1.本公开涉及计算机
技术领域：
：，具体涉及机器学习等人工智能
技术领域：
：，尤其涉及一种日志的可视化展示方法、装置、电子设备及存储介质。
背景技术：
：：2.深度学习属于机器学习领域中的子方向，是一种含有多个隐藏层的多层感知器的结构。深度学习通过组合低层特征形成更加抽象的高层表示特征，无需进行特征工程，即可完成端到端的模型训练。3.当前深度学习已经在图像识别、语音识别、自然语言处理、计算生物、推荐系统等领域成效显著，但是正因为深度学习的端到端的特点，深度学习的“黑盒子”属性使得至今开发者们仍无法找到有效的方式去直观的了解模型训练过程中的指标的实时变化趋势。技术实现要素：4.本公开提供了一种日志的可视化展示方法、装置、电子设备及存储介质。5.根据本公开的一方面，提供了一种日志的可视化展示方法，其中，所述方法包括：6.对模型深度学习过程中的多个源日志文件进行合并；7.对合并后的文件进行可视化展示。8.根据本公开的另一方面，提供了一种日志的可视化展示装置，其中，所述装置包括：9.合并模块，用于对模型深度学习过程中的多个源日志文件进行合并；10.展示模块，用于对合并后的文件进行可视化展示。11.根据本公开的再一方面，提供了一种电子设备，包括：12.至少一个处理器；以及13.与所述至少一个处理器通信连接的存储器；其中，14.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如上所述的方面和任一可能的实现方式的方法。15.根据本公开的又一方面，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，所述计算机指令用于使所述计算机执行如上所述的方面和任一可能的实现方式的方法。16.根据本公开的再另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方面和任一可能的实现方式的方法。17.根据本公开的技术，能够直观地展示模型深度学习过程中的指标的实时变化，为监控模型的训练过程提供了方便，进而可以有针对性地对模型进行参数调优。18.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19.附图用于更好地理解本方案，不构成对本公开的限定。其中：20.图1是根据本公开第一实施例的示意图；21.图2是根据本公开第二实施例的示意图；22.图3是根据本公开第三实施例的示意图；23.图4是根据本公开第四实施例的示意图；24.图5是用来实现本公开实施例的日志的可视化展示方法的电子设备的框图。具体实施方式25.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。26.显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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全部其他实施例，都属于本公开保护的范围。27.需要说明的是，本公开实施例中所涉及的终端设备可以包括但不限于手机、个人数字助理(personaldigitalassistant，pda)、无线手持设备、平板电脑(tabletcomputer)等智能设备；显示设备可以包括但不限于个人电脑、电视等具有显示功能的设备。28.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。29.图1是根据本公开第一实施例的示意图；如图1所示，本实施例提供一种日志的可视化展示方法，具体可以包括如下步骤：30.s101、对模型深度学习过程中的多个源日志文件进行合并；31.s102、对合并后的文件进行可视化展示。32.本实施例的日志的可视化展示方法的执行主体为日志的可视化展示装置，该日志的可视化展示装装置可以为电子实体，或者也可以为软件集成的应用，使用时，该应用运行在计算机设备上，实现对在模型在深度学习过程中产生的多个源日志文件进行合并，并对合并后的文件进行可视化展示。33.本实施例的模型指的是基于人工智能(artificialintelligence；ai)实现的神经网络模型。随着要解决任务的复杂性，所需的任务的模型的结构也越来越复杂，模型的深度学习的训练过程也是一项非常消耗时间的任务，例如，有的模型的深度学习过程需要消耗好多天。但是由于各方面条件的额限制，模型的深度学习过程可能不是一个连贯的过程，中途可能需要间断，所以，模型的深度学习的训练轮次多而杂，每次深度学习过程中对应得到一个源日志文件。多次不同时段的深度学习过程，得到多个不同的源日志文件。34.考虑到深度学习的端到端的特点、以及其多层的隐藏结构、数据/特征矢量化、海量决策关键元等因素，让大量开发者们无法观察到模型训练中的情况，也无法及时做出准确的判断对模型进行调整和优化。本实施例中，可以对模型深度学习过程中的多个源日志文件进行合并；并对合并后的文件进行可视化展示。35.本实施例的日志的可视化展示方法，通过对模型深度学习过程中的多个源日志文件进行合并；对合并后的文件进行可视化展示，能够直观地展示模型深度学习过程中的指标的实时变化，为监控模型的训练过程提供了方便，进而可以有针对性地对模型进行参数调优。因此，本实施例的日志的可视化展示方法，能够进一步提升模型的训练效果。36.图2是根据本公开第二实施例的示意图；如图2所示，本实施例的日志的可视化展示方法，在上述图1所示实施例的技术方案的基础上，进一步更加详细地描述本公开的技术方案，如图2所示，本实施例的日志的可视化展示方法，具体可以包括如下步骤：37.s201、接收用户输入的文件合并参数；38.具体地，日志的可视化展示装置可以与用户交互，接收用户输入的文件合并参数。例如，本实施例的文件合并参数可以包括各待合并的源日志文件的标识、多个源日志文件的合并顺序以及目标日志文件的标识。其中源日志文件的标识可以为源日志文件的名称、目标日志文件的标识可以为目标日志文件的名称。其中目标日志文件是用于存储对多个源日志文件进行合并后的文件。多个源日志文件的合并顺序可以采用多个源日志文件的名称构成的序列来标识。39.进一步可选地，在文件合并参数中还可携带有主源日志文件的标识，或者各源日志文件的优先级，以便于在合并时，不同源日志文件中同一标签的数据发生冲突时，能够进行有效地合并。40.s202、检测文件合并参数是否有效，若有效，执行步骤s203；否则，若无效，返回文件合并参数无效，以提示用户，结束。41.例如，本实施例中，检测文件合并参数是否有效，具体可以包括如下几种情形中至少一种：42.(1)基于各源日志文件的标识，检测源文件的数量是否大于或者等于2，若是，确定接收的源日志文件的数量有效；43.本实施例的源日志文件的标识可以是源日志文件的名称。44.由于本实施例要先对源日志文件进行合并，那么合并操作要求源日志文件的数量必须大于或者等于2，否则没有合并的必要。该步骤中可以基于接收到的用户输入的源日志文件的标识的数量，识别到源日志文件的数量，并进一步检测数量是否大于或者等于2，若大于或者等于2，则表示用户输入的源日志文件的数量有效。否则若用户输入的源日志文件的数量为1时，此时源日志文件的数量仅存在1个，不需要采用本实施例的方案进行合并。采用该方案，能够有效地保证方案实施的准确性。45.(2)基于各源日志文件的标识，检测各源日志文件是否存在，若存在，确定接收的源日志文件的标识有效；46.具体地，该情形中，需要检测各源日志文件的标识对应的源日志文件是否存在，若存在，确定接收的源日志文件的标识有效；否则确定接收的源日志文件的标识无效。采用该方案，可以检测用户输入的源日志文件的标识的有效性，防止用户输入错误的源日志文件，能够有效地提高方案的实现效率。47.(3)基于目标文件的标识，检测目标文件是否存在，若不存在，确定接收的目标文件的标识有效。48.其中目标文件的标识，可以为目标文件的名称。49.本实施例的技术方案中，用户输入的目标文件的标识是用于对多个源日志文件进行合并后的文件进行命名的，但是在用户输入目标文件的标识时，还未开始对多个源日志文件进行合并，所以，接收到用户输入目标文件的标识之后，可以先对目标文件的标识进行检测，看是否存在相应的文件，若不存在，确定接收的目标文件的标识有效，后续可以使用该目标文件的标识作为合并后的文件标识。否则，若存在，则需要返回给用户，提示用户该目标文件的标识无效，可以重新输入。50.采用上述三种情形的方案，均能够对用户的输入信息进行有效性地检测，确保所有输入信息的准确性和有效性。51.可选地，实际应用中，若用户已经确定上述三种情形中的至少一种有效时，日志的可视化展示装置可以仅执行其他情形的有效性检测。52.s203、基于获取的文件合并参数，对模型深度学习过程中的多个源日志文件进行合并；53.例如，该具体在具体实施时，可以包括如下步骤：54.(1)基于预先获取的多个源日志文件的标识，获取多个源日志文件；55.本实施例中，获取每个源日志文件时，可以为每个源文件设置一个logreader，依据组件类型和标签读取数据并放置在一个公有的字典中。56.本实施例的日志的可视化展示方法，可以基于visualdl(visualizethedeeplearning)来实现，visualdl是一个面向深度学习任务设计的可视化工具，可以利用丰富的图表来展示数据，进而可以更直观、清晰地查看数据的特征与变化趋势，有助于分析数据、及时发现错误，进而改进神经网络模型的设计。57.在visualdl中，可以支持的组件类型可以包括有scalar、image、audio、text、graph、histogram、prcurve、roccurve、highdimensional以及hyperparameters等等组件类型。58.其中，scalar作为标量组件，用于展示折线图，其可以动态展示损失函数值、准确率等标量数据。对应的标签可以包括损失函数，准确率等等。image作为图片可视化组件，用于显示图片数据随训练的变化。在模型训练过程中，将图片数据传入image组件，就可在visualdl的前端网页查看相应图片。audio作为音频播放组件，该audio组件可以实时查看训练过程中的音频数据，监控语音识别与合成等任务的训练过程。text作为文本组件，用于展示文本任务任意阶段的数据输出，对比不同阶段的文本变化，便于深入了解训练过程及效果。graph作为网络结构组件，用于查看模型属性、节点信息、节点输入输出等，并进行节点搜索，协助开发者们快速分析模型结构与了解数据流向。histogram作为直方图组件，以直方图形式展示tensor(weight、bias、gradient等)数据在训练过程中的变化趋势。深入了解模型各层效果，帮助开发者精准调整模型结构。prcurve作为pr曲线组件，以折线图形式呈现精度与召回率的权衡分析，清晰直观了解模型训练效果，便于分析模型是否达到理想标准。roccurve作为roc曲线组件，可以展示线展示不同阈值下模型指标的变化，同时曲线下的面积(auc)直观的反应模型表现，辅助开发者掌握模型训练情况并高效进行阈值选择。highdimensional作为数据降维组件，将高维数据进行降维展示，用于深入分析高维数据间的关系。hyperparameters作为超参可视化组件，以丰富的视图多角度地可视化超参数与模型关键指标间的关系，便于快速确定最佳超参组合，实现高效调参。另外，对应于每种组件类型，还配置有相应的接口参数，如接口参数中包括标签tag。例如，标签中又进一步可以包括损失函数、准确率、平均绝对误差等等。以scalar组件为例，其对应的接口参数可以包括有tag、value、step、walltime，其中，tag即为标签，用于记录指标的标识，格式为string。value用于记录要记录的数据值，格式为float。step用于记录标量数据的步数，格式为int。walltime用于记录数据的时间戳，默认为当前的时间戳，格式为int，等等。其他组件类型的接口参数中也可以包括有标签tag，在此不再一一举例赘述。59.(2)基于预先获取的多个源日志文件的合并顺序，对多个源日志文件进行合并；60.需要说明的是，在合并的过程中，由于种种原因，在待合并的各源日志文件中可能存在标签相同，但内容或者数据相冲突的情况。此时在合并时，需要以其中一个源日志文件的数据为准，才能进行有效地合并。所以，本实施例中，合并时，还需要检测是否存在标签相同而发生冲突的数据；若存在，可以先检测接收的文本合并信息中是否有指定主源日志文件，若有，以合并时以主源日志文件中的数据为主；否则若文件合并参数中未指定主源日志文件，可以以多个源日志文件的合并顺序中靠前的源日志文件中的数据为主，或者可以以多个源日志文件的合并顺序中的第一个源日志文件中的数据为主进行合并。采用该方案，可以避免合并时出现标签冲突，导致出现合并故障。61.(3)将合并后的文件，存储至预先获取的目标文件的标识对应的目标文件中。62.本实施例，步骤(2)和(3)可以一起执行，该过程可以认为是边合并边写入目标文件的过程。具体执行时，可以为目标文件设置一个logwriter，依据组件类型和标签将已读取在公有字典中的数据写入到目标文件中，当遇到同组件同标签的数据冲突时，使用masterfile的数据作为主数据即可。可选地，实际应用中，也可以先进行合并，再将合并后的文件写入至目标文件标识对应的目标文件中。63.s204、对合并后的文件进行可视化展示。64.本实施例的日志的可视化展示方法，在接收用户输入的文件合并参数后，检测文件合并参数是否有效，在有效时基于获取的文件合并参数，对模型深度学习过程中的多个源日志文件进行合并，对合并后的文件进行可视化展示，可以将同一个模型训练的可视化信息进行整合，方便开发者们灵活查看同一个模型的不同阶段的训练进展以及对比不同阶段训练的结果，为监控模型的训练过程提供了方便，进而可以有针对性地对模型进行参数调优，进而能够进一步有效地提升模型的训练效果。65.需要说明的是，上述图1和图2所示实施例的日志的可视化展示方法在具体实现时，可以采用如下两种方式对模型深度学习过程中的多个源日志文件进行合并。66.第一种、采用命令行的方式，对模型深度学习过程中的多个源日志文件进行合并；67.例如，可以采用如下命令来实现：visualdl‑‑merge/-m‑‑src/-sfile1‑‑src/-sfile2‑‑src/-sfile3[‑‑masterfile2]‑‑dest/-doutput[0068]其中‑‑merge/-m表示执行合并命令；‑‑src/-s表示要合并的源日志文件的标识，可以存在2个或多个，上述命令行中，以存在file1、file2和file3共3个文件为例。‑‑master为一个可选参数，masterfile表示主源日志文件；若指定masterfile，在合并时因为标签相同而发生冲突时，将采用指定为masterfile的文件中的内容为主，如果不指定则默认为第一个文件为主源日志文件。其中‑‑dest/-d合并后的目标文件名，该指定的目标文件名不能属于已存在的文件。[0069]第二种、采用预设编程语言的应用程序接口(applicationprogramminginterface；api)，对模型深度学习过程中的多个源日志文件进行合并。[0070]例如，本实施例中可以采用pythonapi来完成多个源日志文件的合并；[0071]具体地，可以采用如下代码来实现：[0072]vdl.utils.merge(src:list[str],dest:str,master:str＝none)[0073]其中，src为列表类型，每个元素为字符串，代表要合并的源日志文件列表；dest为字符串类型，代表合并后的目标文件名；maste为字符串类型，代表要指定的主源日志文件名，即masterfile，可以在合并时因为标签相同而发生冲突时，将采用指定为master的文件中的内容为主，如果不指定则可以默认为第一个源日志文件。[0074]具体地，采用如上两种方式任意一种，均可以对模型深度学习过程中的多个源日志文件进行准确、有效地合并。本公开中的模型可以任意的需要进行训练的神经网络模型。[0075]图3是根据本公开第三实施例的示意图；如图3所示，本实施例提供一种日志的可视化展示装置300，包括：[0076]合并模块301，用于对模型深度学习过程中的多个源日志文件进行合并；[0077]展示模块302，用于对合并后的文件进行可视化展示。[0078]本实施例的日志的可视化展示装置300，通过采用上述模块实现日志的可视化展示的实现原理以及技术效果，与上述相关方法实施例相同，详细可以参考上述相关实施例的记载，在此不再赘述。[0079]图4是根据本公开第四实施例的示意图；如图4所示，本实施例的日志的可视化展示装置300，在上述图3所示实施例的技术方案的基础上，进一步更加详细地描述本公开的技术方案。[0080]本实施例的日志的可视化展示装置300中，合并模块301，用于：[0081]采用命令行的方式，对模型深度学习过程中的多个源日志文件进行合并；或者[0082]采用预设编程语言的应用程序接口，对模型深度学习过程中的多个源日志文件进行合并。[0083]进一步可选地，本实施例的日志的可视化展示装置300中，合并模块301，用于：[0084]基于预先获取的文件合并参数，对模型深度学习过程中的多个源日志文件进行合并。[0085]进一步可选地，如图4所示，本实施例的日志的可视化展示装置300中，合并模块301，包括：[0086]文件获取单元3011，用于基于预先获取的多个源日志文件的标识，获取多个源日志文件；[0087]合并单元3012，用于基于预先获取的多个源日志文件的合并顺序，对多个源日志文件进行合并；[0088]写入单元3013，用于将合并后的文件，存储至预先获取的目标文件的标识对应的目标文件中。[0089]进一步可选地，如图4所示，合并模块301，还包括：[0090]检测单元3014，用于在合并的过程中，检测是否存在标签相同而发生冲突的数据；[0091]合并单元3015，用于若存在，以多个源日志文件的合并顺序中靠前的源日志文件中的数据为主、以多个源日志文件的合并顺序中的第一个源日志文件中的数据为主、或者以预先接收的主源日志文件的标识对应的主源日志文件中的数据为主进行合并。[0092]进一步可选地，如图4所示，本实施例的日志的可视化展示装置300中，还包括：[0093]接收模块303，用于接收用户输入的文件合并参数；[0094]检测模块304，用于基于文件合并参数，检测并确定能够进行文件合并参数有效。[0095]进一步可选地，接收模块303，用于：[0096]接收用户输入的多个源日志文件中各源日志文件的标识、多个源日志文件的合并顺序以及目标日志文件的标识；[0097]检测模块304，用于：[0098]基于各源日志文件的标识，检测源文件的数量是否大于或者等于2，若是，确定接收的多个源日志文件的数量有效；[0099]基于各源日志文件的标识，检测各源文件是否存在，若存在，确定接收的对应的源日志文件的标识有效；和/或[0100]基于目标文件的标识，检测目标文件是否存在，若不存在，确定接收的目标文件有效。[0101]本实施例的日志的可视化展示装置300，通过采用上述模块实现日志的可视化展示的实现原理以及技术效果，与上述相关方法实施例相同，详细可以参考上述相关实施例的记载，在此不再赘述。[0102]本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。[0103]根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。[0104]图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。[0105]如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(rom)502中的计算机程序或者从存储单元508加载到随机访问存储器(ram)503中的计算机程序，来执行各种适当的动作和处理。在ram503中，还可存储设备500操作所需的各种程序和数据。计算单元501、rom502以及ram503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。[0106]设备500中的多个部件连接至i/o接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。[0107]计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如日志的可视化展示方法。例如，在一些实施例中，日志的可视化展示方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由rom502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到ram503并由计算单元501执行时，可以执行上文描述的日志的可视化展示方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行日志的可视化展示方法。[0108]本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。[0109]用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。[0110]在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。[0111]为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。[0112]可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。[0113]计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。[0114]应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。[0115]上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。当前第1页12当前第1页12