[发明专利]一种基于卷积神经网络的内存预警方法及服务端

说明书

本发明公开了一种基于卷积神经网络的内存预警方法及服务端，服务端接收客户端发送的内存信息，生成待预测图片信息数据；调用内存分类模型对待预测图片信息数据进行分类，得到待预测图片信息数据对应的内存结果，并将内存结果返回至客户端，内存分类模型为已训练完成的卷积神经网络模型；本发明通过利用卷积神经网络能够有效的提取由内存信息形成的图片信息，从而有效的预测出获取的内存信息是否溢出或是存在溢出风险，为客户端、服务端、运维提供更好的技术支持；同时，本发明能够跨平台通用并具有良好的扩展性，即本发明提供了一种跨平台通用、具有良好扩展性且更加真实有效的内存溢出预警方案。

技术领域

本发明涉及计算机视觉与深度学习领域，特别涉及一种基于卷积神经网络的内存预警方法及服务端。

背景技术

客户端设备在运行应用程序时，会出现没有足够的内存空间供其使用的现象，针对这种内存溢出的现象，现有技术中出现了多种内存预警方案，其一是通过监控程序，监控系统内存是否快要达到上限；其二是监控系统自身的错误来判断是否存在内存溢出或者有潜在的内存问题风险。

申请号201610903370.5的一种内存使用率监控的方法及装置，通过对每个应用程序的内存使用情况进行监控，当超过警戒值时提醒用户，让其自行选择如何清理。但这种方式往往是服务器内存已经有明显的问题的时候才给出的预警，即传统的内存预警方案并非真正的预警。

发明内容

本发明所要解决的技术问题是：提供一种基于卷积神经网络的内存预警方法及服务端，从而有效的进行内存预警。

为了解决上述技术问题，本发明采用的技术方案为：

一种基于卷积神经网络的内存预警方法，包括步骤：

S1、服务端接收客户端发送的内存信息，生成待预测图片信息数据；

S2、调用内存分类模型对所述待预测图片信息数据进行分类，得到所述待预测图片信息数据对应的内存结果，并将所述内存结果返回至客户端，所述内存分类模型为已训练完成的卷积神经网络模型。

为了解决上述技术问题，本发明采用的另一种技术方案为：

一种基于卷积神经网络的内存预警服务端，包括存储器、处理器及存储在存储器上并可在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以下步骤：

S1、接收客户端发送的内存信息，生成待预测图片信息数据；

S2、调用内存分类模型对所述待预测图片信息数据进行分类，得到所述待预测图片信息数据对应的内存结果，并将所述内存结果返回至客户端，所述内存分类模型为已训练完成的卷积神经网络模型。

本发明的有益效果在于：本发明利用卷积神经网络能够有效的提取由内存信息形成的图片信息，从而有效的预测出获取的内存信息是否溢出或是存在溢出风险，为客户端、服务端、运维提供更好的技术支持；同时，由于客户端只需要能和服务端进行通信即可，从而使本发明能够跨平台通用；若将内存信息替换为网络数据流量等信息，也可以实现流量预警能相对应的预警功能，从而使本发明具有良好的扩展性，即本发明提供了一种跨平台通用、具有良好扩展性且更加真实有效的内存溢出预警方案。

附图说明

图1为本发明实施例的一种基于卷积神经网络的内存预警方法的流程示意图；

图2为本发明实施例的一种基于卷积神经网络的内存预警服务端的结构示意图；

图3为本发明实施例中服务端采集到关于内存信息的待预测图片A；

图4为本发明实施例中服务端采集到关于内存信息的待预测图片B；

图5为本发明实施例中服务端采集到关于内存信息的待预测图片C；