CN109656722A - 内存优化方法、装置、移动终端及存储介质 - Google Patents
内存优化方法、装置、移动终端及存储介质 Download PDFInfo
- Publication number
- CN109656722A CN109656722A CN201910008555.3A CN201910008555A CN109656722A CN 109656722 A CN109656722 A CN 109656722A CN 201910008555 A CN201910008555 A CN 201910008555A CN 109656722 A CN109656722 A CN 109656722A
- Authority
- CN
- China
- Prior art keywords
- application program
- launched
- memory
- system memory
- mobile terminal
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Stored Programmes (AREA)
- Telephone Function (AREA)
Abstract
本申请公开了一种内存优化方法、装置、移动终端及存储介质,该内存优化方法包括:基于多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序,所述多个应用程序包括所述至少一个待启动应用程序;检测所述移动终端当前的剩余系统内存;判断所述剩余系统内存与所述待启动应用程序所需的系统内存的差值是否大于设定阈值;如果大于所述设定阈值,对所述移动终端的系统内存进行优化。本方法可以提升应用程序的运行速度,避免应用程序运行时的卡顿。
Description
技术领域
本申请涉及移动终端技术领域,更具体地,涉及一种内存优化方法、装置、移动终端及存储介质。
背景技术
移动终端,例如手机、平板电脑等,已经成为人们日常生活中最常用的消费型电子产品之一。为了满足用户需求的多样性,出现了很多方便用户使用的应用,如即时通讯应用、游戏应用等。但是,当用户在使用应用时,会时常遇到由于移动终端的系统内存不足而导致应用出现卡顿,影响用户体验。
发明内容
鉴于上述问题,本申请提出了一种内存优化方法、装置、移动终端及存储介质,以解决上述问题。
第一方面,本申请实施例提供了一种内存优化方法,应用于移动终端,所述方法包括:基于多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序,所述多个应用程序包括所述至少一个待启动应用程序;检测所述移动终端当前的剩余系统内存;判断所述剩余系统内存与所述待启动应用程序所需的系统内存的差值是否大于设定阈值;如果不大于所述设定阈值,对所述移动终端的系统内存进行优化。
第二方面,本申请实施例提供了一种内存优化装置,应用于移动终端,所述装置包括:应用预测模块、内存检测模块、内存判断模块以及优化执行模块,其中,所述应用预测模块用于基于多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序;所述内存检测模块用于检测所述移动终端当前的剩余系统内存;所述内存判断模块用于判断所述剩余系统内存与所述待启动应用程序所需的系统内存的差值是否大于设定阈值;所述优化执行模块用于如果不大于所述设定阈值,对所述移动终端的系统内存进行优化。
第三方面,本申请实施例提供了一种移动终端,包括:一个或多个处理器;存储器;一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行上述第一方面提供的内存优化方法。
第四方面,本申请实施例提供了一种存储介质,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行上述第一方面提供的内存优化方法。
本申请提供的方案,应用于移动终端,通过多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序,然后检测移动终端当前的剩余系统内存,判断剩余系统内存与待启动应用程序所需的系统内存的差值是否大于设定阈值,如果不大于设定阈值时,对移动终端的系统内存进行优化,从而实现在待启动应用程序运行之前,即对移动终端的系统内存进行优化,提升应用程序的运行速度,避免应用程序运行时出现卡顿。
附图说明
为了更清楚地说明本申请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申请的一些实施例,对于本领域技术人员来讲,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示出了根据本申请一个实施例的内存优化方法流程图。
图2示出了根据本申请另一个实施例的内存优化方法流程图。
图3示出了根据本申请实施例的内存优化方法中步骤S210的一种流程图。
图4示出了根据本申请实施例的内存优化方法中步骤S210的另一种流程图。
图5示出了根据本申请又一个实施例的内存优化方法流程图。
图6示出了根据本申请一个实施例的内存优化装置的一种框图。
图7示出了根据本申请一个实施例的内存优化装置中优化执行模块的一种框图。
图8示出了根据本申请一个实施例的内存优化装置中优化执行模块的另一种框图。
图9示出了根据本申请一个实施例的内存优化装置中应用预测模块的一种框图。
图10示出了根据本申请一个实施例的内存优化装置中应用预测模块的另一种框图。
图11是本申请实施例的用于执行根据本申请实施例的内存优化方法的移动终端的框图。
图12是本申请实施例的用于保存或者携带实现根据本申请实施例的内存优化方法的程序代码的存储单元。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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。
目前,随着通信技术的迅速发展,智能手机等移动终端的功能越来越强大,人们可以在移动终端上安装各种应用程序,以进行观看电影、玩游戏、浏览网页、视频聊天等。在移动终端运行的应用程序较多时,会出现移动终端的系统内存不足,而导致应用程序的运行出现卡顿的现象。其中,系统内存即RAM(random-access memory,随机存取存储器),它是系统临时存储程序指令和数据的主要区域。
现有技术中,通常是在应用程序运行之后,发现卡顿时,用户可以采取手动方式对系统或应用进行优化,以满足用户流畅使用应用程序的需求,或者是系统检测到卡顿现象时,自动进行优化。但是上述进行优化的方法,是在应用程序运行出现卡顿之后,才进行优化,而此时应用程序的卡顿已经发生,甚至出现应用程序运行时的崩溃,将严重影响用户体验。
针对上述问题,发明人经过长时间的研究并提出了本申请实施例提供的内存优化方法、装置、移动终端以及存储介质,基于多个应用程序的历史操作数据预测待启动应用程序,并且判断剩余系统内存与待启动应用程序所需的系统内存的差值是否大于设定阈值,如果不大于设定阈值,则对移动终端的系统内存进行优化,实现在待启动应用程序运行之前,即对移动终端的系统内存进行优化,提升应用程序的运行速度,避免应用程序运行时出现卡顿。
下面对本申请实施例的内存优化方法进行详细介绍。
请参阅图1,本申请实施例提供了一种内存优化方法,可应用于移动终端,该内存优化方法可以包括:
步骤S110:基于多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序,所述多个应用程序包括所述至少一个待启动应用程序。
目前的移动终端可以安装各种应用程序,以满足用户的使用需求。虽然目前移动终端的性能和配置较佳,但是移动终端在运行较多应用程序的情况下,还是可能出现移动终端的系统内存不足,而导致应用程序的运行出现卡顿的情况。
为避免应用程序在启动和运行时出现卡顿,可以对即将启动的应用程序进行预测,以在应用程序启动前,对系统内存进行优化,使后续应用程序启动和运行时不会出现卡顿,提升应用程序运行的流畅度。
在本申请实施例中,可以根据移动终端安装的多个应用程序的历史操作数据,对即将启动的应用程序进行预测。其中,移动终端安装的多个应用程序可以是移动终端安装的所有应用程序,也可以是根据用户对应用程序的选取操作,从移动终端安装的所有应用程序中选取出的部分需要进行启动预测的多个应用程序,还可以是移动终端根据安装的所有应用程序中每个应用程序的使用次数,确定出使用频率较高的应用程序,将确定出的使用频率较高的应用程序作为上述需要进行启动预测的多个应用程序。上述多个应用程序可以包括移动终端安装的多个应用程序(例如社交应用、理财应用等)以及系统自带的多个应用程序(例如通话应用、日历应用等),具体的多个应用程序在本申请实施例中可以不作为限定。
其中,上述多个应用程序的历史操作数据可以存储于移动终端,也就是说,在每次对应用程序进行操作时,移动终端可以记录对应用程序的操作事件以及与该操作事件相关的信息,从而形成应用程序的历史操作数据,并存储于移动终端。在移动终端需要对即将启动的应用程序进行预测时,可以读取应用程序的历史操作数据,以根据应用程序的历史操作数据,预测即将启动的应用程序。
在本申请实施例中,上述应用程序的历史操作数据可以至少包括应用程序的运行次数以及应用程序的启动时间。其中,应用程序的运行次数为移动终端在运行过程中,该应用程序总共打开或者启动的次数,在每次应用程序启动时,应用程序的运行次数会加1。应用程序的启动时间,则是应用程序在每次启动时,对应的移动终端的系统中的时间。也就是说,在应用程序被启动时,移动终端可以监测到启动事件,并且将该启动事件以及该启动事件对应的时间进行存储,另外还增加该应用程序的运行次数。当然,具体的历史操作数据在本申请实施例中可以不作为限定,历史操作数据也还可以包括其他数据,例如应用程序的历史关闭时间,又例如,应用程序的运行时长等。
在本申请实施例中,可以按照设定的频率对将启动的应用程序进行预测,即每隔设定时长对将启动的应用程序进行预测,其中,具体的频率在本申请实施例中可以不作为限定。也可以在触发预测将启动的应用程序的事件后,对将启动的应用程序进行预测。当然,移动预测将启动的应用程序的触发条件可以不作为限定。
移动终端在预测将启动的应用程序时,可以读取上述多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的待启动应用程序。其中,上述指定时间段的具体大小在本申请实施例中可以不作为限定,例如,指定时间段可以为2分钟,也可以5分钟,也可以为10分钟,还可以为20分钟等。
进一步的,根据多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序,可以是根据多个应用程序中每个应用程序于上述指定时间段的使用次数,确定出使用次数大于设定次数,或者使用次数最多的应用程序,得到预测出的在上述当前时间后的指定时间段将启动的待启动应用程序。根据多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序,也可以是,根据通过上述历史操作数据进行机器学习,得到的用于预测将启动的应用程序的预测模型,利用该预测模型预测在上述当前时间后的指定时间段将启动的待启动应用程序。上述的多个应用程序包括上述预测出的待启动应用程序。当然,具体预测当前时间后的指定时间段内将启动的待启动应用程序的方式可以不作为限定。
需要说明的是,上述预测得到的当前时间后的指定时间段内将启动的待启动应用程序的数量,可以为一个,也可以为多个,具体数量可以不作为限定。
步骤S120:检测所述移动终端当前的剩余系统内存。
在预测出当前时间后的指定时间段内将启动的至少一个待启动应用程序时,表示在当前时间后的指定时间段内有至少一个待启动应用程序将启动,此时可以根据移动终端的系统内存的实际情况,对系统内存进行优化,以便于上述待启动应用程序在启动和运行时不会出现卡顿。
在本申请实施例中,在预测出上述待启动应用程序之后,可以检测移动终端当前的剩余系统内存。其中,剩余系统内存指移动终端当前的可用内存。检测移动终端当前的剩余系统内存,可以根据移动终端对应的系统,通过系统对应的相应指令或者命令,检测移动终端当前的剩余系统内存。例如,当移动终端的系统为安卓(android)系统时,可以用通过procrank命令查看系统内存的情况,以得到移动终端当前的剩余系统内存,也可以通过cat/proc/meminfo命令查看系统内存使用信息,以得到移动终端当前的剩余系统内存。当然,具体检测移动终端当前的剩余系统内存的方式在本申请实施例中可以不作为限定。
步骤S130:判断所述剩余系统内存与所述待启动应用程序所需的系统内存的差值是否大于设定阈值。
在检测出移动终端当前的剩余系统内存之后,则可以根据该剩余系统内存,确定是否需要对移动终端的系统内存进行优化。
在本申请实施例中,可以获取上述待启动应用程序所需的系统内存,以确定上述剩余系统内存是否满足上述待启动应用程序所需的系统内存。其中,上述待启动应用程序所需的系统内存,可以是待启动应用程序启动和运行时需要占用的系统内存。上述待启动应用程序所需的系统内存,可以根据应用程序在每次运行时所占用的内存,计算占用的内存的平均值,将平均值作为应用程序所需的系统内存。也可以根据应用程序在每次运行时所占用的内存,确定占用内存的最大值,将该最大值作为应用程序所需的系统内存。
在得到移动终端当前的剩余系统内存,以及待启动应用程序所需的系统内存之后,则可以判断剩余系统内存与待启动应用程序所需的系统内存的差值是否大于设定阈值。可以理解的是,当剩余系统内存与待启动应用程序所需的系统内存的差值大于设定阈值,表示当前剩余系统内存大于待启动应用程序所需的系统内存,即移动终端当前的剩余系统内存,可以满足待启动应用程序的启动和运行。当剩余系统内存与待启动应用程序所需的系统内存的差值不大于设定阈值,表示当前剩余系统内存不大于待启动应用程序所需的系统内存,即移动终端当前的剩余系统内存,不能满足待启动应用程序的启动和运行。上述设定阈值的具体数值可以不作为限定,例如,设定阈值可以是0,也可以是100Mb(兆),也可以是200Mb等。
当上述待启动应用程序的数量为1个时,则仅需判断上述剩余系统内存与该待启动应用程序所需的系统内存的差值是否大于设定阈值。当上述待启动应用程序的数量为多个时,则仅需判断上述剩余系统内存与多个待启动应用程序所需的系统内存之和的差值是否大于设定阈值,即计算出多个待启动应用程序所需的系统内存的和值,再判断上述剩余系统内存与该和值的差值是覅大于设定阈值。
步骤S140:如果不大于所述设定阈值,对所述移动终端的系统内存进行优化。
当步骤S130中判断出上述剩余系统内存与待启动应用程序所需的系统内存的差值不大于设定阈值时,则可以对移动终端的系统内存进行优化。可以理解的,当上述差值不大于设定阈值,则移动终端的可用内存不足以支持上述待启动应用程序的启动和运行,因此需要对移动终端的系统内存进行优化,以清理出内存空间,满足待启动应用程序的启动和运行。上述对移动终端的系统内存进行优化,可以是对应用程序运行后的残留进程进行清理,也可以是对优先级较低(即重要程度较低)的进程进行清理,还可以是对长期会被操作的应用程序的进程进行清理。当然,具体进行移动终端的系统内存的优化的策略可以不作为限定。从而,在对移动终端的系统内存进行优化之后,则可以释放出移动终端的内存空间,使当前可用的系统内存增多,以便于满足上述待启动应用程序的使用。
当步骤S130中判断出上述剩余系统内存与待启动应用程序所需的系统内存的差值大于设定阈值时,则可以不对移动终端的系统内存进行优化。
本申请实施例提供的内存优化方法,根据多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序,然后检测移动终端当前的剩余系统内存,判断剩余系统内存与待启动应用程序所需的系统内存的差值是否大于设定阈值,如果不大于设定阈值时,对移动终端的系统内存进行优化,从而实现在待启动应用程序运行之前,即对移动终端的系统内存进行优化,提升应用程序的运行速度,避免应用程序运行时出现卡顿。
请参阅图2,本申请另一个实施例提供了一种内存优化方法,可应用于移动终端,该内存优化方法可以包括:
步骤S210:基于多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序,所述多个应用程序包括所述至少一个待启动应用程序。
在本申请实施例中,可以基于多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的待启动应用程序,以便确定出在当前时候后的指定时间段内有待启动应用程序将启动时,对移动终端的系统内存进行优化。
作为一种实施方式,请参见图3,步骤S210可以包括:
步骤S211:获取待启动应用程序的预测模型,所述预测模型包括根据多个应用程序的历史操作数据训练得到的预测模型,所述历史操作数据包括应用程序的运行次数以及应用程序的启动时间。
可以理解的是,可以获取待启动应用程序的预测模型,该预测模型可以用于预测将启动的应用程序。上述预测模型可以理解为根据多个应用程序的历史操作数据,输入至神经网络模型训练之后,得到的模型。
因此在根据应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序之前,该内存优化方法还可以包括:
获取多个应用程序的历史操作数据,所述历史操作数据包括应用程序的运行次数以及应用程序的启动时间;根据所述历史操作数据,对初始神经网络模型进行训练,得到待启动应用程序的预测模型。
可以理解的,可以读取存储的多个应用程序的历史操作数据,历史操作数据可以至少包括应用程序的运行次数以及应用程序的启动时间,当然,具体的历史操作数据在本申请实施例中可以不作为限定,历史操作数据也还可以包括其他数据,例如应用程序的历史关闭时间、应用程序的运行时长、应用程序运行时移动终端所处的位置等。
在获取到上述多个应用程序的历史操作数据之后,可以将上述运行次数以及应用程序的启动时间等历史操作数据,作为训练数据,输入至初始神经网络模型中,初始神经网络模型对上述训练数据进行训练,生成待启动应用程序的预测模型。上述神经网络模型可以是卷积神经网络(Convolutional Neural Network,CNN)模型,也可以是递归神经网络(Recursive Neural Network,RNN)模型,具体的神经网络模型在本申请实施例中可以不作为限定。
在一些实施方式中,上述应用程序的启动时间可以对应到划分的时间段,例如,可以对一天24小时(0:00-24:00)进行均等划分,如划分为24个时间段,即每个小时作为一个时间段。在将历史操作数据输入至初始神经网络模型进行训练,可以是将上述启动时间对应的时间段以及运行次数作为上述的训练数据,输入至上述初始神经网络模型进行训练,从而可以得到用于预测各个时间段应用程序启动的可能性,也就是可以预测各个时间段即将启动和运行的应用程序。
在一些实施方式中,还可以根据工作日和非工作日(节假日),对上述预测模型进行区分,也就是说,将应用程序在工作日的历史操作数据输入至上述初始神经网络模型进行训练,得到用于预测工作日中各个时间将启动的应用程序的预测模型。另外,将应用程序在非工作日的历史操作数据输入至上述初始神经网络模型进行训练,得到用于预测非工作日中各个时间将启动的应用程序的预测模型。可以理解的是,在工作日和非工作日时,用户对应用程序的使用习惯通常不同,比如,在工作日时娱乐类应用程序的使用频率较低,而在非工作日时娱乐类应用程序的使用频率较高,如果将工作日和非工作日的应用程序的历史操作数据混合作为训练数据,则预测模型预测的将启动的应用程序可能会不准确。因此可以将工作日的应用程序的历史操作数据与非工作日的应用程序的历史操作数据,分别作为训练数据进行训练,以区分开用于预测工作日中各个时间将启动的应用程序的预测模型以及用于预测非工作日中各个时间将启动的应用程序的预测模型。
从可以得到待启动应用程序的预测模型,在本申请实施例中,还可以上述预测模型还可以不断的根据应用程序的历史操作数据进行学习和训练,以提升预测模型的预测准确度。
步骤S212:将当前时间后的指定时间段输入所述预测模型,得到所述指定时间段内将启动的至少一个待启动应用程序。
在获取到用于待启动应用程序的预测模型之后,则可以根据上述预测模型对当前时间后的指定时间段将启动的待启动应用程序进行预测。可以将当前时间后的指定时间段输入上述预测模型,上述预测模型可以根据输入的指定时间段,即可预测出将启动的至少一个待启动应用程序。
进一步的,上述预测模型在预测将启动的待启动应用程序时,可以预测出各个应用程序可能启动的概率值,根据各个应用程序可能启动的概率值,可以得到将启动的待启动应用程序。作为一种方式,可以将能启动的概率值大于概率阈值的应用程序,作为预测出的将启动的待启动应用程序。作为另一种方式,可以将能启动的概率值最大的应用程序,作为预测出的将启动的待启动应用程序。当然,预测模型具体预测将启动的待启动应用程序的方式在本申请实施例中可以不作为限定。
作为另一种实施方式,请参见图4,步骤S210可以包括:
步骤S213:根据所述历史操作数据,获取多个应用程序中每个应用程序在所述指定时间段的运行总次数。
在本申请实施例中,也可以是根据应用程序的历史操作数据,计算得到当前时间后的指定时间段将启动的应用程序。
进一步的,可以根据多个应用程序每个应用程序的运行事件,运行事件包括有应用程序运行时的运行时间(时刻),确定出多个应用程序中每个在上述指定时间段的运行总次数。
步骤S214:从所述多个应用程序中获取运行总次数满足次数条件的应用程序,将所述满足次数条件的应用程序作为待启动应用程序。
在获取到多个应用程序中每个应用程序在指定时间段的运行总次数之后,则可以根据运行总次数,确定出在上述指定时间段将启动的待启动应用程序。
进一步的,可以根据上述每个应用程序在指定时间段的运行总次数,从上述多个应用程序中确定出运行总次数满足次数条件的应用程序。其中,确定运行总次数满足次数条件的应用程序,可以是根据每个应用程序的运行总次数,获取运行总次数大于一定次数的应用程序,即获取用户在上述指定时间段使用较多的应用程序。确定满足次数条件的应用程序,也可以是根据多个应用程序中每个应用程序的运行总次数,按照运行总次数从高到低的顺序对多个应用程序进行排序,然后获取排序结果中前设定个数的应用程序。当然,具体确定满足次数条件的应用程序的方式以及次数条件可以不作为限定,满足可以获取到在上述指定时间段使用次数较多或者使用率较高的应用程序即可。
步骤S220:检测所述移动终端当前的剩余系统内存。
在本申请实施例中,步骤S220可以参阅上述实施例的内容,在此不再赘述。
步骤S230:获取所述待启动应用程序每次运行时的内存占用记录。
在本申请实施例中,可以获取上述待启动应用程序所需的系统内存,以根据上述剩余系统内存以及待启动应用程序所需的系统内存,确定是否对移动终端的系统内存进行优化。
进一步的,可以获取待启动应用程序每次运行时的内存占用记录。其中,上述内存占用记录可以是应用程序在每次运行时,对应用程序占用的系统内存进行检测,将检测到的应用程序占用的系统内存存储至该应用程序对应的内存占用记录中,以便在需要确定待启动应用程序所需的系统内存时,读取上述内存占用记录。
步骤S240:基于所述内存占用记录,获取所述内存占用记录中的最大内存,将所述最大内存作为所述待启动应用程序所需的系统内存。
在获取到上述待启动应用程序的内存占用记录之后,则可以根据内存占用记录,确定出待启动应用程序所需的系统内存。
在本申请实施例中,在根据待启动应用程序的内存占用记录,确定待启动应用程序所需的系统内存时,可以获取上述内存占用记录中的最大内存,即待启动应用程序在多次运行时占用系统内存的最大值。在得到内存占用记录中的最大内存之后,则可以将该最大内存作为待启动应用程序所需的系统内存。可以理解的,由于应用程序存在更新或者运行场景不同等情况,应用程序在每次启动和运行时,应用程序占用的系统内存可能发生变化,因此可以取应用程序在以往运行时占用的最大内存,作为该应用程序所需的系统内存。
步骤S250:判断所述剩余系统内存与所述待启动应用程序所需的系统内存的差值是否大于设定阈值。
在得到移动终端当前的剩余系统内存,以及待启动应用程序所需的系统内存之后,则可以判断剩余系统内存与待启动应用程序所需的系统内存的差值是否大于设定阈值。上述设定阈值的具体数值在本申请实施例中可以不作为限定。
步骤S260:如果不大于所述设定阈值,获取当前运行的多个进程。
在本申请实施例中,当步骤S130中判断出上述剩余系统内存与待启动应用程序所需的系统内存的差值不大于设定阈值时,表示移动终端当前的剩余系统内存,可能不能满足待启动应用程序的启动和运行,因此可以对移动终端的系统内存进行优化。
进一步的,在对移动终端的系统内存进行优化时,可以获取移动终端当前运行的多个进程,以对多个进程中的部分进程进行清理,达到优化系统内存的目的。
步骤S270:根据所述多个进程的优先级,从所述多个进程中,杀掉优先级低于指定优先级的进程。
在得到移动终端当前运行的多个进程之后,则可以在从上述多个进程中获取需要清理的进程,以对需要清理的进程进行清理。
在本申请实施例中,可以获取多个进程的优先级,并从多个进程中,获取优先级低于指定优先级的进程,然后杀掉优先级低于指定优先级的进程,达到优化系统内存的目的。例如,当移动终端的系统为安卓系统时,可以通过安卓系统中的内存管理机制(LMK,LowMemory Killer)进行系统内存优化,LMK在剩余系统内存低于一定阈值时,会根据各个进程的oom_adj值,杀掉oom_adj值较低的进程,其中,oom_adj值表示进程的重要程度(优先级),上述阈值可以在获取到剩余系统内存以及待启动应用程序所需内存之后进行调整,例如,上述阈值可以为待启动应用程序所需内存与上述设定阈值之和。当然,具体杀掉优先级低于指定优先级的进程的方式可以不作为限定。
从而,在对移动终端的系统内存进行优化之后,则可以释放出移动终端的内存空间,使当前可用的系统内存增多,以便于满足上述待启动应用程序的使用。
当步骤S250中判断出上述剩余系统内存与待启动应用程序所需的系统内存的差值大于设定阈值时,则可以不对移动终端的系统内存进行优化。
本申请实施例提供的内存优化方法,根据多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序,然后检测移动终端当前的剩余系统内存,根据待启动应用程序每次运行时的内存占用记录,确定内存占用记录中的最大内存作为待启动应用程序所需的内存,判断剩余系统内存与待启动应用程序所需的系统内存的差值是否大于设定阈值,如果不大于设定阈值时,杀掉移动终端当前运行的多个进程中优先级较低的进程,达到对系统内存的优化,从而实现在待启动应用程序运行之前,即对移动终端的系统内存进行优化,提升应用程序的运行速度,避免应用程序运行时出现卡顿。
请参阅图5,本申请又一个实施例提供了一种内存优化方法,可应用于移动终端,该内存优化方法可以包括:
步骤S310:基于多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序,所述多个应用程序包括所述至少一个待启动应用程序。
步骤S320:检测所述移动终端当前的剩余系统内存。
步骤S330:获取所述待启动应用程序每次运行时的内存占用记录。
步骤S340:基于所述内存占用记录,获取所述内存占用记录中的最大内存,将所述最大内存作为所述待启动应用程序所需的系统内存。
步骤S350:判断所述剩余系统内存与所述待启动应用程序所需的系统内存的差值是否大于设定阈值。
步骤S360:如果不大于所述设定阈值,获取当前运行的多个进程。
在本申请实施例中,步骤S310至步骤S360可以参阅上述实施例的内容,在此不再赘述。
步骤S370:根据所述多个进程对应的运行记录,从所述多个进程中获取后台运行时长大于设定时长的进程。
在得到移动终端当前运行的多个进程之后,则可以在从上述多个进程中获取需要清理的进程,以对需要清理的进程进行清理。
与上个实施例不同的是,可以从上述多个进程中,获取长时间处于后台运行状态的进程。具体的,可以根据多个进程对应的运行记录,从上述移动终端当前运行的多个进程中,获取后台运行时长大于设定时长的进程,即获取到处于后台运行状态的时长较长的进程。上述设定时长的具体数值可以不作为限定,例如设定时长可以是30分钟,60分钟,120分钟等。
步骤S380:杀掉所述后台运行时长大于设定时长的进程。
在从多个进程中获取到后台运行时长大于设定时长的进程之后,则可以杀掉上述后台运行时长大于设定时长的进程,以达到对系统内存的优化。可以理解的,上述多个进程中后台运行时长大于设定时长的进程,由于长时间处于后台运行状态,表示这些进程长时间未处于前台运行状态,也就是说这些进程对应的应用长期未被操作,因此可能当前不需要这些进程的运行,从而可以杀掉后台运行时长大于设定时长的进程,以实现对系统内存的优化。另外,上述杀掉的进程中,可以排除掉系统的进程,避免系统运行故障。
在对移动终端的系统内存进行优化之后,则可以释放出移动终端的内存空间,使当前可用的系统内存增多,以便于满足上述待启动应用程序的使用。
当步骤S350中判断出上述剩余系统内存与待启动应用程序所需的系统内存的差值大于设定阈值时,则可以不对移动终端的系统内存进行优化。
本申请实施例提供的内存优化方法,根据多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序,然后检测移动终端当前的剩余系统内存,根据待启动应用程序每次运行时的内存占用记录,确定内存占用记录中的最大内存作为待启动应用程序所需的内存,判断剩余系统内存与待启动应用程序所需的系统内存的差值是否大于设定阈值,如果不大于设定阈值时,杀掉移动终端当前运行的多个进程中长期处于后台运行状态的进程,达到对系统内存的优化,从而实现在待启动应用程序运行之前,即对移动终端的系统内存进行优化,提升应用程序的运行速度,避免应用程序运行时出现卡顿。
请参阅图6,图6示出了本申请一个实施例提供的内存优化装置400的模块框图。该内存优化装置400应用于上述移动终端,下面将针对图6所示的装置进行阐述,所述内存优化装置400包括:应用预测模块410、内存检测模块420、内存判断模块430以及优化执行模块440。其中,所述应用预测模块410用于基于多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序;所述内存检测模块420用于检测所述移动终端当前的剩余系统内存;所述内存判断模块430用于判断所述剩余系统内存与所述待启动应用程序所需的系统内存的差值是否大于设定阈值;所述优化执行模块440用于如果不大于所述设定阈值,对所述移动终端的系统内存进行优化。
作为一种实施方式,请参见图7,优化执行模块440可以包括:第一进程获取单元441以及第一进程关闭单元442。其中,第一进程获取单元441用于如果不大于所述设定阈值,获取当前运行的多个进程;第一进程关闭单元442用于根据所述多个进程的优先级,从所述多个进程中,杀掉优先级低于指定优先级的进程。
作为另一种实施方式,请参见图8,优化执行模块440可以包括:第二进程获取单元443、进程选取单元444以及第二进程关闭单元445。其中,第二进程获取单元443用于如果不大于所述设定阈值,获取当前运行的多个进程;进程选取单元444用于根据所述多个进程对应的运行记录,从所述多个进程中获取后台运行时长大于设定时长的进程;第二进程关闭单元445用于杀掉所述后台运行时长大于设定时长的进程。
作为一种方式,请参见图9,应用预测模块410可以包括:模型获取单元411以及预测执行单元412。其中,模型获取单元411用于获取待启动应用程序的预测模型,所述预测模型包括根据多个应用程序的历史操作数据训练得到的预测模型,所述历史操作数据包括应用程序的运行次数以及应用程序的启动时间;预测执行单元412用于将当前时间后的指定时间段输入所述预测模型,得到所述指定时间段内将启动的至少一个待启动应用程序。
进一步的,该内存优化装置400还可以包括:数据获取模块以及模型建立模块。其中,数据获取模块用于获取多个应用程序的历史操作数据,所述历史操作数据包括应用程序的运行次数以及应用程序的启动时间;模型建立模块用于根据所述历史操作数据,对初始神经网络模型进行训练,得到待启动应用程序的预测模型。
作为另一种方式,请参见图10,应用预测模块410可以包括:次数确定单元413以及筛选单元414。其中,次数确定单元413用于根据所述历史操作数据,获取多个应用程序中每个应用程序在所述指定时间段的运行总次数;筛选单元414用于从所述多个应用程序中获取运行总次数满足次数条件的应用程序,将所述满足次数条件的应用程序作为待启动应用程序。
在本申请实施例中,该内存优化装置400还可以包括:记录获取模块以及内存确定模块。其中,记录获取模块用于在所述判断所述剩余系统内存与所述待启动应用程序所需的系统内存的差值是否大于设定阈值之前,获取所述待启动应用程序每次运行时的内存占用记录;内存确定模块用于基于所述内存占用记录,获取所述内存占用记录中的最大内存,将所述最大内存作为所述待启动应用程序所需的系统内存。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述装置和模块的具体工作过程,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,模块相互之间的耦合可以是电性,机械或其它形式的耦合。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
综上所述,本申请提供的方案,应用于移动终端,通过多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序,然后检测移动终端当前的剩余系统内存,判断剩余系统内存与待启动应用程序所需的系统内存的差值是否大于设定阈值,如果不大于设定阈值时,对移动终端的系统内存进行优化,从而实现在待启动应用程序运行之前,即对移动终端的系统内存进行优化,提升应用程序的运行速度,避免应用程序运行时出现卡顿。
请参考图11,其示出了本申请实施例提供的一种移动终端的结构框图。该移动终端100可以是智能手机、平板电脑、电子书等能够运行应用程序的移动终端。本申请中的移动终端100可以包括一个或多个如下部件:处理器110、存储器120以及一个或多个应用程序,其中一个或多个应用程序可以被存储在存储器120中并被配置为由一个或多个处理器110执行,一个或多个程序配置用于执行如前述方法实施例所描述的方法。
处理器110可以包括一个或者多个处理核。处理器110利用各种接口和线路连接整个移动终端100内的各个部分,通过运行或执行存储在存储器120内的指令、程序、代码集或指令集,以及调用存储在存储器120内的数据,执行移动终端100的各种功能和处理数据。可选地,处理器110可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器110可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器110中,单独通过一块通信芯片进行实现。
存储器120可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。存储器120可用于存储指令、程序、代码、代码集或指令集。存储器120可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储终端100在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。
请参考图12,其示出了本申请实施例提供的一种计算机可读存储介质的结构框图。该计算机可读介质800中存储有程序代码,所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读存储介质800可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地,计算机可读存储介质800包括非易失性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质800具有执行上述方法中的任何方法步骤的程序代码810的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码810可以例如以适当形式进行压缩。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员当理解: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,并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种内存优化方法,其特征在于,应用于移动终端,所述方法包括:
基于多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序,所述多个应用程序包括所述至少一个待启动应用程序;
检测所述移动终端当前的剩余系统内存;
判断所述剩余系统内存与所述待启动应用程序所需的系统内存的差值是否大于设定阈值;
如果不大于所述设定阈值,对所述移动终端的系统内存进行优化。
2.根据权利要求1所述的方法,其特征在于,所述如果不大于所述设定阈值,对所述移动终端的系统内存进行优化,包括:
如果不大于所述设定阈值,获取当前运行的多个进程;
根据所述多个进程的优先级,从所述多个进程中,杀掉优先级低于指定优先级的进程。
3.根据权利要求1所述的方法,其特征在于,所述如果不大于所述设定阈值,对所述移动终端的系统内存进行优化,包括:
如果不大于所述设定阈值,获取当前运行的多个进程;
根据所述多个进程对应的运行记录,从所述多个进程中获取后台运行时长大于设定时长的进程;
杀掉所述后台运行时长大于设定时长的进程。
4.根据权利要求1所述的方法,其特征在于,所述基于多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序,包括:
获取待启动应用程序的预测模型,所述预测模型包括根据多个应用程序的历史操作数据训练得到的预测模型,所述历史操作数据包括应用程序的运行次数以及应用程序的启动时间;
将当前时间后的指定时间段输入所述预测模型,得到所述指定时间段内将启动的至少一个待启动应用程序。
5.根据权利要求4所述的方法,其特征在于,在所述基于多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序之前,所述方法还包括:
获取多个应用程序的历史操作数据,所述历史操作数据包括应用程序的运行次数以及应用程序的启动时间;
根据所述历史操作数据,对初始神经网络模型进行训练,得到待启动应用程序的预测模型。
6.根据权利要求1所述的方法,其特征在于,所述基于多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序,包括:
根据所述历史操作数据,获取多个应用程序中每个应用程序在所述指定时间段的运行总次数;
从所述多个应用程序中获取运行总次数满足次数条件的应用程序,将所述满足次数条件的应用程序作为待启动应用程序。
7.根据权利要求1-6任一项所述的方法,其特征在于,在所述判断所述剩余系统内存与所述待启动应用程序所需的系统内存的差值是否大于设定阈值之前,所述方法还包括:
获取所述待启动应用程序每次运行时的内存占用记录;
基于所述内存占用记录,获取所述内存占用记录中的最大内存,将所述最大内存作为所述待启动应用程序所需的系统内存。
8.一种内存优化装置,其特征在于,应用于移动终端,所述装置包括:应用预测模块、内存检测模块、内存判断模块以及优化执行模块,其中,
所述应用预测模块用于基于多个应用程序的历史操作数据,预测当前时间后的指定时间段内将启动的至少一个待启动应用程序;
所述内存检测模块用于检测所述移动终端当前的剩余系统内存;
所述内存判断模块用于判断所述剩余系统内存与所述待启动应用程序所需的系统内存的差值是否大于设定阈值;
所述优化执行模块用于如果不大于所述设定阈值,对所述移动终端的系统内存进行优化。
9.一种移动终端,其特征在于,包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行如权利要求1-7任一项所述的方法。
10.一种计算机可读取存储介质,其特征在于,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910008555.3A CN109656722B (zh) | 2019-01-04 | 2019-01-04 | 内存优化方法、装置、移动终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910008555.3A CN109656722B (zh) | 2019-01-04 | 2019-01-04 | 内存优化方法、装置、移动终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109656722A true CN109656722A (zh) | 2019-04-19 |
CN109656722B CN109656722B (zh) | 2021-05-11 |
Family
ID=66118452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910008555.3A Active CN109656722B (zh) | 2019-01-04 | 2019-01-04 | 内存优化方法、装置、移动终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109656722B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110221921A (zh) * | 2019-06-13 | 2019-09-10 | 深圳Tcl新技术有限公司 | 内存管理方法、终端及计算机可读存储介质 |
CN110515834A (zh) * | 2019-07-26 | 2019-11-29 | Oppo广东移动通信有限公司 | 接口测试方法、装置、移动终端及存储介质 |
CN110765031A (zh) * | 2019-09-27 | 2020-02-07 | Oppo(重庆)智能科技有限公司 | 数据存储方法、装置、移动终端及存储介质 |
CN111078405A (zh) * | 2019-12-10 | 2020-04-28 | Oppo(重庆)智能科技有限公司 | 内存分配方法、装置、存储介质及电子设备 |
CN111124632A (zh) * | 2019-12-06 | 2020-05-08 | 西安易朴通讯技术有限公司 | 移动终端的优化方法、装置、终端设备及存储介质 |
CN111444145A (zh) * | 2020-03-24 | 2020-07-24 | 维沃移动通信有限公司 | 一种数据清理方法及电子设备 |
CN111611020A (zh) * | 2020-04-14 | 2020-09-01 | 上海卓易科技股份有限公司 | 一种应用程序的应用进程查杀方法及设备 |
CN112328316A (zh) * | 2019-08-02 | 2021-02-05 | Tcl集团股份有限公司 | 一种app优化方法、移动终端及存储介质 |
CN112416733A (zh) * | 2019-08-20 | 2021-02-26 | 深圳市优必选科技股份有限公司 | 一种内存检测方法、内存检测装置及智能设备 |
CN112445606A (zh) * | 2019-08-30 | 2021-03-05 | 华为技术有限公司 | 内存回收方法及装置 |
CN112527407A (zh) * | 2020-12-07 | 2021-03-19 | 深圳创维-Rgb电子有限公司 | 一种应用启动方法、终端及计算机可读存储介质 |
CN112948073A (zh) * | 2021-01-29 | 2021-06-11 | 京东方科技集团股份有限公司 | 一种运行内存的优化方法、装置及存储介质 |
CN113127180A (zh) * | 2019-12-30 | 2021-07-16 | 深圳Tcl新技术有限公司 | 一种内存优化方法、智能终端及存储介质 |
CN113434288A (zh) * | 2021-06-16 | 2021-09-24 | 荣耀终端有限公司 | 内存管理的方法及电子设备 |
US11145356B2 (en) | 2020-02-17 | 2021-10-12 | Industrial Technology Research Institute | Computation operator in memory and operation method thereof |
CN114691452A (zh) * | 2022-03-24 | 2022-07-01 | 北京百度网讯科技有限公司 | 内存监测方法、装置、设备以及存储介质 |
CN114730267A (zh) * | 2019-11-18 | 2022-07-08 | 三星电子株式会社 | 预加载应用的方法和支持该方法的电子装置 |
CN115174557A (zh) * | 2022-07-01 | 2022-10-11 | 济南浪潮数据技术有限公司 | 一种日志下载的调度方法、装置以及介质 |
CN115185687A (zh) * | 2022-07-08 | 2022-10-14 | 慧之安信息技术股份有限公司 | 基于深度学习的内存分配方法 |
WO2023221360A1 (zh) * | 2022-05-19 | 2023-11-23 | 北京百度网讯科技有限公司 | 深度学习模型的训练方法、装置、系统、设备和介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528216A (zh) * | 2016-10-26 | 2017-03-22 | 深圳市金立通信设备有限公司 | 一种启动应用程序的方法及终端 |
CN107133097A (zh) * | 2017-04-16 | 2017-09-05 | 努比亚技术有限公司 | 内存优化方法及装置 |
CN107783801A (zh) * | 2017-11-06 | 2018-03-09 | 广东欧珀移动通信有限公司 | 应用程序预测模型建立、预加载方法、装置、介质及终端 |
CN108268322A (zh) * | 2018-02-26 | 2018-07-10 | 北京小米移动软件有限公司 | 内存优化的方法、装置及计算机可读存储介质 |
CN108595227A (zh) * | 2018-05-10 | 2018-09-28 | Oppo广东移动通信有限公司 | 应用程序预加载方法、装置、存储介质及移动终端 |
CN108647050A (zh) * | 2018-03-27 | 2018-10-12 | 广东欧珀移动通信有限公司 | 应用程序启动方法、装置及移动终端 |
-
2019
- 2019-01-04 CN CN201910008555.3A patent/CN109656722B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528216A (zh) * | 2016-10-26 | 2017-03-22 | 深圳市金立通信设备有限公司 | 一种启动应用程序的方法及终端 |
CN107133097A (zh) * | 2017-04-16 | 2017-09-05 | 努比亚技术有限公司 | 内存优化方法及装置 |
CN107783801A (zh) * | 2017-11-06 | 2018-03-09 | 广东欧珀移动通信有限公司 | 应用程序预测模型建立、预加载方法、装置、介质及终端 |
CN108268322A (zh) * | 2018-02-26 | 2018-07-10 | 北京小米移动软件有限公司 | 内存优化的方法、装置及计算机可读存储介质 |
CN108647050A (zh) * | 2018-03-27 | 2018-10-12 | 广东欧珀移动通信有限公司 | 应用程序启动方法、装置及移动终端 |
CN108595227A (zh) * | 2018-05-10 | 2018-09-28 | Oppo广东移动通信有限公司 | 应用程序预加载方法、装置、存储介质及移动终端 |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110221921A (zh) * | 2019-06-13 | 2019-09-10 | 深圳Tcl新技术有限公司 | 内存管理方法、终端及计算机可读存储介质 |
CN110515834A (zh) * | 2019-07-26 | 2019-11-29 | Oppo广东移动通信有限公司 | 接口测试方法、装置、移动终端及存储介质 |
CN110515834B (zh) * | 2019-07-26 | 2023-11-10 | Oppo广东移动通信有限公司 | 接口测试方法、装置、移动终端及存储介质 |
CN112328316A (zh) * | 2019-08-02 | 2021-02-05 | Tcl集团股份有限公司 | 一种app优化方法、移动终端及存储介质 |
CN112416733B (zh) * | 2019-08-20 | 2023-12-29 | 深圳市优必选科技股份有限公司 | 一种内存检测方法、内存检测装置及智能设备 |
CN112416733A (zh) * | 2019-08-20 | 2021-02-26 | 深圳市优必选科技股份有限公司 | 一种内存检测方法、内存检测装置及智能设备 |
CN112445606A (zh) * | 2019-08-30 | 2021-03-05 | 华为技术有限公司 | 内存回收方法及装置 |
CN110765031A (zh) * | 2019-09-27 | 2020-02-07 | Oppo(重庆)智能科技有限公司 | 数据存储方法、装置、移动终端及存储介质 |
CN110765031B (zh) * | 2019-09-27 | 2022-08-12 | Oppo广东移动通信有限公司 | 数据存储方法、装置、移动终端及存储介质 |
EP4018303A4 (en) * | 2019-11-18 | 2022-10-26 | Samsung Electronics Co., Ltd. | METHOD OF PRELOADING AN APPLICATION AND ELECTRONIC DEVICE SUPPORTING THE SAME |
US11775319B2 (en) | 2019-11-18 | 2023-10-03 | Samsung Electronics Co., Ltd. | Method for preloading application based on history and condition and electronic device supporting same |
CN114730267A (zh) * | 2019-11-18 | 2022-07-08 | 三星电子株式会社 | 预加载应用的方法和支持该方法的电子装置 |
CN111124632A (zh) * | 2019-12-06 | 2020-05-08 | 西安易朴通讯技术有限公司 | 移动终端的优化方法、装置、终端设备及存储介质 |
CN111124632B (zh) * | 2019-12-06 | 2024-02-13 | 西安易朴通讯技术有限公司 | 移动终端的优化方法、装置、终端设备及存储介质 |
CN111078405A (zh) * | 2019-12-10 | 2020-04-28 | Oppo(重庆)智能科技有限公司 | 内存分配方法、装置、存储介质及电子设备 |
CN111078405B (zh) * | 2019-12-10 | 2022-07-15 | Oppo(重庆)智能科技有限公司 | 内存分配方法、装置、存储介质及电子设备 |
CN113127180A (zh) * | 2019-12-30 | 2021-07-16 | 深圳Tcl新技术有限公司 | 一种内存优化方法、智能终端及存储介质 |
US11145356B2 (en) | 2020-02-17 | 2021-10-12 | Industrial Technology Research Institute | Computation operator in memory and operation method thereof |
CN111444145A (zh) * | 2020-03-24 | 2020-07-24 | 维沃移动通信有限公司 | 一种数据清理方法及电子设备 |
CN111611020A (zh) * | 2020-04-14 | 2020-09-01 | 上海卓易科技股份有限公司 | 一种应用程序的应用进程查杀方法及设备 |
CN112527407A (zh) * | 2020-12-07 | 2021-03-19 | 深圳创维-Rgb电子有限公司 | 一种应用启动方法、终端及计算机可读存储介质 |
CN112527407B (zh) * | 2020-12-07 | 2023-09-22 | 深圳创维-Rgb电子有限公司 | 一种应用启动方法、终端及计算机可读存储介质 |
CN112948073A (zh) * | 2021-01-29 | 2021-06-11 | 京东方科技集团股份有限公司 | 一种运行内存的优化方法、装置及存储介质 |
CN113434288A (zh) * | 2021-06-16 | 2021-09-24 | 荣耀终端有限公司 | 内存管理的方法及电子设备 |
CN114691452A (zh) * | 2022-03-24 | 2022-07-01 | 北京百度网讯科技有限公司 | 内存监测方法、装置、设备以及存储介质 |
WO2023221360A1 (zh) * | 2022-05-19 | 2023-11-23 | 北京百度网讯科技有限公司 | 深度学习模型的训练方法、装置、系统、设备和介质 |
CN115174557A (zh) * | 2022-07-01 | 2022-10-11 | 济南浪潮数据技术有限公司 | 一种日志下载的调度方法、装置以及介质 |
CN115174557B (zh) * | 2022-07-01 | 2024-03-01 | 济南浪潮数据技术有限公司 | 一种日志下载的调度方法、装置以及介质 |
CN115185687A (zh) * | 2022-07-08 | 2022-10-14 | 慧之安信息技术股份有限公司 | 基于深度学习的内存分配方法 |
CN115185687B (zh) * | 2022-07-08 | 2023-11-14 | 慧之安信息技术股份有限公司 | 基于深度学习的内存分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109656722B (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109656722A (zh) | 内存优化方法、装置、移动终端及存储介质 | |
KR102121135B1 (ko) | 기계 학습에 기반한 최적화된 컨택 센터 에이전트와의 라우팅 인터랙션 | |
CN108337358B (zh) | 应用清理方法、装置、存储介质及电子设备 | |
CN109976821A (zh) | 应用程序加载方法、装置、终端及存储介质 | |
CN111369299B (zh) | 识别的方法、装置、设备及计算机可读存储介质 | |
CN110879750A (zh) | 资源管理的方法及终端设备 | |
CN111611478B (zh) | 信息推荐方法、装置和电子设备 | |
CN107835311B (zh) | 应用管理方法、装置、存储介质及电子设备 | |
CN108804231B (zh) | 一种内存优化方法、装置、可读存储介质及移动终端 | |
CN109298990A (zh) | 日志存储方法、装置、计算机设备及存储介质 | |
CN103885793A (zh) | 确定合适的应用的方法、应用确定系统以及应用确定单元 | |
CN111435482A (zh) | 一种外呼模型的构建方法、外呼方法、装置和存储介质 | |
CN107608778B (zh) | 应用程序管控方法、装置、存储介质及电子设备 | |
CN111405030A (zh) | 一种消息推送方法、装置、电子设备和存储介质 | |
CN110490595B (zh) | 一种风险控制方法和装置 | |
CN113055984B (zh) | 终端控制方法、装置、移动终端及存储介质 | |
CN113050783B (zh) | 终端控制方法、装置、移动终端及存储介质 | |
CN111045507B (zh) | 名单管控方法、装置、移动终端及存储介质 | |
CN111046156B (zh) | 奖励数据的确定方法、装置和服务器 | |
CN115858925A (zh) | 序列推荐方法、装置、电子设备及存储介质 | |
US20200074340A1 (en) | Systems and methods for accelerating model training in machine learning | |
CN115640518A (zh) | 用户识别模型的训练、用户识别方法和装置 | |
CN113064660A (zh) | 设备控制方法、装置、电子设备及存储介质 | |
CN111556155B (zh) | 信息推送方法和装置 | |
CN107797831B (zh) | 后台应用清理方法、装置、存储介质及电子设备 |
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 |