CN108089958B - Gpu测试方法、终端设备和计算机可读存储介质 - Google Patents

Gpu测试方法、终端设备和计算机可读存储介质 Download PDF

Info

Publication number
CN108089958B
CN108089958B CN201711489476.6A CN201711489476A CN108089958B CN 108089958 B CN108089958 B CN 108089958B CN 201711489476 A CN201711489476 A CN 201711489476A CN 108089958 B CN108089958 B CN 108089958B
Authority
CN
China
Prior art keywords
target
scene
gpu
rendering
tested
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711489476.6A
Other languages
English (en)
Other versions
CN108089958A (zh
Inventor
赵坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhuhai Juntian Electronic Technology Co Ltd
Original Assignee
Zhuhai Juntian Electronic Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhuhai Juntian Electronic Technology Co Ltd filed Critical Zhuhai Juntian Electronic Technology Co Ltd
Priority to CN201711489476.6A priority Critical patent/CN108089958B/zh
Publication of CN108089958A publication Critical patent/CN108089958A/zh
Priority to US16/015,632 priority patent/US10606721B2/en
Application granted granted Critical
Publication of CN108089958B publication Critical patent/CN108089958B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/2205—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested
    • G06F11/2236—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested to test CPU or processors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/26—Functional testing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3024—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a central processing unit [CPU]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • G06F11/3419—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment by assessing time
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • G06F11/3414—Workload generation, e.g. scripts, playback

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明实施例公开了一种GUP性能测试方法、终端设备和计算机可读存储介质。该方法包括：通过3D场景模型中的主相机从3D场景模型中捕获目标场景。确定出目标场景对象中脚本对象包含的功能函数的执行时序，并根据功能函数的执行时序确定出目标渲染进程。通过目标渲染进程得到目标图像，并确定待测GPU完成的渲染次数i加1。通过移动后的主相机捕获新的场景以更新目标场景，重复上述步骤直至i等于预设次数阈值j，获取待测GPU完成j次渲染操作所需时长T，并根据j和T确定出目标性能参数。根据目标性能参数和性能标准参数确定出待测GPU的性能测试结果。采用本发明实施例，可提高GPU性能测试方法的精度，提升GPU性能测试方法的适用性。

Description

GPU测试方法、终端设备和计算机可读存储介质
技术领域
本发明涉及计算机技术领域，尤其涉及一种GPU测试方法、终端设备和计算机可读存储介质。
背景技术
随着科学技术的不断发展，终端设备上的图形处理器(Graphics ProcessingUnit，GPU)的性能也得到了快速提高，而且随着技术的不断改进，终端设备的GPU所能承担的任务也越来越多样化，这也导致了GPU的性能差异也日益凸显。
现有技术中，对于不同架构的GPU的性能而言，并没有一套完整的、可靠的测试方法，使得不同架构的GPU的性能无法得到准确的衡量。
发明内容
本发明实施例提供了一种GPU性能测试方法、终端设备和计算机可读存储介质，可提高终端设备的GPU性能测试的准确率，增强终端设备的GPU性能测试的适用性。
第一方面提供了一种GPU性能测试的方法，该方法包括：
通过3D场景模型中的主相机从上述3D场景模型中捕获目标场景，并从上述目标场景中提取出目标场景对象。其中，上述目标场景为上述3D场景模型中包括的场景之一。
确定出上述目标场景对象中脚本对象包含的多个功能函数的执行时序，并根据上述多个功能函数的执行时序确定出目标渲染进程。其中，上述多个功能函数中的各功能函数分别与上述目标渲染进程中的各子进程相对应。
驱动待测GPU执行上述目标渲染进程，通过上述目标渲染进程将上述目标场景渲染至上述目标贴图上，以得到与上述目标场景对应的目标图像，并确定待测GPU完成的渲染次数i加1。
移动上述主相机，通过移动后的上述主相机捕获新的场景以更新上述目标场景，执行上述从上述目标场景中提取出目标场景对象的步骤。
当i等于预设次数阈值j时，获取上述待测GPU完成j次渲染操作所需的时长T，并根据j和T确定出目标性能参数。
根据上述目标性能参数和性能标准参数确定出上述待测GPU的性能测试结果。
在一些可行的实施方式中，上述根据j和T确定出目标性能参数包括：
判断上述待测GPU是否支持目标特效。
若判断为否，则将参数a*j/T确定为上述性能参数。其中，上述参数a为与上述目标特效相关联的惩罚系数，0<a<1。
若判断为是，则将参数j/T确定为上述性能参数。
在一些可行的实施方式中，在上述移动上述主相机之前，上述方法还包括：
提取出上述3D场景模型中的离屏相机，根据上述预设的离屏贴图初始化上述离屏相机。
判断上述渲染次数i是否等于Nk。k为正整数，N为1,2,3……n-1,n。
若判断为是，则当最新显示时刻T与上述待测GPU完成第Nk次渲染操作的时刻t1的时间间隔大于预设时间间隔时，通过初始化后的离屏相机显示上述目标图像，并设定当前时刻为t3。其中，上述最新显示时刻T为上述t1时刻之前最后一次在用户界面中显示绘制后的离屏贴图的时刻。更新上述最新显示时刻T为t3。
若判断为否，则执行上述移动上述主相机的步骤。
在一些可行的实施方式中，上述通过初始化后的离屏相机显示上述目标图像包括：
将所述目标图像绘制到所述离屏贴图上，以得到绘制后的离屏贴图。通过所述初始化后的离屏相机在用户界面上显示上述绘制后的离屏贴图。
第二方面提供了一种GPU性能测试的终端设备，上述终端设备包括：
场景对象获取单元，用于通过3D场景模型中的主相机从上述3D场景模型中捕获目标场景，并从上述目标场景中提取出目标场景对象。其中，上述目标场景为上述3D场景模型中包括的场景之一。
上述渲染单元，用于确定出上述场景对象获取单元获取的目标场景对象中脚本对象包含的多个功能函数的执行时序，并根据上述多个功能函数的执行时序确定出目标渲染进程。其中，上述多个功能函数中的各功能函数分别与上述目标渲染进程中的各子进程相对应。
上述渲染单元，还用于驱动待测GPU执行上述目标渲染进程，通过上述目标渲染进程将上述目标场景渲染至上述目标贴图上，以得到与上述目标场景对应的目标图像，并确定待测GPU完成的渲染次数i加1。
上述渲染单元，还用于移动上述初始化单元初始化的上述主相机，通过移动后的上述主相机捕获新的目标场景以更新上述目标场景，并执行令上述场景对象获取单元再次从上述目标场景中提取出目标场景对象的步骤。
性能参数确定单元，用于当上述渲染单元获取的渲染次数i等于预设次数阈值j时，获取上述待测GPU完成j次渲染操作上述的时长T，并根据j和T确定出目标性能参数。
测试结果确认单元，用于根据上述目标性能参数和性能标准参数确定出上述待测GPU的性能测试结果。
在一些可行的实施方式中，上述性能参数确定单元，用于：
判断上述待测GPU是否支持目标特效。若判断为否，则将参数a*j/T确定为目标性能参数。其中，上述参数a为与上述目标特效相关联的惩罚系数，0<a<1。
若判断为是，则将参数j/T确定为目标性能参数。
在一些可行的实施方式中，上述终端设备还包括：显示单元，该显示单元，用于：
提取出上述3D场景模型中的离屏相机，根据预设的离屏贴图初始化上述离屏相机。判断上述渲染单元获取的渲染次数i是否等于Nk。k为正整数，N为1,2,3……n-1,n。若判断为是，则当最新显示时刻T与上述待测GPU完成第Nk次渲染操作的时刻t1的时间间隔大于预设时间间隔时，通过初始化后的离屏相机显示上述目标图像，并设定当前时刻为t3。其中，上述最新显示时刻T为上述t1时刻之前最近一次在用户界面中显示绘制后的离屏贴图的时刻，更新上述最新显示时刻T为t3。
在一些可行的实施方式中，上述显示单元用于：
当上述待测GPU通过上述目标渲染进程获取目标图像后，将上述目标图像绘制到上述离屏贴图上，以得到绘制后的离屏贴图。通过上述初始化后的离屏相机在用户界面上显示上述绘制后的离屏贴图。
第三方面，本发明实施例提供了另一种终端设备，包括处理器、输入设备、输出设备和存储器，上述处理器、输入设备、输出设备和存储器相互连接，其中，上述存储器用于存储支持终端设备执行上述方法的计算机程序，上述计算机程序包括程序指令，上述处理器被配置用于调用上述程序指令，执行上述第一方面的方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，上述计算机存储介质存储有计算机程序，上述计算机程序包括程序指令，上述程序指令当被处理器执行时使上述处理器执行上述第一方面的方法。
第五方面，本发明实施例提供了一种计算机程序，上述计算机程序包括程序指令，上述程序指令当被处理器执行时使上述处理器执行第一方面所描述的终端验证方法。
本发明实施例中，通过3D场景模型中的主相机从上述3D场景模型中捕获目标场景，从上述目标场景中提取出目标场景对象。其中，上述目标场景为上述3D场景模型中包括的场景之一。上述目标场景对象为上述主相机捕获的场景中包含的场景对象。确定出上述目标场景对象中脚本对象包含的多个功能函数的执行时序，并根据上述多个功能函数的执行时序确定出目标渲染进程。其中，上述多个功能函数中的各功能函数分别与上述目标渲染进程中的各子进程相对应。通过上述目标渲染进程将上述目标场景渲染至上述目标贴图上，以得到与上述目标场景对应的目标图像，并确定待测GPU完成的渲染次数i加1。移动上述主相机，通过移动后的上述主相机捕获新的场景以更新上述目标场景。执行上述从上述目标场景中提取出目标场景对象的步骤。当i等于预设次数阈值j时，获取上述待测GPU完成j次渲染操作上述的时长T，并根据j和T确定出目标性能参数。根据上述目标性能参数和性能标准参数确定出上述待测GPU的性能测试结果。采用本发明实施例，可提高GPU性能测试方法的精度，提升GPU性能测试方法的适用性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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是本发明实施例提供的一种GPU性能测试的方法第一实施例流程示意图；
图2是本发明实施例提供的一种GPU性能测试的方法第二实施例流程示意图；
图3是本发明实施例提供的一种GUP性能测试的终端设备的结构示意图；
图4是本发明实施例提供的一种GPU性能测试的终端设备的另一结构示意图；
图5是本发明实施例提供的一种GUP性能测试的终端设备的另一结构示意图。
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，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
请参见图1，是本发明实施例提供的一种GPU性能测试的方法的第一实施例流程示意图。下文以终端设备为执行主体进行描述。如图所示的GPU性能测试方法可包括步骤：
S101，通过3D场景模型中的主相机从上述3D场景模型中捕获目标场景，并从上述目标场景中提取出目标场景对象。
在一些可行的实施方式中，终端设备在通过3D场景模型中的主相机从上述3D场景模型中捕获目标场景之前，还需要预先获取一个3D场景。可选的，终端设备可通过诸如Unity3D这样的游戏开发引擎主动创建并编辑一个可用于后续GPU性能测试的3D场景模型。可选的，终端设备也可以直接从预设好的3D模型库中直接获取已经创建好的3D场景模型。当终端设备获取到3D场景模型后，可从上述3D场景模型中提取出该3D场景模型的主相机。其中，上述主相机可通过设定好的视锥从3D场景模型中截取出一部分3D场景作为目标场景。提取出主相机之后，可通过预设的相机配置参量对上述主相机进行初始化操作。例如，将主相机的目标纹理设定为相机配置参量确定的纹理类型。终端设备初始化上述主相机之后，可通过上述主相机从上述3D场景模型中捕获到目标场景。然后，终端设备可枚举出上述目标场景中所包含的目标场景对象。其中，上述目标场景对象包括该目标场景中包含的脚本对象、粒子系统对象、动画对象和导航数据对象。
S102，确定出所述目标场景对象中脚本对象包含的多个功能函数的执行时序，并根据所述多个功能函数的执行时序确定出目标渲染进程。
在一些可行的实施方式中，上述脚本对象可以为一个或多个。每个脚本对象中包含了诸如FixedUpdate、Update等功能函数。其中，上述多个功能函数中的各功能函数分别与上述目标渲染进程中的各子进程相对应。例如，Update函数对应了渲染进程中的画面逻辑处理子进程。终端设备在获取到上述目标场景中包含的多个脚本对象后，可确定出每个脚本对象中包含的多个功能函数的执行时序。例如，确定每个脚本对象中的FixedUpdate函数执行完毕后，再执行Update函数。当终端设备确定出每个脚本对象中的多个功能函数的执行时序后，执行上述各个功能函数，再调用上述粒子系统对象、动画对象和导航数据对象，即可确定出上述目标渲染进程。
S103，通过上述目标渲染进程将上述目标场景渲染至上述目标贴图上，以得到与上述目标场景对应的目标图像，并确定待测GPU完成的渲染次数i加1。
在一些可行的实施方式中，当终端设备确定出上述目标渲染进程后，可驱动待测GPU通过上述目标渲染进程将上述目标场景渲染至上述目标贴图上。具体的，终端设备可驱动待测GPU计算目标场景中预设的光源对物体的影响。然后，待测GPU通过深度贴图阴影或光线追踪阴影对物体进行阴影设定。其后，待测GPU需要根据物体的材质来确定物体的表面颜色。最后，待测GPU再确定出上述场景对象中包括的粒子系统对象和动画对象所对应的效果，最终将确定好的2D图像绘制在目标贴图上，以得到与上述目标场景相对应的目标图像。终端设备在驱动待测GPU获取到目标图像后，可确定待测GPU完成的渲染次数i的值加1。
S104，判断上述渲染次数i是否等于预设次数阈值j，若判断为否，则执行步骤S105,若判断为是，则执行步骤S106。
S105，移动主相机，通过移动后的主相机捕获新的目标场景以更新目标场景，执行步骤S101。
在一些可行的实施方式中，当终端设备判断出上述待测GPU完成的渲染次数i小于上述预设次数阈值j时，可根据上述场景对象中包含的导航对象来移动上述3D场景模型中所包括的主相机进行移动。其中，主相机的移动可包括旋转和线性移动，此处不做限定。当主相机移动后，其获取的场景就会发生变化，此时，终端设备可将移动后的主相机获取到的场景设定为更新后的目标场景。当终端设备通过移动后的主相机更新上述目标场景后，可再次执行上述步骤S101、步骤S102、步骤S103和步骤S104所描述的实现方式。
S106，获取上述待测GPU完成j次渲染操作所需的时长T，并根据j和T确定出目标性能参数。
在一些可行的实施方式中，当终端设备确定出上述待测GPU完成的渲染次数i等于预设次数阈值时，可获取待测GPU完成j次渲染操作所花费的时长T。其中，时长T为终端设备第一次驱动待测GPU进行渲染操作的起始时刻t0到待测GPU完成第j次渲染操作的时刻t3之间的时间间隔。当终端设备获取到上述时长T之后，可将参数j/T确定为待测GPU的目标性能参数。
S107，根据上述目标性能参数和性能标准参数确定出待测GPU的性能测试结果。
在一些可行的实施方式中，当终端设备获取到待测GPU的目标性能参数后，可获取预设的性能标准参数。其中，上述性能标准参数为可通过多次GPU性能测试实验获取的性能标准经验值。当终端设备确定出上述待测GPU的目标性能参数小于上述性能标准参数时，则确定上述待测GPU属于低性能GPU。当终端设备确定出上述待测GPU的目标性能参数大于或等于上述性能标准参数时，则确定上述待测GPU属于高性能GPU。
本发明实施例中，通过3D场景模型中的主相机从上述3D场景模型中捕获目标场景，从上述目标场景中提取出目标场景对象。其中，上述目标场景为上述3D场景模型中包括的场景之一。上述目标场景对象为上述主相机捕获的场景中包含的场景对象。确定出上述目标场景对象中脚本对象包含的多个功能函数的执行时序，并根据上述多个功能函数的执行时序确定出目标渲染进程。其中，上述多个功能函数中的各功能函数分别与上述目标渲染进程中的各子进程相对应。通过上述目标渲染进程将上述目标场景渲染至上述目标贴图上，以得到与上述目标场景对应的目标图像，并确定待测GPU完成的渲染次数i加1。移动上述主相机，通过移动后的上述主相机捕获新的场景以更新上述目标场景。执行上述从上述目标场景中提取出目标场景对象的步骤。当i等于预设次数阈值j时，获取上述待测GPU完成j次渲染操作上述的时长T，并根据j和T确定出目标性能参数。根据上述目标性能参数和性能标准参数确定出上述待测GPU的性能测试结果。采用本发明实施例，可提高GPU性能测试方法的精度，增强GPU性能测试方法的适用性。
请参见图2，图2是本发明实施例提供的一种GPU性能测试方法的第二实施例流程示意图。下文以终端设备为执行主体进行描述。如图上述的GPU性能测试方法可包括步骤：
S201，通过3D场景模型中的主相机从3D场景模型中捕获目标场景，从上述目标场景中提取出目标场景对象。
在一些可行的实施方式中，终端设备在通过3D场景模型中的主相机从上述3D场景模型中捕获目标场景之前，还需要预先获取一个3D场景。可选的，终端设备可通过诸如Unity3D这样的游戏开发引擎主动创建并编辑一个可用于后续GPU性能测试的3D场景模型。可选的，终端设备也可以直接从预设好的3D模型库中直接获取已经创建好的3D场景模型。当终端设备获取到3D场景模型后，可从上述3D场景模型中提取出该3D场景模型的主相机。其中，上述主相机可通过设定好的视锥从3D场景模型中截取出一部分3D场景。提取出主相机之后，可通过预设的相机配置参量对上述主相机进行初始化操作。例如，将主相机的目标纹理设定为相机配置参量确定的纹理类型。终端设备初始化上述主相机之后，可通过上述主相机从上述3D场景模型中捕获到目标场景。然后，终端设备可枚举出上述目标场景中所包含的场景对象(即目标场景对象)。其中，上述场景对象包括该目标场景中包含的脚本对象、粒子系统对象、动画对象和导航数据对象。
S202，确定出所述目标场景对象中脚本对象包含的多个功能函数的执行时序，并根据所述多个功能函数的执行时序确定出目标渲染进程。
在一些可行的实施方式中，上述脚本对象可以为一个或多个。每个脚本对象中包含了诸如FixedUpdate、Update等功能函数。其中，上述多个功能函数中的各功能函数分别与上述目标渲染进程中的各子进程相对应。例如，Update函数对应了渲染进程中的画面逻辑处理子进程。终端设备在获取到上述目标场景中包含的多个脚本对象后，可确定出每个脚本对象中包含的多个功能函数的执行时序。例如，确定每个脚本对象中的FixedUpdate函数执行完毕后，再执行Update函数。当终端设备确定出每个脚本对象中的多个功能函数的执行时序后，执行上述各个功能函数，再调用并执行上述粒子系统对象、动画对象和导航数据对象，即可确定出上述目标渲染进程
S203，通过上述目标渲染进程将上述目标场景渲染至上述目标贴图上，以得到与上述目标场景对应的目标图像，并确定待测GPU完成的渲染次数i加1。
在一些可行的实施方式中，当终端设备确定出上述目标渲染进程后，可驱动待测GPU通过上述目标渲染进程将上述目标场景渲染至上述目标贴图上。具体的，终端设备可驱动待测GPU计算目标场景中预设的光源对物体的影响。然后，待测GPU通过深度贴图阴影或光线追踪阴影对物体进行阴影设定。其后，待测GPU需要根据物体的材质来确定物体的表面颜色。最后，待测GPU再确定出上述场景对象中包括的粒子系统对象和动画对象所对应的效果，最终将确定好的2D图像绘制在目标贴图上，以得到与上述目标场景相对应的目标图像。终端设备在驱动待测GPU获取到目标图像后，可确定待测GPU完成的渲染次数i的值加1。
S204，判断测试状态是否满足显示条件，若判断为是，则执行步骤S205。若判断为否，则执行步骤S206。
S205，通过初始化后的离屏相机显示上述目标图像。
在一些可行的实施方式中，当终端设备驱动待测GPU完成一次渲染操作后，可判断当前的测试状态是否满足显示条件。具体的，终端设备先提取出上述3D场景模型中的离屏相机，根据预设的离屏贴图初始化上述离屏相机。然后，终端设备可判断当前待测GPU已经完成渲染次数i是否等于Nk。k为正整数，N为1,2,3……n-1,n。若终端设备确定当前待测GPU已经完成渲染次数i等于Nk，则可继续判断当最新显示时刻T与待测GPU完成第nk次渲染操作的时刻t1的时间间隔是否大于预设时间间隔时。若判断为是的，则将通过上述渲染进程获得的目标图像再绘制到上述离屏贴图上，以得到绘制后的离屏贴图。可选的，终端设备也可将上述离屏贴图分成K个子贴图，在通过上述渲染进程得到目标图像后，将该目标图像按照预设的顺序绘制到上述K个子贴图中的目标子贴图上，以得到绘制后的离屏贴图。最后，通过初始化后的离屏相机在终端设备的用户界面中显示上述绘制后的离屏贴图，并执行步骤S206。同时，设定当前时刻为t3，并更新上述最新显示时刻T为t3。其中，上述最新显示时刻T为上述t1时刻之前终端设备最后一次在用户界面中显示绘制后的离屏贴图的时刻。若终端设备确定当前待测GPU已经完成渲染次数i小于Nk，则直接执行步骤S206。
S206，判断待测GPU完成的渲染次数i是否等于预设次数阈值j。若判断为否，则执行步骤S207，若判断为是，则执行步骤S208。
S207，移动主相机，通过移动后的主相机捕获子场景以更新上述目标场景，并执行步骤S201。
在一些可行的实施方式中，终端设备可判断待测GPU完成的渲染次数i是否等于预设次数阈值j。当终端设备确定待测GPU完成的渲染次数i小于预设次数阈值j时，可通过场景对象中的导航数据对象移动3D场景模型中的主相机。然后，终端设备再通过移动后的主相机从3D场景模型中再次截取新的场景，并使用新的场景来更新上述目标场景。可选的，可设定一个固定时间阈值，每当固定时间阈值到的时候，移动3D场景模型中的主相机，以更新目标场景。通过固定时间段进行相机移动的方法，可保证在测试不同的GPU的时候，GPU需要进行渲染的目标场景相同，以保证不同的GPU的测试环境相同。当终端设备移动主相机以更新上述目标场景后，可重新上述步骤S201所描述的过程。
S208，获取待测GPU完成j次渲染操作所需的时长T，并根据j和T确定出目标性能参数。
在一些可行的实施方式中，当终端设备确定出上述待测GPU完成的渲染次数i等于预设次数阈值时，可获取待测GPU完成j次渲染操作所花费的时长T。其中，时长T为终端设备第一次驱动待测GPU进行渲染操作的起始时刻t0到待测GPU完成第j次渲染操作的时刻t4之间的时间间隔。当终端设备获取到上述时长T之后，可将参数j/T确定为待测GPU的目标性能参数。可选的，在获取待测GPU完成j次渲染操作所花费的时长T之后，终端设备可检测待测GPU是否支持预设的特效。其中，上述预设的特效可包括Fog特效、DOF特效或SSAO特效，此处不做限定。若终端设备确定出待测GPU支持预设的特效，则可将参数j/T确定为待测GPU的目标性能参数。若终端设备确定出待测GPU不支持预设的特效，则将a*j/T确定为待测GPU的目标性能参数。其中，a为与上述特效相对应的惩罚系数。上述惩罚系数为对当前主流的GPU进行多次性能测试实验，测得的使用特效时的性能参数b和不使用特效时性能参数c的比值，即a＝b/c。
S209，根据上述目标性能参数和性能标准参数确定出待测GPU的性能测试结果。
在一些可行的实施方式中，当终端设备获取到待测GPU的目标性能参数后，可获取预设的性能标准参数。其中，上述性能标准参数为可通过多次GPU性能测试实验获取的性能标准经验值。当终端设备确定出上述待测GPU的目标性能参数小于上述性能标准参数时，则确定上述待测GPU属于低性能GPU。当终端设备确定出上述待测GPU的目标性能参数大于或等于上述性能标准参数时，则确定上述待测GPU属于高性能GPU。
本发明实施例中，通过3D场景模型中的主相机从上述3D场景模型中捕获目标场景，从上述目标场景中提取出目标场景对象。其中，上述目标场景为上述3D场景模型中包括的场景之一。上述目标场景对象为上述主相机捕获的场景中包含的场景对象。确定出上述目标场景对象中脚本对象包含的多个功能函数的执行时序，并根据上述多个功能函数的执行时序确定出目标渲染进程。其中，上述多个功能函数中的各功能函数分别与上述目标渲染进程中的各子进程相对应。通过上述目标渲染进程将上述目标场景渲染至上述目标贴图上，以得到与上述目标场景对应的目标图像，并确定待测GPU完成的渲染次数i加1。移动上述主相机，通过移动后的上述主相机捕获新的场景以更新上述目标场景。执行上述从上述目标场景中提取出目标场景对象的步骤。当i等于预设次数阈值j时，获取上述待测GPU完成j次渲染操作上述的时长T，并根据j和T确定出目标性能参数。根据上述目标性能参数和性能标准参数确定出上述待测GPU的性能测试结果。采用本发明实施例，可提高GPU性能测试方法的精度，提升GPU性能测试方法的适用性。
请参见图3，是本发明实施提供的一种GPU性能测试的终端设备。如图所述，该终端设备包括：
场景对象获取单元10，用于通过3D场景模型中的主相机从上述3D场景模型中捕获目标场景，并从上述目标场景中提取出目标场景对象，其中，上述目标场景为上述3D场景模型中包括的场景之一。
上述渲染单元20，用于确定出上述场景对象获取单元10获取的目标场景对象中脚本对象包含的多个功能函数的执行时序，并根据上述多个功能函数的执行时序确定出目标渲染进程。其中，上述多个功能函数中的各功能函数用于实现上述目标渲染进程中与各功能函数相对应的子进程。
上述渲染单元20，还用于通过上述目标渲染进程将上述目标场景渲染至上述目标贴图上，以得到与上述目标场景对应的目标图像，并确定待测GPU完成的渲染次数i加1。其中，i为大于或等于0的正整数。
上述渲染单元20，还用于移动上述初始化单元初始化的上述主相机，通过移动后的上述主相机捕获新的目标场景以更新上述目标场景，并执行令上述场景对象获取单元再次从上述目标场景中提取出目标场景对象的步骤。
性能参数确定单元30，用于当上述渲染单元获取的渲染次数i等于预设次数阈值j时，获取上述待测GPU完成j次渲染操作上述的时长T，并根据j和T确定出目标性能参数。
测试结果确认单元40，用于根据上述目标性能参数和性能标准参数确定出上述待测GPU的性能测试结果。
在一些可行的实施方式中，上述性能参数确定单元30，用于：
判断上述待测GPU是否支持目标特效；
若判断为否，则将参数a*j/T确定为上述性能参数，其中，上述参数a为与上述目标特效相关联的惩罚系数，0<a<1；
若判断为是，则将参数j/T确定为上述性能参数。
在一些可行的实施方式中，请一并参见图4，图4是本发明实施例提供的一种GPU性能测试终端设备的另一结构示意图。上述终端设备还包括：
显示单元50，用于提取出上述3D场景模型中的离屏相机，根据预设的离屏贴图初始化上述离屏相机；
判断上述渲染单元20获取的渲染次数i是否等于Nk。其中，k为正整数，N为1,2,3……n-1,n。
若判断为是，则当最新显示时刻T与上述待测GPU完成第Nk次渲染操作的时刻t1的时间间隔大于预设时间间隔时，在用户界面中显示上述绘制后的离屏贴图，并设定当前时刻为t3，其中，上述最新显示时刻T为上述t1时刻之前在用户界面中显示绘制后的离屏贴图的时刻。更新上述最新显示时刻T为t3。
在一些可行的实施方式中，上述显示单元50用于：
当上述渲染单元20通过上述目标渲染进程获取目标图像后，将上述目标图像绘制到上述离屏贴图上，以得到绘制后的离屏贴图；
通过上述初始化后的离屏相机在用户界面上显示上述绘制后的离屏贴图。
在一些可行的实施方式中，场景对象获取单元10在通过3D场景模型中的主相机从上述3D场景模型中捕获目标场景之前，还需要预先获取一个3D场景。可选的，场景对象获取单元10可通过诸如Unity3D这样的游戏开发引擎主动创建并编辑一个可用于后续GPU性能测试的3D场景模型。可选的，场景对象获取单元10也可以直接从预设好的3D模型库中直接获取已经创建好的3D场景模型。当场景对象获取单元10获取到3D场景模型后，可从上述3D场景模型中提取出该3D场景模型的主相机。其中，上述主相机可通过设定好的视锥从3D场景模型中截取出一部分3D场景。场景对象获取单元10提取出主相机之后，可通过预设的相机配置参量对上述主相机进行初始化操作。例如，将主相机的目标纹理设定为相机配置参量确定的纹理类型。场景对象获取单元10初始化上述主相机之后，可通过上述主相机从上述3D场景模型中捕获到目标场景。然后，场景对象获取单元10可枚举出上述目标场景中所包含的场景对象。其中，上述场景对象包括该目标场景中包含的脚本对象、粒子系统对象、动画对象和导航数据对象。上述脚本对象可以为一个或多个。每个脚本对象中包含了诸如FixedUpdate、Update、LateUpdate等功能函数。其中，所述功能函数用于实现所述目标渲染进程中与所述功能函数相对应的子进程。
当场景对象获取单元10获取到上述场景对象后，渲染单元20在获取到上述目标场景中包含的多个脚本对象后，可确定出每个脚本对象中包含的多个功能函数的执行时序。例如，渲染单元20可确定每个脚本对象中的FixedUpdate函数执行完毕后，再执行Update函数。当渲染单元20确定出每个脚本对象中的多个功能函数的执行时序后，执行上述各个功能函数，再调用上述粒子系统对象、动画对象和导航数据对象，即可确定出上述目标渲染进程。
当渲染单元20确定出目标渲染进程之后，可驱动待测GPU通过上述目标渲染进程将上述目标场景渲染至上述目标贴图上。具体的，渲染单元20可驱动待测GPU计算目标场景中预设的光源对物体的影响。然后，待测GPU通过深度贴图阴影或光线追踪阴影对物体进行阴影设定。其后，待测GPU需要根据物体的材质来确定物体的表面颜色。最后，待测GPU再确定出上述场景对象中包括的粒子系统对象和动画对象所对应的效果，最终将确定好的2D图像绘制在目标贴图上，以得到与上述目标场景相对应的目标图像。渲染单元20在驱动待测GPU获取到目标图像后，可确定待测GPU完成的渲染次数i的值加1。
当渲染单元20驱动待测GPU完成一次渲染操作后，显示单元50可判断当前的测试状态是否满足显示条件。具体的，显示单元50先提取出上述3D场景模型中的离屏相机，根据上述预设的离屏贴图初始化上述离屏相机。然后，显示单元50可判断当前待测GPU已经完成渲染次数i是否等于Nk，k为正整数，N为1,2,3……n-1,n。若显示单元50确定当前待测GPU已经完成渲染次数i等于Nk，则可继续判断当最新显示时刻T与待测GPU完成第Nk次渲染操作的时刻t1的时间间隔是否大于预设时间间隔时。若显示单元50判断为是的，则将上述渲染单元20获得目标图像再绘制到上述离屏贴图上，以得到绘制后的离屏贴图。可选的，显示单元50也可将上述离屏贴图分成K个子贴图，在渲染单元20获取到目标图像后，将该目标图像按照预设的顺序绘制到上述K个子贴图中的目标子贴图上，以得到绘制后的离屏贴图。最后，显示单元50通过初始化后的离屏相机在用户界面中显示上述绘制后的离屏贴图。同时，设定当前时刻为t3，并更新上述最新显示时刻T为t3。然后，令渲染单元20执行判断渲染次数i是否等于预设阈值的操作。其中，上述最新显示时刻T为上述t1时刻之前终端设备最后一次在用户界面中显示绘制后的离屏贴图的时刻。若显示单元50确定当前待测GPU已经完成渲染次数i小于Nk，则直接令渲染单元20执行判断渲染次数i是否等于预设阈值的操作。
当渲染单元20确定待测GPU完成的渲染次数i小于预设次数阈值时，可通过场景对象中的导航数据对象移动3D场景模型中的主相机。然后，场景对象获取单元10再通过移动后的主相机从3D场景模型中再次截取新的场景，并使用新的场景来更新上述目标场景。可选的，渲染单元20可设定一个固定时间阈值，每当固定时间阈值到的时候，渲染单元20就移动3D场景模型中的主相机，以使得场景获取单元10可以更新目标场景。通过固定时间段进行相机移动的方法，可保证在测试不同的GPU的时候，GPU需要进行渲染的目标场景相同，以保证不同的GPU的测试环境相同。当场景获取单元10更新上述目标场景后，可重新执行上文描述的后续操作。
当渲染单元20确定出上述待测GPU完成的渲染次数i等于预设次数阈值j时，性能参数确认单元30可获取待测GPU完成j次渲染操作所花费的时长T。其中，时长T为渲染单元20第一次驱动待测GPU进行渲染操作的起始时刻t0到待测GPU完成第j次渲染操作的时刻t3之间的时间间隔。当性能参数确认单元30获取到上述时长T之后，可将参数j/T确定为待测GPU的目标性能参数。可选的，在性能参数确认单元30获取待测GPU完成j次渲染操作所花费的时长T之后，性能参数确认单元30可检测待测GPU是否支持预设的特效。其中，上述预设的特效可包括Fog特效、DOF特效或SSAO特效，此处不做限定。若性能参数确认单元30确定出待测GPU支持预设的特效，则可将参数j/T确定为待测GPU的目标性能参数。若性能参数确认单元30确定出待测GPU不支持预设的特效，则将a*j/T确定为待测GPU的目标性能参数。其中，a为与上述特效相对应的惩罚系数。上述惩罚系数为对当前主流的GPU进行多次性能测试实验，测得的使用特效时的性能参数b和不使用特效时性能参数c的比值，即a＝b/c。
当性能参数确认单元30获取到上述目标性能参数后，测试结果确认单元40可获取预设的性能标准参数。其中，上述性能标准参数为可通过多次GPU性能测试实验获取的性能标准经验值。当测试结果确认单元40确定出上述性能参数确认单元30获取的待测GPU的目标性能参数小于上述性能标准参数时，则确定上述待测GPU属于低性能GPU。当测试结果确认单元40确定出上述待测GPU的目标性能参数大于或等于上述性能标准参数时，则确定上述待测GPU属于高性能GPU。
本发明实施例中，通过3D场景模型中的主相机从上述3D场景模型中捕获目标场景，从上述目标场景中提取出目标场景对象。其中，上述目标场景为上述3D场景模型中包括的场景之一。上述目标场景对象为上述主相机捕获的场景中包含的场景对象。确定出上述目标场景对象中脚本对象包含的多个功能函数的执行时序，并根据上述多个功能函数的执行时序确定出目标渲染进程。其中，上述多个功能函数中的各功能函数分别与上述目标渲染进程中的各子进程相对应。通过上述目标渲染进程将上述目标场景渲染至上述目标贴图上，以得到与上述目标场景对应的目标图像，并确定待测GPU完成的渲染次数i加1。移动上述主相机，通过移动后的上述主相机捕获新的场景以更新上述目标场景。执行上述从上述目标场景中提取出目标场景对象的步骤。当i等于预设次数阈值j时，获取上述待测GPU完成j次渲染操作上述的时长T，并根据j和T确定出目标性能参数。根据上述目标性能参数和性能标准参数确定出上述待测GPU的性能测试结果。采用本发明实施例，可提高GPU性能测试方法的精度，提升GPU性能测试方法的适用性。
请参见图5，是本发明另一实施例提供的一种GPU性能检测的终端设备示意框图。如图5所示，本实施例中的终端设备可以包括：一个或多个输入设备100；存储器200，一个或多个处理器300和一个或多个输出设备400。上述处理器300、输入设备100、输出设备400和存储器200通过总线500连接。存储器200用于存储计算机程序，上述计算机程序包括程序指令，处理器300用于执行存储器200存储的程序指令。其中，处理器300被配置用于调用上述程序指令执行：终端设备先在相同条件下获取具有相同目标对象的源全景图像和待合成图像。然后从待合成图像中获取目标对象的特征信息，并根据该特征信息在上述源全景图像中确定出合成区域。最后将待合成图像合成到上述合成区域中以得到目标全景图像。
应当理解，在本发明实施例中，所称处理器300可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备100可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出设备400可以包括显示器(LCD等)、扬声器等。
该存储器200可以包括只读存储器和随机存取存储器，并向处理器300提供指令和数据。存储器200的一部分还可以包括非易失性随机存取存储器。例如，存储器200还可以存储设备类型的信息。
具体实现中，本发明实施例中所描述的处理器300、输入设备100、输出设备200可执行本发明实施例提供的图像处理方法的第一实施例和第二实施例中所描述的实现方式，也可执行本发明实施例所描述的终端设备的实现方式，在此不再赘述。
在本发明的另一实施例中提供一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序包括程序指令，上述程序指令被处理器执行时实现：通过3D场景模型中的主相机从上述3D场景模型中捕获目标场景，从上述目标场景中提取出目标场景对象。其中，上述目标场景为上述3D场景模型中包括的场景之一。上述目标场景对象为上述主相机捕获的场景中包含的场景对象。确定出上述目标场景对象中脚本对象包含的多个功能函数的执行时序，并根据上述多个功能函数的执行时序确定出目标渲染进程。其中，上述多个功能函数中的各功能函数分别与上述目标渲染进程中的各子进程相对应。通过上述目标渲染进程将上述目标场景渲染至上述目标贴图上，以得到与上述目标场景对应的目标图像，并确定待测GPU完成的渲染次数i加1。移动上述主相机，通过移动后的上述主相机捕获新的场景以更新上述目标场景。执行上述从上述目标场景中提取出目标场景对象的步骤。当i等于预设次数阈值j时，获取上述待测GPU完成j次渲染操作上述的时长T，并根据j和T确定出目标性能参数。根据上述目标性能参数和性能标准参数确定出上述待测GPU的性能测试结果。
上述计算机可读存储介质可以是前述任一实施例上述的终端设备的内部存储单元，例如终端设备的硬盘或内存。上述计算机可读存储介质也可以是上述终端设备的外部存储设备，例如上述终端设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，上述计算机可读存储介质还可以既包括上述终端设备的内部存储单元也包括外部存储设备。上述计算机可读存储介质用于存储上述计算机程序以及上述终端设备所需的其他程序和数据。上述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
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，上述描述终端设备和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元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机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机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机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例上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(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上上述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种图形处理器GPU性能测试的方法，其特征在于，所述方法包括：
通过3D场景模型中的主相机从所述3D场景模型中捕获目标场景，并从所述目标场景中提取出目标场景对象，其中，所述目标场景为所述3D场景模型中包括的场景之一；
确定出所述目标场景对象中脚本对象包含的多个功能函数的执行时序，并根据所述多个功能函数的执行时序确定出目标渲染进程，其中，所述多个功能函数中的各功能函数分别与所述目标渲染进程中的各子进程相对应；
驱动待测GPU执行所述目标渲染进程，通过所述目标渲染进程将所述目标场景渲染至目标贴图上，以得到与所述目标场景对应的目标图像，并确定待测GPU完成的渲染次数i加1；
移动所述主相机，通过移动后的所述主相机捕获新的场景以更新所述目标场景，执行所述从所述目标场景中提取出目标场景对象的步骤；
当i等于预设次数阈值j时，获取所述待测GPU完成j次渲染操作所需的时长T，并根据j和T确定出目标性能参数；
根据所述目标性能参数和性能标准参数确定出所述待测GPU的性能测试结果；
其中所述根据j和T确定出目标性能参数包括：
判断所述待测GPU是否支持目标特效；
若判断为否，则将参数a*j/T确定为目标性能参数，其中，所述参数a为与所述目标特效相关联的惩罚系数，0<a<1；
若判断为是，则将参数j/T确定为目标性能参数。
2.根据权利要求1所述的方法，其特征在于，在所述移动所述主相机之前，所述方法还包括：
提取出所述3D场景模型中的离屏相机，根据预设的离屏贴图初始化所述离屏相机；
判断所述渲染次数i是否等于Nk，其中，k为正整数，N为1,2,3……n-1,n；
若判断为是，则当最新显示时刻T与所述待测GPU完成第Nk次渲染操作的时刻t1的时间间隔大于预设时间间隔时，通过初始化后的所述离屏相机显示所述目标图像，并设定当前时刻为t3，其中，所述最新显示时刻T为所述t1时刻之前最近一次在用户界面中显示绘制后的离屏贴图的时刻，更新所述最新显示时刻T为t3；
若判断为否，则执行所述移动所述主相机的步骤。
3.根据权利要求2所述的方法，其特征在于，所述通过初始化后的所述离屏相机显示所述目标图像包括：
将所述目标图像绘制到所述离屏贴图上，以得到绘制后的离屏贴图；
通过所述初始化后的离屏相机在用户界面上显示所述绘制后的离屏贴图。
4.一种GPU性能测试的终端设备，所述终端设备包括：
场景对象获取单元，用于通过3D场景模型中的主相机从所述3D场景模型中捕获目标场景，并从所述目标场景中提取出目标场景对象，其中，所述目标场景为所述3D场景模型中包括的场景之一；
渲染单元，用于确定出所述场景对象获取单元获取的目标场景对象中脚本对象包含的多个功能函数的执行时序，并根据所述多个功能函数的执行时序确定出目标渲染进程，其中所述多个功能函数中的各功能函数分别与所述目标渲染进程中的各子进程相对应；
所述渲染单元，还用于驱动待测GPU执行所述目标渲染进程，通过所述渲染进程将所述目标场景渲染至目标贴图上，以得到与所述目标场景对应的目标图像，并确定待测GPU完成的渲染次数i加1；
所述渲染单元，还用于移动初始化单元初始化的所述主相机，通过移动后的所述主相机捕获新的目标场景以更新所述目标场景，执行所述从所述目标场景中提取出目标场景对象的步骤；
性能参数确定单元，用于当所述渲染单元获取的渲染次数i等于预设次数阈值j时，获取所述待测GPU完成j次渲染操作所需的时长T，并根据j和T确定出目标性能参数；
测试结果确认单元，用于根据所述目标性能参数和性能标准参数确定出所述待测GPU的性能测试结果；
其中所述性能参数确定单元，用于：
判断所述待测GPU是否支持目标特效；
若判断为否，则将参数a*j/T确定为目标性能参数，其中，所述参数a为与所述目标特效相关联的惩罚系数，0<a<1；
若判断为是，则将参数j/T确定为目标性能参数。
5.根据权利要求4所述的终端设备，其特征在于，所述终端设备还包括显示单元，所述显示单元用于：
提取出所述3D场景模型中的离屏相机，根据预设的离屏贴图初始化所述离屏相机；
判断所述渲染单元获取的渲染次数i是否等于Nk，其中，k为正整数，N为1,2,3……n-1,n；
若判断为是，则当最新显示时刻T与所述待测GPU完成第Nk次渲染操作的时刻t1的时间间隔大于预设时间间隔时，通过初始化后的所述离屏相机显示所述目标图像，并设定当前时刻为t3，其中，所述最新显示时刻T为所述t1时刻之前最近一次在用户界面中显示绘制后的离屏贴图的时刻，更新所述最新显示时刻T为t3。
6.根据权利要求5所述的终端设备，其特征在于，所述显示单元用于：
将所述目标图像绘制到所述离屏贴图上，以得到绘制后的离屏贴图；
通过所述初始化后的离屏相机在用户界面上显示所述绘制后的离屏贴图。
7.一种GPU性能测试的终端设备，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-3任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-3任一项所述的方法。
CN201711489476.6A 2017-12-29 2017-12-29 Gpu测试方法、终端设备和计算机可读存储介质 Active CN108089958B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201711489476.6A CN108089958B (zh) 2017-12-29 2017-12-29 Gpu测试方法、终端设备和计算机可读存储介质
US16/015,632 US10606721B2 (en) 2017-12-29 2018-06-22 Method and terminal device for testing performance of GPU, and computer readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711489476.6A CN108089958B (zh) 2017-12-29 2017-12-29 Gpu测试方法、终端设备和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN108089958A CN108089958A (zh) 2018-05-29
CN108089958B true CN108089958B (zh) 2021-06-08

Family

ID=62180238

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711489476.6A Active CN108089958B (zh) 2017-12-29 2017-12-29 Gpu测试方法、终端设备和计算机可读存储介质

Country Status (2)

Country Link
US (1) US10606721B2 (zh)
CN (1) CN108089958B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7208480B2 (ja) * 2018-10-12 2023-01-19 富士通株式会社 学習プログラム、検出プログラム、学習装置、検出装置、学習方法および検出方法
CN109529329B (zh) * 2018-11-21 2022-04-12 北京像素软件科技股份有限公司 游戏特效处理方法及装置
CN109800141B (zh) * 2019-01-28 2020-08-18 Oppo广东移动通信有限公司 Gpu性能瓶颈的确定方法、装置、终端及存储介质
CN110659094A (zh) * 2019-09-11 2020-01-07 北京达佳互联信息技术有限公司 一种对象渲染及其控制方法、装置、设备及介质
CN110838166B (zh) * 2019-10-21 2024-02-13 腾讯科技（深圳）有限公司 特效数据检测方法、装置、设备及存储介质
CN110795056B (zh) * 2019-11-08 2023-08-15 Oppo广东移动通信有限公司 调节显示参数的方法、装置、终端及存储介质
CN111176925B (zh) * 2019-12-24 2024-04-09 北京安兔兔科技有限公司 设备性能测试方法、装置及电子设备
CN111309595B (zh) * 2020-01-16 2024-05-10 网易（杭州）网络有限公司 特效的测试方法、装置、电子设备及计算机可读介质
CN115104087A (zh) * 2020-02-20 2022-09-23 三菱电机株式会社 验证装置
CN111651230B (zh) * 2020-06-03 2022-08-23 上海米哈游天命科技有限公司 一种热力图生成方法、装置、电子设备及存储介质
CN114691470A (zh) * 2020-12-29 2022-07-01 华为技术有限公司 应用程序测试方法和设备
CN113448557B (zh) * 2021-06-30 2022-06-17 深圳淘乐网络科技有限公司 一种基于html5的游戏开发方法
CN113672468A (zh) * 2021-08-24 2021-11-19 北京字节跳动网络技术有限公司 一种负载监控方法及装置
CN115562923A (zh) * 2022-10-28 2023-01-03 宁畅信息产业(北京)有限公司 一种设备的自动化测试方法、装置、电子设备及存储介质
CN116468597B (zh) * 2023-02-16 2023-11-17 深圳技术大学 基于多gpu的图像渲染方法、装置及可读存储介质
CN118505875B (zh) * 2024-07-16 2024-09-20 安创启元(杭州)科技有限公司 一种可自动调整渲染策略的渲染方法、装置及计算机设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106201870A (zh) * 2016-07-01 2016-12-07 浪潮电子信息产业股份有限公司 一种测试gpu的方法及装置
CN106326047A (zh) * 2015-07-02 2017-01-11 超威半导体(上海)有限公司 一种用于预测gpu性能的方法和相应的计算机系统
CN107369200A (zh) * 2017-07-04 2017-11-21 福建星网视易信息系统有限公司 一种3d场景特效处理方法及存储设备

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7882369B1 (en) * 2002-11-14 2011-02-01 Nvidia Corporation Processor performance adjustment system and method
US9256514B2 (en) * 2009-02-19 2016-02-09 Nvidia Corporation Debugging and perfomance analysis of applications
US8150902B2 (en) * 2009-06-19 2012-04-03 Singular Computing Llc Processing with compact arithmetic processing element
WO2011091399A2 (en) * 2010-01-25 2011-07-28 The Board Of Governors For Higher Education, State Of Rhode Island And Providence Plantations Systems and methods for providing a neural-machine interface for artificial legs
US9043326B2 (en) * 2011-01-28 2015-05-26 The Curators Of The University Of Missouri Methods and systems for biclustering algorithm
GB2521155B (en) * 2013-12-10 2021-06-02 Advanced Risc Mach Ltd Configuring thread scheduling on a multi-threaded data processing apparatus
US10244223B2 (en) * 2014-01-10 2019-03-26 Ostendo Technologies, Inc. Methods for full parallax compressed light field 3D imaging systems
CN104134230B (zh) * 2014-01-22 2015-10-28 腾讯科技（深圳）有限公司 一种图像处理方法、装置及计算机设备
US9558094B2 (en) * 2014-05-12 2017-01-31 Palo Alto Research Center Incorporated System and method for selecting useful smart kernels for general-purpose GPU computing
US10332229B2 (en) * 2014-05-12 2019-06-25 Palo Alto Research Center Incorporated System and method for high performance k-means clustering on GPU with smart kernels
US9633226B2 (en) * 2014-05-30 2017-04-25 Apple Inc. Systems and methods for managing authority designation and event handling for hierarchical graphical user interfaces
US10055876B2 (en) * 2014-06-06 2018-08-21 Matterport, Inc. Optimal texture memory allocation
US9799088B2 (en) * 2014-08-21 2017-10-24 Qualcomm Incorporated Render target command reordering in graphics processing
US10635761B2 (en) * 2015-04-29 2020-04-28 Energid Technologies Corporation System and method for evaluation of object autonomy
US10033656B2 (en) * 2015-05-21 2018-07-24 Sap Portals Israel Ltd Critical rendering path optimization
JP6320542B2 (ja) * 2015-05-23 2018-05-09 エスゼット ディージェイアイ テクノロジー カンパニー リミテッドＳｚ Ｄｊｉ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．，Ｌｔｄ 初期構成を有する複数のセンサを有する可動物体に対する１または複数の外部パラメータを推定する方法、システム、及びプログラム
US9922452B2 (en) * 2015-09-17 2018-03-20 Samsung Electronics Co., Ltd. Apparatus and method for adjusting brightness of image
US10332509B2 (en) * 2015-11-25 2019-06-25 Baidu USA, LLC End-to-end speech recognition
US9473758B1 (en) * 2015-12-06 2016-10-18 Sliver VR Technologies, Inc. Methods and systems for game video recording and virtual reality replay
US9940858B2 (en) * 2016-05-16 2018-04-10 Unity IPR ApS System and method for assymetric rendering to eyes in augmented reality and virtual reality devices
US10345883B2 (en) * 2016-05-31 2019-07-09 Taiwan Semiconductor Manufacturing Co., Ltd. Power estimation
US10073815B2 (en) * 2016-05-31 2018-09-11 Palo Alto Research Cener Incorporated System and method for speeding up general matrix-matrix multiplication on the GPU
US10032247B2 (en) * 2016-06-22 2018-07-24 Palo Alto Research Center Incorporated System and method for speeding up general matrix-vector multiplication on GPU
US11748666B2 (en) * 2016-11-10 2023-09-05 International Business Machines Corporation Parameter data sharing for multi-learner training of machine learning applications
JP2018091656A (ja) * 2016-11-30 2018-06-14 キヤノン株式会社 情報処理装置、計測装置、システム、算出方法、プログラムおよび物品の製造方法
US10115012B1 (en) * 2017-04-07 2018-10-30 Box, Inc. Capture object boundary jitter reduction
US10108850B1 (en) * 2017-04-24 2018-10-23 Intel Corporation Recognition, reidentification and security enhancements using autonomous machines
US10425615B2 (en) * 2017-05-10 2019-09-24 Mediatek Inc. Apparatuses and methods for dynamic frame rate adjustment
US10482575B2 (en) * 2017-09-28 2019-11-19 Intel Corporation Super-resolution apparatus and method for virtual and mixed reality
US10402937B2 (en) * 2017-12-28 2019-09-03 Nvidia Corporation Multi-GPU frame rendering

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106326047A (zh) * 2015-07-02 2017-01-11 超威半导体(上海)有限公司 一种用于预测gpu性能的方法和相应的计算机系统
CN106201870A (zh) * 2016-07-01 2016-12-07 浪潮电子信息产业股份有限公司 一种测试gpu的方法及装置
CN107369200A (zh) * 2017-07-04 2017-11-21 福建星网视易信息系统有限公司 一种3d场景特效处理方法及存储设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Efficient management of last-level caches in graphics processors for 3D scene rendering workloads;Jayesh Gaur et al.;《2013 46th Annual IEEE/ACM International Symposium on Microarchitecture (MICRO)》;20131111;摘要，第2节第一段，第4节第一段 *

Also Published As

Publication number Publication date
US10606721B2 (en) 2020-03-31
US20190205231A1 (en) 2019-07-04
CN108089958A (zh) 2018-05-29

Similar Documents

Publication Publication Date Title
CN108089958B (zh) Gpu测试方法、终端设备和计算机可读存储介质
US11798239B2 (en) Method and device for a placement of a virtual object of an augmented or mixed reality application in a real-world 3D environment
CN106355153B (zh) 一种基于增强现实的虚拟对象显示方法、装置以及系统
CN110866977B (zh) 增强现实处理方法及装置、系统、存储介质和电子设备
CN110221690A (zh) 基于ar场景的手势交互方法及装置、存储介质、通信终端
CN110378947B (zh) 3d模型重建方法、装置及电子设备
CN112348968B (zh) 增强现实场景下的展示方法、装置、电子设备及存储介质
JP6891283B2 (ja) 画像処理システム、画像処理方法、及びプログラム
CN111062981A (zh) 图像处理方法、装置及存储介质
CN110062157B (zh) 渲染图像的方法、装置、电子设备和计算机可读存储介质
CN110035236A (zh) 图像处理方法、装置和电子设备
CN110059624B (zh) 用于检测活体的方法和装置
CN106447756B (zh) 用于生成用户定制的计算机生成动画的方法和系统
CN111508058A (zh) 图像三维重建的方法、装置、存储介质及电子设备
CN107808372B (zh) 图像穿越处理方法、装置、计算设备及计算机存储介质
CN107743263B (zh) 视频数据实时处理方法及装置、计算设备
CN111145358A (zh) 图像处理方法、装置、硬件装置
JP6980802B2 (ja) 拡張現実を提供するための方法、装置及びコンピュータプログラム
CN113163135B (zh) 视频的动画添加方法、装置、设备及介质
CN114863066A (zh) 呈现物体真实遮挡关系的增强现实场景的生成方法及系统
CN114358822A (zh) 一种广告展示方法、装置、介质及设备
CN109040612B (zh) 目标对象的图像处理方法、装置、设备及存储介质
CN112333498A (zh) 一种展示控制方法、装置、计算机设备及存储介质
CN111107264A (zh) 图像处理方法、装置、存储介质以及终端
CN111292227A (zh) 图像处理方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant