已有项目中的配置文件形成时,就以图片格式来保存该配置文件的的已有配置参数值。

s63:采用卷积神经网络模型对训练图集对进行训练,获取配置参数格式识别模型。

其中,卷积神经网络(convolutionalneuralnetwork,简称cnn)模型,是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,常应用于大型图像的处理。卷积神经网络通常包括至少两个非线性的卷积层,至少两个非线性的池化层和至少一个全连接层,即包括至少五个隐含层,此外还包括输入层和输出层。将训练图集输入卷积神经网络,卷积神经网络的卷积层对训练图集进行卷积计算,根据设置的过滤器(filter)数量获得对应数量的特征图(featuremap)。通过卷积神经网络模型训练获得的配置参数格式识别模型,可以更为准确地对目标配置信息的格式进行校验。

在一个具体实施方式中,采用卷积神经网络模型对训练图集对进行训练,获取配置参数格式识别模型,如图5所示,具体包括如下步骤:

s631:初始化卷积神经网络模型。

具体地,初始化卷积神经网络主要是初始化卷积层的卷积核(即权值)和偏置。卷积神经网络模型的权值初始化就是指给卷积神经网络模型中的所有权值赋予一个初始值。如果初始权值处在误差曲面的一个相对平缓的区域时,卷积神经网络模型训练的收敛速度可能会异常缓慢。一般情况下,网络的权值被初始化在一个具有0均值的相对小的区间内均匀分布,比如[-0.30,+0.30]这样的区间内。

s632:在卷积神经网络模型中输入训练图集,计算卷积神经网络模型各层的输出。

本实施例中,在卷积神经网络模型中输入训练图集,计算卷积神经网络模型各层的输出,各层的输出采用前向传播算法可获取。其中,不同于全连接的神经网络模型,对于局部连接的卷积神经网络模型还需计算模型中卷积层的每一种输出的特征图和池化层的每一种输出的特征图,以对权值进行更新。具体地,对于卷积层的每一种输出的特征图xj其中,l是当前层,mj表示选择的输入特征图组合,是输入的第i种特征图即l-1层的输出,是l层输入的第i种特征图和输出的第j种特征图之间连接所用的卷积核,是第j种特征图层对应的加性偏置,f是激活函数,该激活函数可以是sigmoid激活函数。此外,对于池化层的每一种输出的特征图xj为其中,down表示下采样计算,这里的为第j种特征图l层对应的乘性偏置,b是第j种特征图l层对应的加性偏置。本实施例主要给出卷积神经网络模型中区别于一般全连接的神经网络模型的卷积层和池化层输出,其余各层的输出与一般全连接的神经网络模型计算相同,采用前向传播算法可获取,故不一一举例,以免累赘。

s633:根据各层的输出对卷积神经网络模型各层进行误差反传更新,获取更新后的各层的权值。

步骤s632中,获得的预测值与真实值之间必然存在误差,需要将这个误差信息逐层回传给每一层,让每一层更新它们的权值,才能获得识别效果更好的人脸识别模型。本实施例中,根据各层的输出对卷积神经网络模型各层进行误差反传更新,获取更新后的各层的权值,具体包括计算卷积神经网络模型每一层的误差信息,并用梯度下降法更新每一层的权值。其中,梯度下降法更新权值主要是利用误差代价函数对参数的梯度,所以权值更新的目标就是让每一层得到这样的梯度,然后进行更新。

在一具体实施方式中,步骤s633具体包如下步骤:根据第n个误差代价函数的表达式其中n为单个训练样本,在卷积神经网络模型中的目标输出为表示,为实际输出,c为实际输出的维度。为了求取单个样本的误差代价函数对参数的偏导,这里定义灵敏度δ为误差对输出的变化率,灵敏度的表达式为其中e为误差代价函数,其中u为ul=wlxl-1+bl,l表示当前第l层,wl表示该层的权值,xl-1表示该层的输入,bl表示该层的加性偏置。通过计算灵敏度层层回传误差信息即可实现反向传播,其中反向传播的过程是指对卷积神经网络模型各层进行误差反传更新,获取更新后的各层的权值的过程。则有卷积层第l层的灵敏度为其中,表示每个元素相乘,因为每个神经元连接都会有一个灵敏度δ,所以每一层的灵敏度是一个矩阵,l+1层是指池化层,其运算的本质相当于也是做卷积运算,例如做特征图大小为2的下采样操作,就是用2*2的每个值为1/4的卷积核卷积图像,所以这里的权值w实际上就是这个2*2的卷积核,它的值即为βj。up表示上采样计算,上采样计算是与下采样计算相对的计算,在做下采样计算时采样因子是n,则上采样计算即将每个像素分别在垂直与水平方向上复制n倍。由于l+1池化层的灵敏度矩阵是l层灵敏度矩阵的尺寸的1/4,所以需对l+1层的灵敏度矩阵做上采样计算,使它们尺寸一致。根据获得的灵敏度,计算误差代价函数对加性偏置b的偏导为即对l层中的灵敏度中所有节点求和,其中(u,v)代表灵敏度矩阵中的元素位置。乘性偏置β与前向传播中当前层的池化层相关,因此先定义则计算误差代价函数对乘性偏置β的偏导为之后计算误差代价函数对卷积核k的偏导这里在做卷积时,与kij做卷积的每一个特征图中的小块,(u,v)是指小块中心,输出特征图中(u,v)位置的值,是由输入特征图中(u,v)位置的小块和卷积核kij卷积所得的值。根据以上公式的运算,可以获得更新后的卷积神经网络模型卷积层的权值。在卷积神经网络模型的训练过程中,还应对池化层进行更新,对于池化层的每一种输出的特征图xj为其中,down表示下采样,这里的β是乘性偏置,b是加性偏置。卷积神经网络模型中池化层灵敏度的计算公式为并且根据δ可求得有误差代价函数对加性偏置b的偏导为其中conv2、rot180和full为计算所需的函数,以上公式的其余参数与上述卷积层公式提及的参数含义相同,在此不再详述。根据上述公式,可获取更新后的池化层权值,此外还应对卷积神经网络模型的其他各层(如全连接层)间权值进行更新,该更新过程与一般的全连接神经网络模型的权值更新方法相同,采用后向传播算法更新权值,为避免累赘,再此不一一进行详述。通过对卷积神经网络模型各层进行误差反传更新,获取更新后的各层的权值。

s634:基于更新后的各层的权值,获取配置参数格式识别模型。

本实施例中,将获取的更新后的各层的权值,应用到卷积神经网络模型中即可获取训练后的配置参数格式识别模型。

在这个实施方式中,不需要手动对每一配置参数值的格式进行设定,通过已有项目的配置文件经过卷积神经网络模型进行训练,即可得到配置参数格式识别模型,大大提高了配置参数格式设置的效率。

在一个具体实施方式中,目标配置信息包括目标配置名和目标配置值。

在这个实施方式中,将目标配置信息与对应的配置参数格式进行匹配,如图6所示,具体包括以下步骤:

s31:将每一目标配置参数值转换成图片格式,并用对应的目标配置参数名对目标配置参数值进行标注,获取识别图集。

将目标配置信息中的每一目标配置参数值均转换为图片格式,并用对应的已有配置参数名对已有配置参数值进行标注,得到识别图集。具体地,可以采用range.copypicture和clipboard.getimage()来实现将配置文件中的已有配置参数值转换为图片格式。通过range.copypicture将选定对象(目标配置参数值)作为图片复制到剪贴板,再利用clipboard.getimage()函数来获取剪贴板上的图片即可。

s32:将识别图集输入到配置参数格式识别模型中进行识别,获取每一目标配置参数值和配置参数格式识别模型中对应的已有配置参数名的匹配概率。

将识别图集输入到配置参数格式识别模型中进行识别,该配置参数格式识别模型会将识别图集中的每一目标配置参数值和配置参数格式识别模型中的每一类别进行匹配,并输出对应的匹配度。获取每一目标配置参数值和配置参数格式识别模型中对应的已有配置参数名的匹配度,作为匹配概率。其中,每一目标配置参数值和配置参数格式识别模型中对应的已有配置参数名的匹配度是指:目标配置参数值和配置参数格式识别模型中与对应的目标参数名相同的已有配置参数名的匹配度。获取到上述对应的匹配度,作为该目标配置参数值的匹配概率。

s33:若匹配概率小于概率阈值,则目标配置信息中的目标配置参数值不符合配置参数格式。

通过为每一目标配置参数值预先设置概率阈值的方式,来判断目标配置信息中的目标配置参数值是否符合配置参数格式。具体地,若一目标配置参数值的匹配概率小于对应的匹配阈值,则该目标配置参数值不符合配置参数格式。

在这个实施方式中,通过训练好的配置参数格式识别模型对目标配置参数信息的格式进行校验,并自动输出校验结果,能够快速高效地进行配置参数的格式校验。

应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。

实施例2

图7示出与实施例1中项目参数配置方法一一对应的项目参数配置装置的原理框图。如图7所示,该项目参数配置装置包括推荐配置信息获取模块10、推荐配置信息显示模块20、配置参数格式匹配模块30、提示信息生成模块40和目标配置文件生成模块50。其中,推荐配置信息获取模块10、推荐配置信息显示模块20、配置参数格式匹配模块30、提示信息生成模块40和目标配置文件生成模块50的实现功能与实施例1中项目参数配置方法对应的步骤一一对应,为避免赘述,本实施例不一一详述。

推荐配置信息获取模块10,用于获取目标项目建立请求,基于目标项目建立请求获取推荐配置信息。

推荐配置信息显示模块20,用于在可视化配置界面上显示推荐配置信息。

配置参数格式匹配模块30,用于获取目标配置信息,将目标配置信息与对应的配置参数格式进行匹配。

提示信息生成模块40,用于当目标配置信息不符合配置参数格式时,基于不符合配置参数格式的目标配置信息生成提示信息。

目标配置文件生成模块50,用于获取更新的目标配置信息,直至更新的目标配置信息均符合对应的配置参数格式,则基于更新的目标配置信息生成目标项目的目标配置文件。

优选地,目标配置信息包括调整配置信息和推荐配置信息。

配置参数格式匹配模块30用于获取目标配置信息,将目标配置信息中的调整配置信息和对应的配置参数格式进行匹配。

优选地,推荐配置信息获取模块10包括已有项目配置文件获取单元11、待配置参数值获取单元12、推荐配置参数获取单元13和推荐配置信息生成单元14。

已有项目配置文件获取单元11,用于获取已有项目的配置文件,每一配置文件包括已有配置参数名和对应的已有配置参数值。

待配置参数值获取单元12,用于将同一已有配置参数名对应的已有配置参数值作为待配置参数值,并确定每一待配置参数值的数量。

推荐配置参数获取单元13,用于将数量超过阈值的待配置参数值作为推荐配置参数值,并将推荐配置参数值对应的已有配置参数名作为推荐配置参数名。

推荐配置信息生成单元14,用于基于推荐配置参数名和推荐配置参数值,生成推荐配置信息。

优选地,已有项目配置文件获取单元11还用于获取目标项目的项目类型,基于项目类型获取已有项目的配置文件。

优选地,在可视化配置界面上预先配置有显示配置参数名和显示配置参数值。

推荐配置信息显示模块20包括突出显示单元21和推荐配置参数值显示单元22。

突出显示单元21,用于在可视化配置界面中,对与推荐配置参数名对应的显示配置参数名进行突出显示。

推荐配置参数值显示单元22,用于在突出显示的配置参数名中,将对应的显示配置参数值显示为推荐配置参数值。

优选地,项目参数配置装置还包括配置参数格式生成模块60,配置参数格式生成模块60包括已有项目配置文件获取单元61、训练图集获取单元62和配置参数格式识别模型获取单元63。

已有项目配置文件获取单元61,用于获取已有项目的配置文件,每一配置文件包括已有配置参数名和已有配置参数值。

训练图集获取单元62,用于将已有项目中的已有配置参数值转换为图片格式,并用对应的已有配置参数名对已有配置参数值进行标注,获取训练图集。

识别模型获取单元63,用于采用卷积神经网络模型对训练图集进行训练,获取配置参数格式识别模型。

优选地,识别模型获取单元63包括初始化子单元631、模型层输出子单元632、权值更新子单元633和识别模型获取子单元634。

初始化子单元631,用于初始化卷积神经网络模型。

模型层输出子单元632,用于在卷积神经网络模型中输入训练图集,计算卷积神经网络模型各层的输出。

权值更新子单元633,用于根据各层的输出对卷积神经网络模型各层进行误差反传更新,获取更新后的各层的权值。

识别模型获取子单元634,用于基于更新后的各层的权值,获取配置参数格式识别模型。

优选地,配置参数格式匹配模块30包括识别图集获取单元31、匹配概率获取单元32和配置参数格式判断单元33。

识别图集获取单元31,用于将每一目标配置参数值转换成图片格式,并用对应的目标配置参数名对目标配置参数值进行标注,获取识别图集。

匹配概率获取单元32,用于将识别图集输入到配置参数格式识别模型中进行识别,获取每一目标配置参数值和配置参数格式识别模型中对应的已有配置参数名的匹配概率。

配置参数格式判断单元33,用于当匹配概率小于概率阈值时,目标配置信息中的目标配置参数值不符合配置参数格式。

实施例3

本实施例提供一计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现实施例1中项目参数配置方法,为避免重复,这里不再赘述。或者,该计算机程序被处理器执行时实现实施例2中项目参数配置装置中各模块/单元的功能,为避免重复,这里不再赘述。

可以理解地,所述计算机可读存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom,read-onlymemory)、随机存取存储器(ram,randomaccessmemory)、电载波信号和电信信号等。

实施例4

图8是本发明一实施例提供的终端设备的示意图。如图8所示,该实施例的终端设备70包括:处理器71、存储器72以及存储在存储器72中并可在处理器71上运行的计算机程序73。处理器71执行计算机程序73时实现上述各个实施例1中项目参数配置方法实施例中的步骤,例如图1所示的步骤s10至s50。或者,处理器71执行计算机程序73时实现上述实施例2中项目参数配置装置中各模块/单元的功能,例如图7所示推荐配置信息获取模块10、推荐配置信息显示模块20、配置参数格式匹配模块30、提示信息生成模块40和目标配置文件生成模块50的功能。

所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1