CN109960581A - 硬件资源配置方法、装置、移动终端及存储介质 - Google Patents
硬件资源配置方法、装置、移动终端及存储介质 Download PDFInfo
- Publication number
- CN109960581A CN109960581A CN201711430529.7A CN201711430529A CN109960581A CN 109960581 A CN109960581 A CN 109960581A CN 201711430529 A CN201711430529 A CN 201711430529A CN 109960581 A CN109960581 A CN 109960581A
- Authority
- CN
- China
- Prior art keywords
- screenshot
- hardware resource
- image parameter
- benchmark image
- convolutional neural
- 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
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Telephone Function (AREA)
Abstract
本申请实施例公开了一种硬件资源配置方法、装置、移动终端及存储介质其中的方法包括：获取移动终端前台运行的目标应用程序的运行界面的截图；将所述截图输入预设卷积神经网络模型，得到所述截图对应的硬件资源的配置等级；根据所述配置等级对运行所述目标应用程序的硬件资源进行配置。本申请实施例有利于实现运行应用程序的硬件资源的合理分配。
Description
技术领域
本申请涉及移动终端技术领域，具体涉及一种硬件资源配置方法、装置、移动终端及存储介质。
背景技术
随着技术的发展，智能终端特别是智能手机已成为人人必备的一种产品，促进着人与人之间的交流，同时也丰富着人们的日常生活。
智能终端上有多种系统资源，如中央处理器CPU、图形处理器GPU、内存、I/O等等。以CPU为例，如何合理地给应用分配CPU资源，以达到性能与功耗之间的最佳平衡点是一个非常困难的课题。对于一个应用，如果给予过高的CPU资源(过高的CPU频率)，可能造成不必要的手机功耗损失，造成手机发热；相反，对于需要大量CPU资源的应用场景，如果限定了较低的CPU频率，可能造成性能上的损失，造成卡顿等现象，从而给用户较差的使用体验。
发明内容
本发明实施例提供了一种硬件资源配置方法、装置、移动终端及存储介质，可以实现为应用程序合理分配硬件资源。
第一方面，本申请实施例提供一种硬件资源配置方法，包括：
获取移动终端前台运行的目标应用程序的运行界面的截图；
将所述截图输入预设卷积神经网络模型，得到所述截图对应的硬件资源的配置等级；
根据所述配置等级对运行所述目标应用程序的硬件资源进行配置。
第二方面，本申请实施例提供一种硬件资源配置装置，包括：
第一获取单元，用于获取移动终端前台运行的目标应用程序的运行界面的截图；
预测单元，用于将所述截图输入预设卷积神经网络模型，得到所述截图对应的硬件资源的配置等级；
配置单元，用于根据所述配置等级对运行所述目标应用程序的硬件资源进行配置。
第三方面，本申请实施例提供了一种移动终端，包括：
处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线连接并完成相互间的通信；
所述存储器存储有可执行程序代码，所述通信接口用于无线通信；
所述处理器用于调用所述存储器中的所述可执行程序代码，执行本申请实施例第一方面任一方法中所描述的部分或全部步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面所描述的部分或全部步骤，上述计算机包括移动终端。
第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括移动终端。
可以看出，本申请实施例提供的硬件资源配置方法，移动终端获取移动终端前台运行的目标应用程序的运行界面的截图，将所述截图输入预设卷积神经网络模型，得到所述截图对应的硬件资源的配置等级，根据所述配置等级对运行所述目标应用程序的硬件资源进行配置。可见，移动终端能够根据当前应用程序的截图实时为运行所述应用程序合理分配相应的硬件资源，从而避免出现硬件资源分配不合理所造成硬件资源的浪费或者应用程序运行卡顿等现象。
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是本申请实施例公开的一种硬件资源配置方法的流程示意图；
图2是本申请实施例公开的另一种硬件资源配置方法的流程示意图；
图3是本申请实施例公开的另一种硬件资源配置方法的流程示意图；
图4-1是本申请实施例公开的一种硬件资源配置装置的单元组成框图；
图4-2是本申请实施例公开的一种硬件资源配置装置的单元组成框图；
图5是本申请实施例公开的一种移动终端的结构示意图；
图6是本申请实施例公开的另一种移动终端的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，显然，所描述的实施例仅仅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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
移动终端上有多种系统资源，如CPU、GPU、内存、I/O等等。以CPU为例，如何合理地给应用分配CPU资源，以达到性能与功耗之间的最佳平衡点是一个非常困难的课题。对于一个应用，如果给予过高的CPU资源(过高的CPU核数或过高的CPU频率)，可能造成不必要的手机功耗损失，造成手机发热；相反，对于需要大量CPU资源的应用程序的应用场景，如果限定了较低的CPU频率，可能造成性能上的损失，造成卡顿等现像，从而给用户较差的使用体验。因此如何为应用场景分配合理的硬件资源是一个亟待解决的问题。
相关技术中，移动终端监控CPU的使用情况，在CPU占用率过高时，提升CPU频率、或者将任务换到主频更高的大核上。然而，这样的方式有一定的滞后性，当监控到性能不足时，应用程序卡顿的现象已然发生了。
为了更好理解本申请实施例公开的一种硬件资源配置方法，装置、移动终端及存储介质，下面对本申请实施例进行详细介绍。
请参阅图1，图1是本申请实施例提供的一种硬件资源配置方法的流程示意图，如图1所示，本申请实施例中的硬件资源配置方法包括以下步骤：
S101、移动终端获取移动终端前台运行的目标应用程序的运行界面的截图。
其中，前台运行的应用程序可以是移动终端安装的任一个应用程序，例如游戏类、照片处理类或者办公类等，本申请实施例不作限制。每个应用程序可以包括至少一个应用场景，每个应用场景中，画面的绚丽程度以及对实时性的要求不同，导致所需要的硬件资源也相同。以对抗类游戏为例，在团队对抗场景中，对实时性的要求极高，稍微的卡顿即可造成某一团队输掉对抗的现象的发生，严重影响用户体验。
S102、移动终端将所述截图输入预设卷积神经网络模型模型，得到所述截图对应的硬件资源的配置等级。
其中，在一种实施方式中，该卷积神经网络模型可以是基于原始的MobileNet模型修改得到的。MobileNet模型的计算量小、模型小、因此更适合应用于移动终端中。本申请实施例中修改后的MobileNet模型，修改原始MobileNet模型的最后一层输出为硬件资源的配置等级，以得到修改后的所述预设卷积神经网络模型。
上述预设卷积神经网络模型模型用于基于输入的图片提取图片的参考图像参数，并输出所述参考图像参数地应的硬件资源的配置等级。
其中，原始的MobileNet网络模型的具体架构如表1所示：
表1
其中，上述表格中每一行代表MobileNet网络模型的一层，Filter Shape为本层的相关参数设置，Input Size为本层的输出，该原始MobileNet网络模型的最后一层输出为1×1×1000。
本申请实施例中，修改后的MobileNet网络模型(即所述预设卷积神经网络模型)的具体架构如表2所示：
表2
其中，修改后的MobileNet网络模型是修改原始的MobileNet网络模型得到的，即，修改原始的MobileNet网络模型的最后一层输出“1×1×1000”为“1×1×M”，其中M为截图对应的硬件资源的配置等级。
在一个实施例中，与所述移动终端建立通信连接的服务设备可以建立参考预设卷积神经网络模型，然后针对该参考预设卷积神经网络模型，在保证预设精度的前提下，执行压缩裁剪操作，以得到上述预设卷积神经网络模型，移动终端将该卷积神经网络模型存储于存储空间中。
在一些其它的实施例中，移动终端可以建立参考预设卷积神经网络模型，然后针对该参考预设卷积神经网络模型执行压缩裁剪操作，以得到上述预设卷积神经网络模型，并将该卷积神经网络模型存储于存储空间中。
S103、移动终端根据所述配置等级对运行所述目标应用程序的硬件资源进行配置。
具体地，硬件资源包括以下至少一种：CPU核数、CPU运行频率、GPU核数和GPU运行频率、内存以及I/O口等。
移动终端可以预先将移动终端所能提供的硬件资源分配多个配置等级，例如5个等级，分别为所能提供的硬件资源的20％、40％、60％、80％以及100％，当前，配置等级的数目不限于5个等级，配置等级的数目越多，对硬件资源的分配越合理。
可以看出，本申请实施例提供的硬件资源配置方法，移动终端获取移动终端前台运行的目标应用程序的运行界面的截图，将所述截图输入预设卷积神经网络模型，得到所述截图对应的硬件资源的配置等级，根据所述配置等级对运行所述目标应用程序的硬件资源进行配置。可见，移动终端能够根据当前应用程序的截图实时为运行所述应用程序合理分配相应的硬件资源，从而避免出现硬件资源分配不合理所造成硬件资源的浪费或者应用程序运行卡顿等现象。
在一个实施例中，移动终端将所述截图输入预设卷积神经网络模型，得到所述截图对应的硬件资源的配置等级的具体实现方式可以是：
将所述截图输入预设卷积神经网络模型；提取所述截图的参考图像参数；通过查询所述预设卷积神经网络模型中预先训练的基准图像参数集合，确定与所述参考图像参数匹配的基准图像参数，其中，所述基准图像参数集合包括多个基准图像参数，每个基准图像参数关联相应的配置等级；获取与所述基准图像参数关联的硬件资源的配置等级。
其中，上述参考图像参数或基准图像参数中的“图像参数”可以是图像经过处理后所提取出来的图像包括的特征，例如图像包括的人物数量、图像包括的颜色种类等，本申请实施例不作限制。
在一个实施例中，所述移动终端还可以执行以下操作：
训练所述基准图像参数集合；
所述移动终端训练所述基准图像参数集合的具体实现方式可以是：
在运行所述目标应用程序的硬件资源为预设配置等级时，获取至少一张目标应用程序的运行界面的截图；基于所述至少一张目标应用程序的运行界面的截图，提取所述至少一张目标应用程序的运行界面的截图对应的基准图像参数；将所述至少一张目标应用程序的运行界面的截图对应的基准图像参数与所述预设配置等级关联。
具体地，移动终端可以预先确定需要对硬件资源根据应用场景进行调控配置的应用程序，然后在该应用程序的应用程序为每个配置等级时，收集N张对应的截图，其中，N越大，训练出来的基准图像参数集合越准确，举例来说，N可以为10万，本申请实施例不作限制。
其中，训练所述基准图像参数集合可以是移动终端执行的，也可以是与移动终端建立通信连接的服务设备执行的，当服务设备训练所述基准图像参数集合时，服务设备将训练好的基准图像参数集合发送至移动终端，移动终端对其进行压缩裁剪后存储在移动终端中。
在一个实施例中，所述移动终端还可以执行以下操作：
获取与所述移动终端建立通信连接的服务设备建立的参考预设卷积神经网络模型；针对所述参考预设卷积神经网络模型执行压缩裁剪操作，以得到所述预设卷积神经网络模型；存储所述预设卷积神经网络模型。
在一个实施例中，所述硬件资源包括以下至少一种：中央处理器CPU核数、CPU运行频率、图形处理器GPU核数和GPU运行频率。
与上述图1所示的实施例一致的，请参阅图2，图2是本申请实施例提供的另一种硬件资源配置方法的流程示意图。如图2所示，本申请实施例中的硬件资源配置方法包括以下步骤：
S201、在运行所述目标应用程序的硬件资源为预设配置等级时，移动终端获取至少一张目标应用程序的运行界面的截图；
S202、基于所述至少一张目标应用程序的运行界面的截图，移动终端提取所述至少一张目标应用程序的运行界面的截图对应的基准图像参数；
S203、移动终端将所述至少一张目标应用程序的运行界面的截图对应的基准图像参数与所述预设配置等级关联。
S204、移动终端获取移动终端前台运行的目标应用程序的运行界面的截图；
S205、移动终端将所述截图输入预设卷积神经网络模型；
S206、移动终端提取所述截图的参考图像参数；
S207、通过查询所述预设卷积神经网络模型中预先训练的基准图像参数集合，移动终端确定与所述参考图像参数匹配的基准图像参数，其中，所述基准图像参数集合包括多个基准图像参数，每个基准图像参数关联相应的配置等级；
S208、移动终端获取与所述基准图像参数关联的硬件资源的配置等级；
S209、移动终端根据所述配置等级对运行所述目标应用程序的硬件资源进行配置。
其中，所述硬件资源包括以下至少一种：中央处理器CPU核数、CPU运行频率、图形处理器GPU核数和GPU运行频率。
可以看出，本申请实施例提供的硬件资源配置方法，移动终端获取移动终端前台运行的目标应用程序的运行界面的截图，将所述截图输入预设卷积神经网络模型，得到所述截图对应的硬件资源的配置等级，根据所述配置等级对运行所述目标应用程序的硬件资源进行配置。可见，移动终端能够根据当前应用程序的截图实时为运行所述应用程序合理分配相应的硬件资源，从而避免出现硬件资源分配不合理所造成硬件资源的浪费或者应用程序运行卡顿等现象。
与上述图1或2所示的实施例一致的，请参阅图3，图3是本申请实施例提供的另一种硬件资源配置方法的流程示意图。如图3所示，本申请实施例中的硬件资源配置方法包括以下步骤：
S301、在运行所述目标应用程序的硬件资源为预设配置等级时，服务设备获取至少一张目标应用程序的运行界面的截图；
S302、基于所述至少一张目标应用程序的运行界面的截图，服务设备提取所述至少一张目标应用程序的运行界面的截图对应的基准图像参数；
S303、服务设备将所述至少一张目标应用程序的运行界面的截图对应的基准图像参数与所述预设配置等级关联。
S304、移动终端获取所述服务设备建立的参考预设卷积神经网络模型；
S305、移动终端针对所述参考预设卷积神经网络模型执行压缩裁剪操作，以得到所述预设卷积神经网络模型；
S306、移动终端存储所述预设卷积神经网络模型。
S307、移动终端获取移动终端前台运行的目标应用程序的运行界面的截图；
S308、移动终端将所述截图输入预设卷积神经网络模型；
S309、移动终端提取所述截图的参考图像参数；
S310、移动终端通过查询所述预设卷积神经网络模型中预先训练的基准图像参数集合，确定与所述参考图像参数匹配的基准图像参数，其中，所述基准图像参数集合包括多个基准图像参数，每个基准图像参数关联相应的配置等级；
S311、移动终端获取与所述基准图像参数关联的硬件资源的配置等级；
S312、根据所述配置等级对运行所述目标应用程序的硬件资源进行配置。
其中，所述硬件资源包括以下至少一种：中央处理器CPU核数、CPU运行频率、图形处理器GPU核数和GPU运行频率。
可以看出，本申请实施例提供的硬件资源配置方法，移动终端获取移动终端前台运行的目标应用程序的运行界面的截图，将所述截图输入预设卷积神经网络模型，得到所述截图对应的硬件资源的配置等级，根据所述配置等级对运行所述目标应用程序的硬件资源进行配置。可见，移动终端能够根据当前应用程序的截图实时为运行所述应用程序合理分配相应的硬件资源，从而避免出现硬件资源分配不合理所造成硬件资源的浪费或者应用程序运行卡顿等现象。
下面为本发明装置实施例，本发明装置实施例用于执行本发明方法实施例所实现的方法。请参阅图4-1，图4-1是本申请实施例公开的一种硬件资源配置装置的单元组成框图，如图4-1所示，该硬件资源配置装置可以包括第一获取单元401、预测单元402以及配置单元403，其中：
所述第一获取单元401，用于获取移动终端前台运行的目标应用程序的运行界面的截图；
所述预测单元402，用于将所述截图输入预设卷积神经网络模型，得到所述截图对应的硬件资源的配置等级；
所述配置单元403，用于根据所述配置等级对运行所述目标应用程序的硬件资源进行配置。
请参阅图4-2，图4-2是本申请实施例公开的一种硬件资源配置装置的单元组成框图，如图4-2所示，该硬件资源配置装置可以包括图4-1对应的实施例中的第一获取单元401、预测单元402以及配置单元403。
在一个实施例中，所述预测单元402具体用于：
将所述截图输入预设卷积神经网络模型；提取所述截图的参考图像参数；通过查询所述预设卷积神经网络模型中预先训练的基准图像参数集合，确定与所述参考图像参数匹配的基准图像参数，其中，所述基准图像参数集合包括多个基准图像参数，每个基准图像参数关联相应的配置等级；获取与所述基准图像参数关联的硬件资源的配置等级。
在一个实施例中，所述装置还包括：
训练单元404，用于训练所述基准图像参数集合；
所述训练单元404，具体用于：在运行所述目标应用程序的硬件资源为预设配置等级时，获取至少一张目标应用程序的运行界面的截图；基于所述至少一张目标应用程序的运行界面的截图，提取所述至少一张目标应用程序的运行界面的截图对应的基准图像参数；将所述至少一张目标应用程序的运行界面的截图对应的基准图像参数与所述预设配置等级关联。
在一个实施例中，所述装置还包括：
第二获取单元405，用于获取与所述移动终端建立通信连接的服务设备建立的参考预设卷积神经网络模型；
处理单元406，用于针对所述参考预设卷积神经网络模型执行压缩裁剪操作，以得到所述预设卷积神经网络模型；
存储单元407，用于存储所述预设卷积神经网络模型。
在一个实施例中，所述硬件资源包括以下至少一种：中央处理器CPU核数、CPU运行频率、图形处理器GPU核数和GPU运行频率。
具体的，上述各个单元的具体实现可参考图1至图2对应实施例中相关步骤的描述，在此不赘述。
需要注意的是，本发明装置实施例所描述的硬件资源配置装置是以功能单元的形式呈现。这里所使用的术语“单元”应当理解为尽可能最宽的含义，用于实现各个“单元”所描述功能的对象例如可以是集成电路ASIC，单个电路，用于执行一个或多个软件或固件程序的处理器(共享的、专用的或芯片组)和存储器，组合逻辑电路，和/或提供实现上述功能的其他合适的组件。
举例来说，上述第一获取单元401获取移动终端前台运行的目标应用程序的运行界面的截图的功能可以由图5所示的移动终端来实现，具体可以通过处理器101通过调用存储器102中的可执行程序代码，获取移动终端前台运行的目标应用程序的运行界面的截图。
可以看出，本申请实施例提供的硬件资源配置方法，移动终端获取移动终端前台运行的目标应用程序的运行界面的截图，将所述截图输入预设卷积神经网络模型，得到所述截图对应的硬件资源的配置等级，根据所述配置等级对运行所述目标应用程序的硬件资源进行配置。可见，移动终端能够根据当前应用程序的截图实时为运行所述应用程序合理分配相应的硬件资源，从而避免出现硬件资源分配不合理所造成硬件资源的浪费或者应用程序运行卡顿等现象。
本申请实施例还提供了另一种移动终端，如图5所示，包括：处理器101，存储器102，通信接口103和通信总线104；其中，处理器101、存储器102和通信接口103通过通信总线104连接并完成相互间的通信；处理器101通过通信接口103控制与外部蜂窝网的无线通信；通信接口103包括但不限于天线、放大器、收发信机、耦合器、LNA(Low NoiseAmplifier，低噪声放大器)、双工器等。存储器102包括以下至少一种：随机存取存贮器、非易失性存储器以及外部存储器，存储器102中存储有可执行程序代码，该可执行程序代码能够引导处理器101执行本发明方法实施例中具体披露的硬件资源配置方法。
获取移动终端前台运行的目标应用程序的运行界面的截图；
将所述截图输入预设卷积神经网络模型，得到所述截图对应的硬件资源的配置等级；
根据所述配置等级对运行所述目标应用程序的硬件资源进行配置。
在一个实施例中，在用于将所述截图输入预设卷积神经网络模型，得到所述截图对应的硬件资源的配置等级，所述处理器101，具体用于：
将所述截图输入预设卷积神经网络模型；
提取所述截图的参考图像参数；
通过查询所述预设卷积神经网络模型中预先训练的基准图像参数集合，确定与所述参考图像参数匹配的基准图像参数，其中，所述基准图像参数集合包括多个基准图像参数，每个基准图像参数关联相应的配置等级；
获取与所述基准图像参数关联的硬件资源的配置等级。
在一个实施例中，所述处理器还用于：
训练所述基准图像参数集合；
在用于训练所述基准图像参数集合时，所述处理器具体用于：
在运行所述目标应用程序的硬件资源为预设配置等级时，获取至少一张目标应用程序的运行界面的截图；基于所述至少一张目标应用程序的运行界面的截图，提取所述至少一张目标应用程序的运行界面的截图对应的基准图像参数；将所述至少一张目标应用程序的运行界面的截图对应的基准图像参数与所述预设配置等级关联。
在一个实施例中，所述处理器还用于：
获取与所述移动终端建立通信连接的服务设备建立的参考预设卷积神经网络模型；
针对所述参考预设卷积神经网络模型执行压缩裁剪操作，以得到所述预设卷积神经网络模型；
存储所述预设卷积神经网络模型。
在一个实施例中，所述硬件资源包括以下至少一种：中央处理器CPU核数、CPU运行频率、图形处理器GPU核数和GPU运行频率。
具体的，上述各个单元的具体实现可参考图1至图2对应实施例中相关步骤的描述，在此不赘述。
可以看出，本申请实施例提供的硬件资源配置方法，移动终端获取移动终端前台运行的目标应用程序的运行界面的截图，将所述截图输入预设卷积神经网络模型，得到所述截图对应的硬件资源的配置等级，根据所述配置等级对运行所述目标应用程序的硬件资源进行配置。可见，移动终端能够根据当前应用程序的截图实时为运行所述应用程序合理分配相应的硬件资源，从而避免出现硬件资源分配不合理所造成硬件资源的浪费或者应用程序运行卡顿等现象。
本申请实施例还提供了另一种移动终端，如图6所示，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请实施例方法部分。该移动终端可以为包括手机、平板电脑、PDA(personal digital assistant，个人数字助理)、销售终端(point of sales，POS)、车载电脑等任意终端设备，以移动终端为手机为例：
图6示出的是与本申请实施例提供的移动终端相关的手机的部分结构的框图。参考图6，手机包括：射频(radio frequency，RF)电路910、存储器920、输入单元930、显示单元940、传感器950、音频电路960、无线保真(wireless fidelity，Wi-Fi)模块970、处理器980、以及电源990等部件。本领域技术人员可以理解，图6中示出的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合图6对手机的各个构成部件进行具体的介绍：
RF电路910可用于信息的接收和发送。通常，RF电路910包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(low noise amplifier，LNA)、双工器等。此外，RF电路910还可以通过无线通信与网络模型和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(global system of mobilecommunication，GSM)、通用分组无线服务(general packet radio service，GPRS)、码分多址(code division multiple access，CDMA)、宽带码分多址(wideband code divisionmultiple access,WCDMA)、长期演进(Long Term Evolution，LTE)、电子邮件、短消息服务(short Messaging Service，SMS)等。
存储器920可用于存储软件程序以及模块，处理器980通过运行存储在存储器920的软件程序以及模块，从而执行手机的各种功能应用以及数据处理。存储器920可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器920可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元930可用于接收输入的数字或字符信息，以及生成与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元930可包括指纹识别模组、物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元940可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元940可包括显示屏941，可选的，可以采用液晶显示器(liquid crystaldisplay，LCD)、有机发光二极管(organic light-emitting diode,OLED)等形式来配置显示屏941。
手机还可包括至少一种传感器950，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏941的亮度，接近传感器可在手机移动到耳边时，关闭显示屏941和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路960、扬声器961，传声器962可提供用户与手机之间的音频接口。音频电路960可将接收到的音频数据转换后的电信号，传输到扬声器961，由扬声器961转换为声音信号输出；另一方面，传声器962将收集的声音信号转换为电信号，由音频电路960接收后转换为音频数据，再将音频数据输出处理器980处理后，经RF电路910以发送给比如另一手机，或者将音频数据输出至存储器920以便进一步处理。
WiFi属于短距离无线传输技术，手机通过WiFi模块970可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图6示出了WiFi模块970，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
处理器980是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器920内的软件程序和/或模块，以及调用存储在存储器920内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器980可包括一个或多个处理单元；优选的，处理器980可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器980中。
手机还包括给各个部件供电的电源990(比如电池)，优选的，电源可以通过电源管理系统与处理器980逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管未示出，手机还可以包括摄像头、蓝牙模块等，在此不再赘述。
前述图1至图3所示的实施例中，各步骤方法流程可以基于该手机的结构实现。
前述图4-1、4-2以及图5所示的实施例中，各单元功能可以基于该手机的结构实现。
本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种硬件资源配置方法的部分或全部步骤。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时包括上述方法实施例中记载的任何一种硬件资源配置方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可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，例如所述单元的划分，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。另一点，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，可以是电性或其它的形式。
所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模型单元上。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。
所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器中。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器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务设备或者网络模型设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(read-only memory，ROM)、随机存取器(random accessmemory，RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (12)
1.一种硬件资源配置方法，其特征在于，包括：
获取移动终端前台运行的目标应用程序的运行界面的截图；
将所述截图输入预设卷积神经网络模型，得到所述截图对应的硬件资源的配置等级；
根据所述配置等级对运行所述目标应用程序的硬件资源进行配置。
2.如权利要求1所述的方法，其特征在于，所述将所述截图输入预设卷积神经网络模型，得到所述截图对应的硬件资源的配置等级，包括：
将所述截图输入预设卷积神经网络模型；
提取所述截图的参考图像参数；
通过查询所述预设卷积神经网络模型中预先训练的基准图像参数集合，确定与所述参考图像参数匹配的基准图像参数，其中，所述基准图像参数集合包括多个基准图像参数，每个基准图像参数关联相应的配置等级；
获取与所述基准图像参数关联的硬件资源的配置等级。
3.如权利要求1或2所述的方法，其特征在于，还包括：
训练所述基准图像参数集合；
所述训练所述基准图像参数集合，包括：
在运行所述目标应用程序的硬件资源为预设配置等级时，获取至少一张目标应用程序的运行界面的截图；
基于所述至少一张目标应用程序的运行界面的截图，提取所述至少一张目标应用程序的运行界面的截图对应的基准图像参数；
将所述至少一张目标应用程序的运行界面的截图对应的基准图像参数与所述预设配置等级关联。
4.如权利要求1或2所述的方法，其特征在于，所述方法还包括：
获取与所述移动终端建立通信连接的服务设备建立的参考预设卷积神经网络模型；
针对所述参考预设卷积神经网络模型执行压缩裁剪操作，以得到所述预设卷积神经网络模型；
存储所述预设卷积神经网络模型。
5.如权利要求1至4任一项所述的方法，其特征在于，所述硬件资源包括以下至少一种：中央处理器CPU核数、CPU运行频率、图形处理器GPU核数和GPU运行频率。
6.一种硬件资源配置装置，其特征在于，包括：
第一获取单元，用于获取移动终端前台运行的目标应用程序的运行界面的截图；
预测单元，用于将所述截图输入预设卷积神经网络模型，得到所述截图对应的硬件资源的配置等级；
配置单元，用于根据所述配置等级对运行所述目标应用程序的硬件资源进行配置。
7.如权利要求6所述的装置，其特征在于，所述预测单元具体用于：
将所述截图输入预设卷积神经网络模型；提取所述截图的参考图像参数；通过查询所述预设卷积神经网络模型中预先训练的基准图像参数集合，确定与所述参考图像参数匹配的基准图像参数，其中，所述基准图像参数集合包括多个基准图像参数，每个基准图像参数关联相应的配置等级；获取与所述基准图像参数关联的硬件资源的配置等级。
8.如权利要求6或7所述的装置，其特征在于，所述装置还包括：
训练单元，用于训练所述基准图像参数集合；
所述训练单元，具体用于：在运行所述目标应用程序的硬件资源为预设配置等级时，获取至少一张目标应用程序的运行界面的截图；基于所述至少一张目标应用程序的运行界面的截图，提取所述至少一张目标应用程序的运行界面的截图对应的基准图像参数；将所述至少一张目标应用程序的运行界面的截图对应的基准图像参数与所述预设配置等级关联。
9.如权利要求6或7所述的装置，其特征在于，所述装置还包括：
第二获取单元，用于获取与所述移动终端建立通信连接的服务设备建立的参考预设卷积神经网络模型；
处理单元，用于针对所述参考预设卷积神经网络模型执行压缩裁剪操作，以得到所述预设卷积神经网络模型；
存储单元，用于存储所述预设卷积神经网络模型。
10.如权利要求6至9任一项所述的装置，其特征在于，所述硬件资源包括以下至少一种：中央处理器CPU核数、CPU运行频率、图形处理器GPU核数和GPU运行频率。
11.一种移动终端，其特征在于，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行权利要求1至5任意一项方法中的步骤的指令。
12.一种计算机可读存储介质，其特征在于，其存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1至5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711430529.7A CN109960581B (zh) | 2017-12-26 | 2017-12-26 | 硬件资源配置方法、装置、移动终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711430529.7A CN109960581B (zh) | 2017-12-26 | 2017-12-26 | 硬件资源配置方法、装置、移动终端及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109960581A true CN109960581A (zh) | 2019-07-02 |
| CN109960581B CN109960581B (zh) | 2021-06-01 |
Family
ID=67021845
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711430529.7A Active CN109960581B (zh) | 2017-12-26 | 2017-12-26 | 硬件资源配置方法、装置、移动终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109960581B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110515670A (zh) * | 2019-09-03 | 2019-11-29 | 深圳市路畅科技股份有限公司 | 一种嵌入式设备的运行方法、系统及一种上位机 |
| CN113778669A (zh) * | 2021-06-29 | 2021-12-10 | 北京小米移动软件有限公司 | 系统资源分配方法、系统资源分配装置及存储介质 |
| CN113867837A (zh) * | 2021-09-24 | 2021-12-31 | 埃洛克航空科技（北京）有限公司 | 终端设备的配置参数制定方法、装置、终端及存储介质 |
| CN114691278A (zh) * | 2022-06-01 | 2022-07-01 | 深圳传音控股股份有限公司 | 应用程序处理方法、智能终端及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103430151A (zh) * | 2012-07-06 | 2013-12-04 | 华为终端有限公司 | 一种资源配置方法及装置 |
| CN103699440A (zh) * | 2012-09-27 | 2014-04-02 | 北京搜狐新媒体信息技术有限公司 | 一种云计算平台系统为任务分配资源的方法和装置 |
| WO2016028293A1 (en) * | 2014-08-20 | 2016-02-25 | Landmark Graphics Corporation | Optimizing computer hardware resource utilization when processing variable precision data |
| CN105760224A (zh) * | 2016-01-06 | 2016-07-13 | 杭州华三通信技术有限公司 | 一种资源的动态调整方法和装置 |
| CN106228556A (zh) * | 2016-07-22 | 2016-12-14 | 北京小米移动软件有限公司 | 图像质量分析方法和装置 |
| CN106355248A (zh) * | 2016-08-26 | 2017-01-25 | 深圳先进技术研究院 | 一种深度卷积神经网络训练方法及装置 |
| CN107479970A (zh) * | 2017-07-31 | 2017-12-15 | 广东欧珀移动通信有限公司 | 资源配置方法及相关产品 |
-
2017
- 2017-12-26 CN CN201711430529.7A patent/CN109960581B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103430151A (zh) * | 2012-07-06 | 2013-12-04 | 华为终端有限公司 | 一种资源配置方法及装置 |
| CN103699440A (zh) * | 2012-09-27 | 2014-04-02 | 北京搜狐新媒体信息技术有限公司 | 一种云计算平台系统为任务分配资源的方法和装置 |
| WO2016028293A1 (en) * | 2014-08-20 | 2016-02-25 | Landmark Graphics Corporation | Optimizing computer hardware resource utilization when processing variable precision data |
| CN105760224A (zh) * | 2016-01-06 | 2016-07-13 | 杭州华三通信技术有限公司 | 一种资源的动态调整方法和装置 |
| CN106228556A (zh) * | 2016-07-22 | 2016-12-14 | 北京小米移动软件有限公司 | 图像质量分析方法和装置 |
| CN106355248A (zh) * | 2016-08-26 | 2017-01-25 | 深圳先进技术研究院 | 一种深度卷积神经网络训练方法及装置 |
| CN107479970A (zh) * | 2017-07-31 | 2017-12-15 | 广东欧珀移动通信有限公司 | 资源配置方法及相关产品 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110515670A (zh) * | 2019-09-03 | 2019-11-29 | 深圳市路畅科技股份有限公司 | 一种嵌入式设备的运行方法、系统及一种上位机 |
| CN113778669A (zh) * | 2021-06-29 | 2021-12-10 | 北京小米移动软件有限公司 | 系统资源分配方法、系统资源分配装置及存储介质 |
| CN113867837A (zh) * | 2021-09-24 | 2021-12-31 | 埃洛克航空科技（北京）有限公司 | 终端设备的配置参数制定方法、装置、终端及存储介质 |
| CN114691278A (zh) * | 2022-06-01 | 2022-07-01 | 深圳传音控股股份有限公司 | 应用程序处理方法、智能终端及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109960581B (zh) | 2021-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105867730B (zh) | 状态栏的显示方法及装置 | |
| CN106055408B (zh) | 一种应用控制方法及移动终端 | |
| CN107766139B (zh) | 应用管理方法及装置 | |
| CN106776036A (zh) | 一种资源分配方法及装置 | |
| CN109041142A (zh) | 主耳机切换方法及相关设备 | |
| CN107256068B (zh) | 指纹的采集方法及相关产品 | |
| CN107356261B (zh) | 导航方法及相关产品 | |
| CN109960581A (zh) | 硬件资源配置方法、装置、移动终端及存储介质 | |
| CN106055409A (zh) | 一种处理器资源的分配方法及移动终端 | |
| CN105933537B (zh) | 一种音量处理方法及用户终端 | |
| CN106155557B (zh) | 一种虚拟按键显示方法及移动终端 | |
| CN106534288B (zh) | 一种数据传输方法及移动终端 | |
| CN108415863A (zh) | 电子装置的硬件兼容实现方法及相关产品 | |
| CN109067981A (zh) | 分屏应用切换方法、装置、存储介质和电子设备 | |
| CN110209245A (zh) | 人脸识别方法及相关产品 | |
| CN109922539A (zh) | 网络连接方法及相关产品 | |
| CN107452399B (zh) | 音频特征提取方法及装置 | |
| CN106454979B (zh) | 一种网络制式切换方法及移动终端 | |
| CN107368998A (zh) | 日程管理方法及相关产品 | |
| CN106776040A (zh) | 一种资源分配方法及装置 | |
| CN109144721A (zh) | 资源排序方法、资源显示方法、相关装置及存储介质 | |
| CN109104640A (zh) | 虚拟礼物赠送方法、装置及存储设备 | |
| CN106815078B (zh) | 一种内存控制方法及设备 | |
| CN106095558B (zh) | 一种音效处理的方法及终端 | |
| CN105991405A (zh) | 一种即时通信的建立方法及装置 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |