CN111796927A - 设备资源配置方法、装置、存储介质及电子设备 - Google Patents
设备资源配置方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN111796927A CN111796927A CN201910282433.3A CN201910282433A CN111796927A CN 111796927 A CN111796927 A CN 111796927A CN 201910282433 A CN201910282433 A CN 201910282433A CN 111796927 A CN111796927 A CN 111796927A
- Authority
- CN
- China
- Prior art keywords
- resource configuration
- information
- configuration information
- user
- sensor
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000013468 resource allocation Methods 0.000 title claims abstract description 24
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 40
- 238000012545 processing Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 description 17
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 7
- 230000008447 perception Effects 0.000 description 7
- 230000010354 integration Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013501 data transformation Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000005355 Hall effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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]
Abstract
本申请公开了一种设备资源配置方法,包括:接收服务器发送的资源配置信息集合,获取用户当前的情景类别信息,根据当前的情景类别信息在资源配置信息集合当中匹配对应的资源配置信息,根据资源配置信息对电子设备进行设置。本申请还提供一种设备资源配置装置、存储介质和电子设备。
Description
技术领域
本申请属于电子设备技术领域,尤其涉及一种设备资源配置方法、装置、存储介质及电子设备。
背景技术
随着电子技术的发展,诸如智能手机等电子设备的智能化程度越来越高。用户所在的场景不同,对电子设备的资源、应用程序等相应服务需求不同,如用户在外出旅游、外出办公、游戏等不同场景下,对电子设备的需求不尽相同,如何根据用户所处场景,对用户的手机设备资源进行智能调度。当前的电子设备资源调度方案主要基于规则(如黑白名单),即由人为制定在什么时候调用什么资源,一方面适配性和鲁棒性差,另一方面不够智能、不够准确,使得最终的资源调度方案难以满足实际的应用需求。
发明内容
本申请提供一种设备资源配置方法、装置、存储介质及电子设备,可以提升电子设备分配设备资源的准确性。
第一方面,本申请实施例提供一种设备资源配置方法,应用于电子设备,包括:
接收服务器发送的资源配置信息集合,所述资源配置信息集合包括用户的情景类别信息与对应的资源配置信息;
获取电子设备当前的传感器信息,并根据所述传感器信息识别出用户当前的情景类别信息;
根据所述当前的情景类别信息在所述资源配置信息集合当中匹配对应的资源配置信息;
根据所述资源配置信息对所述电子设备进行设置。
第二方面,本申请实施例提供一种设备资源配置方法,应用于服务器,包括:
接收多个电子设备发送的用户情景类别信息与对应的资源配置信息;
根据预设算法确定每个所述用户情景类别信息所对应的目标资源配置信息;
根据所述多个用户情景类别信息以及对应的目标资源配置信息生成资源配置信息集合;
将所述资源配置信息集合发送至电子设备。
第三方面,本申请实施例提供一种设备资源配置装置,应用于电子设备,包括:获取模块、识别模块、匹配模块以及设置模块;
所述获取模块,用于接收服务器发送的资源配置信息集合,所述资源配置信息集合包括用户的情景类别信息与对应的资源配置信息;
所述识别模块,用于获取电子设备当前的传感器信息,并根据所述传感器信息识别出用户当前的情景类别信息;
所述匹配模块,用于根据所述当前的情景类别信息在所述资源配置信息集合当中匹配对应的资源配置信息;
所述设置模块,用于根据所述资源配置信息对所述电子设备进行设置。
第四方面,本申请实施例提供一种设备资源配置装置,应用于服务器,包括:接收模块、确定模块、生成模块以及发送模块;
所述接收模块,用于接收多个电子设备发送的用户情景类别信息与对应的资源配置信息;
所述确定模块,用于根据预设算法确定每个所述用户情景类别信息所对应的目标资源配置信息;
所述生成模块,用于根据所述多个用户情景类别信息以及对应的目标资源配置信息生成资源配置信息集合。
所述发送模块,用于将所述资源配置信息集合发送至电子设备。
第五方面,本申请实施例提供一种存储介质,其上存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行上述的设备资源配置方法。
第六方面,本申请实施例提供一种电子设备,包括处理器和存储器,所述存储器存储有多条指令,所述处理器加载所述存储器中的指令用于执行以下步骤:
接收服务器发送的资源配置信息集合,所述资源配置信息集合包括用户的情景类别信息与对应的资源配置信息;
获取电子设备当前的传感器信息,并根据所述传感器信息识别出用户当前的情景类别信息;
根据所述当前的情景类别信息在所述资源配置信息集合当中匹配对应的资源配置信息;
根据所述资源配置信息对所述电子设备进行设置。
本申请实施例提供的设备资源配置方法可以接收服务器发送的资源配置信息集合,资源配置信息集合包括用户的情景类别信息与对应的资源配置信息,获取电子设备当前的传感器信息,并根据传感器信息识别出用户当前的情景类别信息,根据当前的情景类别信息在资源配置信息集合当中匹配对应的资源配置信息,根据资源配置信息对电子设备进行设置。本申请实施例可以智能识别当前的情景类别信息,并根据情景类别信息生成相应的资源配置方案以对电子设备进行设置,能够显著提升分配设备资源的准确性,以及资源利用的针对性。
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为本申请实施例提供的设备资源配置方法的应用场景示意图。
图2为本申请实施例提供的设备资源配置方法的一种流程示意图。
图3为本申请实施例提供的设备资源配置方法的另一流程示意图。
图4为本申请实施例提供的设备资源配置方法的又一流程示意图。
图5为本申请实施例提供的设备资源配置装置的一种结构示意图。
图6为本申请实施例提供的设备资源配置装置的另一结构示意图。
图7为本申请实施例提供的设备资源配置装置的又一结构示意图。
图8为本申请实施例提供的电子设备的结构示意图。
图9为本申请实施例提供的电子设备的另一结构示意图。
具体实施方式
请参照图式,其中相同的组件符号代表相同的组件,本申请的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本申请具体实施例,其不应被视为限制本申请未在此详述的其它具体实施例。
在以下的说明中,本申请的具体实施例将参考由一部或多部计算机所执行的步骤及符号来说明,除非另有述明。因此,这些步骤及操作将有数次提到由计算机执行,本文所指的计算机执行包括了由代表了以一结构化型式中的数据的电子信号的计算机处理单元的操作。此操作转换该数据或将其维持在该计算机的内存系统中的位置处,其可重新配置或另外以本领域测试人员所熟知的方式来改变该计算机的运作。该数据所维持的数据结构为该内存的实体位置,其具有由该数据格式所定义的特定特性。但是,本申请原理以上述文字来说明,其并不代表为一种限制,本领域测试人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。
本申请中的术语“第一”、“第二”和“第三”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模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块,而是某些实施例还包括没有列出的步骤或模块,或某些实施例还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
参考图1,图1为本申请实施例提供的设备资源配置方法的应用场景示意图。所述设备资源配置方法应用于电子设备。所述电子设备中设置有全景感知架构。所述全景感知架构为电子设备中用于实现所述设备资源配置方法的硬件和软件的集成。
其中,全景感知架构包括信息感知层、数据处理层、特征抽取层、情景建模层以及智能服务层。
信息感知层用于获取电子设备自身的信息或者外部环境中的信息。所述信息感知层可以包括多个传感器。例如,所述信息感知层包括距离传感器、磁场传感器、光线传感器、加速度传感器、指纹传感器、霍尔传感器、位置传感器、陀螺仪、惯性传感器、姿态感应器、气压计、心率传感器等多个传感器。
其中,距离传感器可以用于检测电子设备与外部物体之间的距离。磁场传感器可以用于检测电子设备所处环境的磁场信息。光线传感器可以用于检测电子设备所处环境的光线信息。加速度传感器可以用于检测电子设备的加速度数据。指纹传感器可以用于采集用户的指纹信息。霍尔传感器是根据霍尔效应制作的一种磁场传感器,可以用于实现电子设备的自动控制。位置传感器可以用于检测电子设备当前所处的地理位置。陀螺仪可以用于检测电子设备在各个方向上的角速度。惯性传感器可以用于检测电子设备的运动数据。姿态感应器可以用于感应电子设备的姿态信息。气压计可以用于检测电子设备所处环境的气压。心率传感器可以用于检测用户的心率信息。
数据处理层用于对信息感知层获取到的数据进行处理。例如,数据处理层可以对信息感知层获取到的数据进行数据清理、数据集成、数据变换、数据归约等处理。
其中,数据清理是指对信息感知层获取到的大量数据进行清理,以剔除无效数据和重复数据。数据集成是指将信息感知层获取到的多个单维度数据集成到一个更高或者更抽象的维度,以对多个单维度的数据进行综合处理。数据变换是指对信息感知层获取到的数据进行数据类型的转换或者格式的转换等,以使变换后的数据满足处理的需求。数据归约是指在尽可能保持数据原貌的前提下,最大限度的精简数据量。
特征抽取层用于对数据处理层处理后的数据进行特征抽取,以提取所述数据中包括的特征。提取到的特征可以反映出电子设备自身的状态或者用户的状态或者电子设备所处环境的环境状态等。
其中,特征抽取层可以通过过滤法、包装法、集成法等方法来提取特征或者对提取到的特征进行处理。
过滤法是指对提取到的特征进行过滤,以删除冗余的特征数据。包装法用于对提取到的特征进行筛选。集成法是指将多种特征提取方法集成到一起,以构建一种更加高效、更加准确的特征提取方法,用于提取特征。
情景建模层用于根据特征抽取层提取到的特征来构建模型,所得到的模型可以用于表示电子设备的状态或者用户的状态或者环境状态等。例如,情景建模层可以根据特征抽取层提取到的特征来构建关键值模型、模式标识模型、图模型、实体联系模型、面向对象模型等。
智能服务层用于根据情景建模层所构建的模型为用户提供智能化的服务。例如,智能服务层可以为用户提供基础应用服务,可以为电子设备进行系统智能优化,还可以为用户提供个性化智能服务。
此外,全景感知架构中还可以包括多种算法,每一种算法都可以用于对数据进行分析处理,所述多种算法可以构成算法库。例如,所述算法库中可以包括马尔科夫算法、隐含狄里克雷分布算法、贝叶斯分类算法、支持向量机、K均值聚类算法、K最近邻分类算法、条件随机场、残差网络、长短期记忆网络、卷积神经网络、循环神经网络等算法。
本申请实施例提供一种设备资源配置方法,该设备资源配置方法的执行主体可以是本申请实施例提供的设备资源配置装置,或者集成了该设备资源配置装置的电子设备,其中该设备资源配置装置可以采用硬件或者软件的方式实现。
本申请实施例将从设备资源配置装置的角度进行描述,该设备资源配置装置具体可以集成在电子设备中。该设备资源配置方法包括:接收服务器发送的资源配置信息集合,所述资源配置信息集合包括用户的情景类别信息与对应的资源配置信息;
获取电子设备当前的传感器信息,并根据所述传感器信息识别出用户当前的情景类别信息;
根据所述当前的情景类别信息在所述资源配置信息集合当中匹配对应的资源配置信息;
根据所述资源配置信息对所述电子设备进行设置。
一实施例中,根据所述状态信息识别出用户当前的情景类别信息,包括:
根据预设算法模型对所述传感器信息进行处理,以得到多种情景类别信息对应的概率;
根据所述概率确定用户当前的情景类别信息。
一实施例中,根据预设算法模型对所述传感器信息进行处理,包括:
对所述传感器信息进行向量化处理以得到传感器向量;
对所述传感器向量进行叠加以得到传感器张量;
根据所述预设算法模型对所述传感器张量进行处理。
一实施例中,根据所述资源配置信息对所述电子设备进行设置,包括:
获取所述资源配置信息所包含的设备资源以及所述设备资源对应的目标参数;
根据所述目标参数设置所述设备资源。
一实施例中,根据所述目标参数设置所述设备资源,包括:
判断所述设备资源当前参数与所述目标参数是否相同;
若否,则将所述设备资源的当前参数调整为目标参数。
请参阅图2,图2为本申请实施例提供的设备资源配置方法的流程示意图。本申请实施例提供的设备资源配置方法应用于电子设备,具体流程可以如下:
步骤101,接收服务器发送的资源配置信息集合,资源配置信息集合包括用户的情景类别信息与对应的资源配置信息。
在一实施例中,服务器接收多个用户发送的用户的情景类别信息与对应的资源配置信息,通过学习得到不同的情景类别信息下对应的最佳资源配置信息,然后发送至电子设备,由电子设备根据当前的用户情景类别信息选择对应的最佳资源配置信息。
在一实施例中,上述用户情景类别信息可以为用户的状态信息,比如包括睡眠、办公、旅游、游戏、驾驶、健身等,进一步的,上述情景类别信息还可以包括位置信息,比如在家或是在工作地点等,具体可以通过分析用户的历史位置信息确定家和工作地点,在此不做进一步限定。需要说明的是,上述用户情景类别信息之间相互不冲突,即用户可以同时满足多个上述用户情景类别信息,比如,用户在家里打游戏,或是用户在工作地点办公等。其中,每个用户情景类别信息对应一种资源配置信息。
在一实施例中,上述资源配置信息可以包括终端中设备资源的设置信息,该设备资源包括诸如CPU(Central Processing Unit,中央处理器)、GPU(Graphics ProcessingUnit,图形处理器)、内存、网速等等,其中,不同的资源配置方案会给电子设备带来不同的性能以及功耗。其中,上述资源配置信息还可以包括电子设备的一些设置信息,比如GPS设置、蓝牙设置、NFC设置、WIFI设置等等。比如用户的情景类别信息包括在家时,对应的资源配置信息可以包括打开WIFI并关闭移动网络,若用户的情景类别信息包括旅游时,对应的资源配置信息可以包括打开GPS等。
步骤102,获取电子设备当前的传感器信息,并根据传感器信息识别出用户当前的情景类别信息。
在一实施例中,上述电子设备在获取传感器信息的同时还可以获取电子设备的系统运行信息等等。其中,电子设备内置有功能不一的传感器,这些传感器能够随时检测电子设备当前所处的状态。作为本申请的一个实施例,可以通过加速度传感器(G-Sensor)和陀螺仪检测电子设备的运动状态。其中加速度传感器可以是三轴线性加速度传感器,用于检测电子设备三个互相正交的轴向上的线性加速度。陀螺仪则用于检测电子设备三个互相正交的轴向上转动的速度。如当加速度传感器和陀螺仪在单位时间内检测到的数值没有变化,则认为电子设备处于静止状态。只要加速度传感器和陀螺仪在单位时间内有一个数值发生变化,则可以认为电子设备处于运动状态,然后根据状态信息识别出用户当前的情景类别信息,比如在电子设备运动时,可以根据当前的速度确定用户是处于步行状态还是驾车状态。此外,电子设备还可以通过光传感器检测周围环境光的强度。关于加速度传感器、陀螺仪以及光传感器的工作原理可参考现有技术,在此不作赘述。
在一实施例中,在获取到电子设备的传感器信息的基础上,还可以进一步获取环境信息和用户信息,环境信息可以包括天气、温度、时间等,用户信息可以包括年龄、性别、行为记录等,通过电子设备当前的状态信息以及上述环境信息和用户信息,综合识别出用户当前的情景类别信息,进一步提升识别的准确性。
在一实施例中,还可以在获取到电子设备当前的传感器信息后,将该信息输入到情景类别预测模型,对用户的情景类别信息进行预测。其中,上述情景类别预测模型的输出结果可以为多种情景类别信息以及分别对应的概率,可以选取概率最高的作为预测结果。
步骤103,根据当前的情景类别信息在资源配置信息集合当中匹配对应的资源配置信息。
在一实施例中,在获取到用户当前的情景类别信息后,在接收服务器发送的资源配置信息集合当中查找与当前情景类别信息相同的样本,然后获取该样本对应的资源配置信息。
需要说明的是,由于从服务器获取到的资源配置信息集合包含了许多用户的情景类别信息与对应的资源配置信息,而其中一些情景类别信息从未或极少与当前用户符合,比如,当前用户基本不玩游戏,则可以将该情景类别信息从资源配置信息集合当中删除,从而提升匹配效率。具体可以根据用户在预设时间段内的使用信息,根据使用频率确定用户常用的情景类别信息,然后再获取到服务器发送的资源配置信息集合之后,只保留其中上述的常用情景类别信息以及对应的资源配置信息即可。
步骤104,根据资源配置信息对电子设备进行设置。
具体的,根据上述资源配置信息设置电子设备中相关参数,比如限制CPU频率、限制当前网速、打开WIFI开关等等。在一实施例中,在根据资源配置信息对电子设备进行设置之前,还可以根据该资源配置信息包含的设置信息生成提示信息,以供用户进行确认选择,可以避免误操作。
比如,电子设备当前的情景类别信息包括在家这个场景时,对应的资源配置信息可以包括打开WIFI开关,此时电子设备会自动连接家里的网络热点,在连接完成后,还可以关闭电子设备的移动网络,以节省用户流量。其中,在打开WIFI开关之前,可以以弹窗的形式提示用户,由用户选择是否打开WIFI开关,比如当电子设备的移动网络网速高于连接WIFI后的网速且移动网络的剩余流量较多时,用户可以选择不打开WIFI开关,继续使用移动网络数据,为用户提供了更多的选择。
由上可知,本申请实施例提供的设备资源配置方法可以接收服务器发送的资源配置信息集合,资源配置信息集合包括用户的情景类别信息与对应的资源配置信息,获取电子设备当前的传感器信息,并根据传感器信息识别出用户当前的情景类别信息,根据当前的情景类别信息在资源配置信息集合当中匹配对应的资源配置信息,根据资源配置信息对电子设备进行设置。本申请实施例可以智能识别当前的情景类别信息,并根据情景类别信息生成相应的资源配置方案以对电子设备进行设置,能够显著提升分配设备资源的准确性,以及资源利用的针对性。
下面将在上述实施例描述的方法基础上,对本申请的清理方法做进一步介绍。参阅图3,图3为本申请实施例提供的设备资源配置方法的另一流程示意图,该设备资源配置方法包括:
步骤201,接收服务器发送的资源配置信息集合,资源配置信息集合包括用户的情景类别信息与对应的资源配置信息。
在一实施例中,服务器接收多个用户发送的用户的情景类别信息与对应的资源配置信息,通过学习得到不同的情景类别信息下对应的最佳资源配置信息,然后发送至电子设备,由电子设备根据当前的用户情景类别信息选择对应的最佳资源配置信息。
在一实施例中,上述用户情景类别信息可以为用户的状态信息,比如包括睡眠、办公、旅游、游戏、驾驶、健身等,进一步的,上述情景类别信息还可以包括位置信息,比如在家或是在工作地点等,具体可以通过分析用户的历史位置信息确定家和工作地点,在此不做进一步限定。需要说明的是,上述用户情景类别信息之间相互不冲突,即用户可以同时满足多个上述用户情景类别信息,比如,用户在家里打游戏,或是用户在工作地点办公等。其中,每个用户情景类别信息对应一种资源配置信息。
步骤202,获取电子设备当前的传感器信息,根据预设算法模型对传感器信息进行处理,以得到多种情景类别信息对应的概率。
步骤203,根据概率确定用户当前的情景类别信息。
比如,电子设备内置有功能不一的传感器,这些传感器能够随时检测电子设备当前所处的状态。作为本申请的一个实施例,可以获取电子设备当前的传感器信息,然后输入预设的预测模型,以得到多种情景类别信息对应的概率,根据概率确定用户当前的情景类别信息。比如为概率最大的情景类别信息。
在一实施例中,上述根据预设算法模型对所述传感器信息进行处理,包括:
对所述传感器信息进行向量化处理以得到传感器向量;
对所述传感器向量进行叠加以得到传感器张量;
根据所述预设算法模型对所述传感器张量进行处理。
在一实施例中,可以通过加速度传感器(G-Sensor)和陀螺仪检测电子设备的运动状态。其中加速度传感器可以是三轴线性加速度传感器,用于检测电子设备三个互相正交的轴向上的线性加速度。陀螺仪则用于检测电子设备三个互相正交的轴向上转动的速度。如当加速度传感器和陀螺仪在单位时间内检测到的数值没有变化,则认为电子设备处于静止状态。只要加速度传感器和陀螺仪在单位时间内有一个数值发生变化,则可以认为电子设备处于运动状态,然后根据状态信息识别出用户当前的情景类别信息。此外,电子设备还可以通过光传感器检测周围环境光的强度。关于加速度传感器、陀螺仪以及光传感器的工作原理可参考现有技术,在此不作赘述。
步骤204,根据当前的情景类别信息在资源配置信息集合当中匹配对应的资源配置信息。
在一实施例中,在获取到用户当前的情景类别信息后,在接收服务器发送的资源配置信息集合当中查找与当前情景类别信息相同的样本,然后获取该样本对应的资源配置信息。
其中,上述资源配置信息可以包括终端中设备资源的设置信息,该设备资源包括诸如CPU、GPU、内存、网速等等,其中,不同的资源配置方案会给电子设备带来不同的性能以及功耗。其中,上述资源配置信息还可以包括电子设备的一些设置信息,比如GPS设置、蓝牙设置、NFC设置、WIFI设置等等。
步骤205,获取资源配置信息所包含的设备资源以及设备资源对应的目标参数。
步骤206,根据目标参数设置设备资源。
具体的,根据上述资源配置信息设置相关的设备资源以及对应的目标参数,比如设置CPU频率为2.5GHz、限制当前网速为1M/s、设置屏幕的分辨率为2220×1080等等。上述设备资源还可以为电子设备中的设置,其对应的目标参数可以为设置状态,比如打开WIFI开关,关闭蓝牙等等。
在一实施例中,根据所述目标参数设置所述设备资源的步骤可以包括:
判断所述设备资源当前参数与所述目标参数是否相同;
若否,则将所述设备资源的当前参数调整为目标参数。
在一实施例中,在根据资源配置信息对电子设备进行设置之前,还可以根据该资源配置信息包含的设置信息生成提示信息,以供用户进行确认选择,可以避免误操作。
由上可知,本申请实施例提供的设备资源配置方法可以接收服务器发送的资源配置信息集合,资源配置信息集合包括用户的情景类别信息与对应的资源配置信息,获取电子设备当前的传感器信息,根据预设算法模型对传感器信息进行处理,以得到多种情景类别信息对应的概率,根据概率确定用户当前的情景类别信息,根据当前的情景类别信息在资源配置信息集合当中匹配对应的资源配置信息,获取资源配置信息所包含的设备资源以及设备资源对应的目标参数,根据目标参数设置设备资源。本申请实施例可以智能识别当前的情景类别信息,并根据情景类别信息生成相应的资源配置方案以对电子设备进行设置,能够显著提升分配设备资源的准确性,以及资源利用的针对性。
本申请实施例还提供一种设备资源配置方法,该设备资源配置装置具体可以集成在服务器中,该设备资源配置方法包括:
接收多个电子设备发送的用户情景类别信息与对应的资源配置信息;
根据预设算法确定每个所述用户情景类别信息所对应的目标资源配置信息;
根据所述多个用户情景类别信息以及对应的目标资源配置信息生成资源配置信息集合;
将所述资源配置信息集合发送至电子设备。
在一实施例中,所述预设定义规则为协同过滤算法。
请参阅图4,图4为本申请实施例提供的设备资源配置方法的又一流程示意图,该设备资源配置方法包括:
步骤301,接收多个电子设备发送的用户情景类别信息与对应的资源配置信息。
其中,上述用户情景类别信息可以为用户的状态信息,比如包括睡眠、办公、旅游、游戏、驾驶、健身等,进一步的,上述情景类别信息还可以包括位置信息,比如在家或是在工作地点等,具体可以通过分析用户的历史位置信息确定家和工作地点,在此不做进一步限定。上述资源配置信息可以包括终端中设备资源的设置信息,该设备资源包括诸如CPU、GPU、内存、网速等等,其中,不同的资源配置方案会给电子设备带来不同的性能以及功耗。其中,上述资源配置信息还可以包括电子设备的一些设置信息,比如GPS设置、蓝牙设置、NFC设置、WIFI设置等等。
步骤302,根据预设定义规则确定每个用户情景类别信息所对应的目标资源配置信息。
具体的,服务器接收到多个电子设备上传的情景类别信息与对应的资源配置信息,而由于每个用户使用电子设备的习惯均不相同,在同一情景类别下,不同的用户可能会对设备资源进行不同的分配,因此需要在用户大数据当中确定每个用户情景类别信息所对应的目标资源配置信息。
在一实施例中,可以使用协同过滤算法确定每个用户情景类别信息所对应的目标资源配置信息。其中,协同过滤算法通过对用户历史行为数据的挖掘发现用户的偏好,基于不同的偏好对用户进行群组划分并推荐品味相似的方案。即本实施例将大部分用户在一情景类别信息下设置的资源配置信息确定为目标资源配置信息。
步骤303,根据多个用户情景类别信息以及对应的目标资源配置信息生成资源配置信息集合。
其中,服务器接收多个用户发送的用户的情景类别信息与对应的资源配置信息,通过学习得到不同的情景类别信息下对应的最佳资源配置信息,并生成资源配置信息集合。
步骤304,将资源配置信息集合发送至电子设备。
在一实施例中,由于从服务器获取到的资源配置信息集合包含了许多用户的情景类别信息与对应的资源配置信息,而其中一些情景类别信息从未或极少与当前用户符合,比如,当前用户基本不玩游戏,则可以将该情景类别信息以及对应的目标资源配置信息从资源配置信息集合当中删除,然后将删除后的资源配置信息集合发送至电子设备,由电子设备进行匹配,可以进一步提升匹配效率。
由上可知,本申请实施例提供的设备资源配置方法可以接收多个电子设备发送的用户情景类别信息与对应的资源配置信息,根据预设算法确定每个用户情景类别信息所对应的目标资源配置信息,根据多个用户情景类别信息以及对应的目标资源配置信息生成资源配置信息集合,将资源配置信息集合发送至电子设备。本申请实施例可以通过学习多个用户的情景类别信息与对应的资源配置信息,学习出每个情景类别信息对应的最佳资源配置信息,生成最佳的资源配置方案。
本申请实施例还提供一种预设定义规则,该预设定义规则可以为协同过滤算法,用于在接收多个电子设备发送的用户情景类别信息与对应的资源配置信息后,确定每个用户情景类别信息所对应的目标资源配置信息,从而根据多个用户情景类别信息以及对应的目标资源配置信息生成资源配置信息集合,并将资源配置信息集合发送至电子设备以使电子设备根据该资源配置信息集合对电子设备进行管控。
请参阅图5,图5为本申请实施例提供的设备资源配置装置的一种结构示意图。其中该设备资源配置装置40应用于电子设备,包括获取模块401、识别模块402、匹配模块403以及设置模块404;
所述获取模块401,用于接收服务器发送的资源配置信息集合,所述资源配置信息集合包括用户的情景类别信息与对应的资源配置信息;
所述识别模块402,用于获取电子设备当前的传感器信息,并根据所述传感器信息识别出用户当前的情景类别信息;
所述匹配模块403,用于根据所述当前的情景类别信息在所述资源配置信息集合当中匹配对应的资源配置信息;
所述设置模块404,用于根据所述资源配置信息对所述电子设备进行设置。
在一实施例中,请参阅图6,图6为本申请实施例提供的设备资源配置装置40的另一种结构示意图,其中,所述电子设备的状态信息包括传感器信息,所述识别模块402包括:处理子模块4021和确定子模块4022;
所述处理子模块4021,用于根据预设算法模型对所述传感器信息进行处理,以得到多种情景类别信息对应的概率;
所述确定子模块4022,用于根据所述概率确定用户当前的情景类别信息。
在一实施例中,所述处理子模块4021,具体用于对所述传感器信息进行向量化处理以得到传感器向量,对所述传感器向量进行叠加以得到传感器张量,根据所述预设算法模型对所述传感器张量进行处理。
在一实施例中,所述设置模块404包括:获取子模块4041和设置子模块4042;
所述获取子模块4041,用于获取所述资源配置信息所包含的设备资源以及所述设备资源对应的目标参数;
所述设置子模块4042,用于根据所述目标参数设置所述设备资源。
在一实施例中,所述设置子模块4042,具体用于判断所述设备资源当前参数与所述目标参数是否相同,若否,则将所述设备资源的当前参数调整为目标参数。
由上述可知,本申请实施例的设备资源配置装置可以接收服务器发送的资源配置信息集合,资源配置信息集合包括用户的情景类别信息与对应的资源配置信息,获取电子设备当前的传感器信息,并根据传感器信息识别出用户当前的情景类别信息,根据当前的情景类别信息在资源配置信息集合当中匹配对应的资源配置信息,根据资源配置信息对电子设备进行设置。本申请实施例可以智能识别当前的情景类别信息,并根据情景类别信息生成相应的资源配置方案以对电子设备进行设置,能够显著提升分配设备资源的准确性,以及资源利用的针对性。
请参阅图7,图7为本申请实施例提供的设备资源配置装置的又一种结构示意图,其中该设备资源配置装置50应用于服务器,包括接收模块501、确定模块502、生成模块503以及发送模块504;
所述接收模块501,用于接收多个电子设备发送的用户情景类别信息与对应的资源配置信息;
所述确定模块502,用于根据预设算法确定每个所述用户情景类别信息所对应的目标资源配置信息;
所述生成模块503,用于根据所述多个用户情景类别信息以及对应的目标资源配置信息生成资源配置信息集合。
所述发送模块504,用于将所述资源配置信息集合发送至电子设备。
在一实施例中,所述预设算法为协同过滤算法。
由上述可知,本申请实施例的设备资源配置装置可以接收多个电子设备发送的用户情景类别信息与对应的资源配置信息,根据预设算法确定每个用户情景类别信息所对应的目标资源配置信息,根据多个用户情景类别信息以及对应的目标资源配置信息生成资源配置信息集合,将资源配置信息集合发送至电子设备。本申请实施例可以通过学习多个用户的情景类别信息与对应的资源配置信息,学习出每个情景类别信息对应的最佳资源配置信息,生成最佳的资源配置方案。
本申请实施例中,设备资源配置装置与上文实施例中的设备资源配置方法属于同一构思,在设备资源配置装置上可以运行设备资源配置方法实施例中提供的任一方法,其具体实现过程详见设备资源配置方法的实施例,此处不再赘述。
本文所使用的术语“模块”可看作为在该运算系统上执行的软件对象。本文所述的不同组件、模块、引擎及服务可看作为在该运算系统上的实施对象。而本文所述的装置及方法可以以软件的方式进行实施,当然也可在硬件上进行实施,均在本申请保护范围之内。
本申请实施例还提供一种存储介质,其上存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行上述的设备资源配置方法。
本申请实施例还提供一种电子设备,如平板电脑、手机等。电子设备中的处理器会按照如下的步骤,将一个或一个以上的应用程序的进程对应的指令加载到存储器中,并由处理器来运行存储在存储器中的应用程序,从而实现各种功能:
接收服务器发送的资源配置信息集合,所述资源配置信息集合包括用户的情景类别信息与对应的资源配置信息;
获取电子设备当前的传感器信息,并根据所述传感器信息识别出用户当前的情景类别信息;
根据所述当前的情景类别信息在所述资源配置信息集合当中匹配对应的资源配置信息;
根据所述资源配置信息对所述电子设备进行设置。
在一实施例中,所述电子设备的状态信息包括传感器信息,根据所述状态信息识别出用户当前的情景类别信息时,所述处理器用于执行以下步骤:
根据预设算法模型对所述传感器信息进行处理,以得到多种情景类别信息对应的概率;
根据所述概率确定用户当前的情景类别信息。
在一实施例中,根据预设算法模型对所述传感器信息进行处理时,所述处理器用于执行以下步骤:
对所述传感器信息进行向量化处理以得到传感器向量;
对所述传感器向量进行叠加以得到传感器张量;
根据所述预设算法模型对所述传感器张量进行处理。
在一实施例中,根据所述资源配置信息对所述电子设备进行设置时,所述处理器用于执行以下步骤:
获取所述资源配置信息所包含的设备资源以及所述设备资源对应的目标参数;
根据所述目标参数设置所述设备资源。
在一实施例中,根据所述目标参数设置所述设备资源时,所述处理器用于执行以下步骤:
判断所述设备资源当前参数与所述目标参数是否相同;
若否,则将所述设备资源的当前参数调整为目标参数。
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申请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。
请参阅图8,电子设备600包括处理器601以及存储器602。其中,处理器601与存储器602电性连接。
处理器600是电子设备600的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或加载存储在存储器602内的计算机程序,以及调用存储在存储器602内的数据,执行电子设备600的各种功能并处理数据,从而对电子设备600进行整体监控。
存储器602可用于存储软件程序以及模块,处理器601通过运行存储在存储器602的计算机程序以及模块,从而执行各种功能应用以及数据处理。存储器602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计算机程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器602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。相应地,存储器602还可以包括存储器控制器,以提供处理器601对存储器602的访问。
在本申请实施例中,电子设备600中的处理器601会按照如下的步骤,将一个或一个以上的计算机程序的进程对应的指令加载到存储器602中,并由处理器601运行存储在存储器602中的计算机程序,从而实现各种功能,如下:
接收服务器发送的资源配置信息集合,所述资源配置信息集合包括用户的情景类别信息与对应的资源配置信息;
获取电子设备当前的传感器信息,并根据所述传感器信息识别出用户当前的情景类别信息;
根据所述当前的情景类别信息在所述资源配置信息集合当中匹配对应的资源配置信息;
根据所述资源配置信息对所述电子设备进行设置。
请一并参阅图9,在一些实施方式中,电子设备600还可以包括:显示器603、射频电路604、音频电路605以及电源606。其中,其中,显示器603、射频电路604、音频电路605以及电源606分别与处理器601电性连接。
显示器603可以用于显示由用户输入的信息或提供给用户的信息以及各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示器603可以包括显示面板,在一些实施方式中,可以采用液晶显示器(Liquid Crystal Display,LCD)、或者有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板。
射频电路604可以用于收发射频信号,以通过无线通信与网络设备或其他电子设备建立无线通讯,与网络设备或其他电子设备之间收发信号。
音频电路605可以用于通过扬声器、传声器提供用户与电子设备之间的音频接口。
电源606可以用于给电子设备600的各个部件供电。在一些实施例中,电源606可以通过电源管理系统与处理器601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。
尽管图9中未示出,电子设备600还可以包括摄像头、蓝牙模块等,在此不再赘述。
在本申请实施例中,存储介质可以是磁碟、光盘、只读存储器(Read Only Memory,ROM)、或者随机存取记忆体(Random Access Memory,RAM)等。
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。
需要说明的是,对本申请实施例的设备资源配置方法而言,本领域普通测试人员可以理解实现本申请实施例设备资源配置方法的全部或部分流程,是可以通过计算机程序来控制相关的硬件来完成,计算机程序可存储于一计算机可读取存储介质中,如存储在电子设备的存储器中,并被该电子设备内的至少一个处理器执行,在执行过程中可包括如设备资源配置方法的实施例的流程。其中,的存储介质可为磁碟、光盘、只读存储器、随机存取记忆体等。
对本申请实施例的设备资源配置装置而言,其各功能模块可以集成在一个处理芯片中,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。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中,存储介质譬如为只读存储器,磁盘或光盘等。
以上对本申请实施例所提供的一种设备资源配置方法、装置、存储介质及电子设备进行了详细介绍,本文中应用了具体个例对本申请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申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,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申请的限制。
Claims (12)
1.一种设备资源配置方法,应用于电子设备,包括:
接收服务器发送的资源配置信息集合,所述资源配置信息集合包括用户的情景类别信息与对应的资源配置信息;
获取电子设备当前的传感器信息,并根据所述传感器信息识别出用户当前的情景类别信息;
根据所述当前的情景类别信息在所述资源配置信息集合当中匹配对应的资源配置信息;
根据所述资源配置信息对所述电子设备进行设置。
2.根据权利要求1所述的设备资源配置方法,根据所述传感器信息识别出用户当前的情景类别信息包括:
根据预设算法模型对所述传感器信息进行处理,以得到多种情景类别信息对应的概率;
根据所述概率确定用户当前的情景类别信息。
3.根据权利要求2所述的设备资源配置方法,根据预设算法模型对所述传感器信息进行处理包括:
对所述传感器信息进行向量化处理以得到传感器向量;
对所述传感器向量进行叠加以得到传感器张量;
根据所述预设算法模型对所述传感器张量进行处理。
4.根据权利要求1所述的设备资源配置方法,根据所述资源配置信息对所述电子设备进行设置包括:
获取所述资源配置信息所包含的设备资源以及所述设备资源的目标参数;
根据所述目标参数设置所述设备资源。
5.根据权利要求4所述的设备资源配置方法,根据所述目标参数设置所述设备资源包括:
判断所述设备资源当前参数与所述目标参数是否相同;
若否,则将所述设备资源的当前参数调整为目标参数。
6.一种设备资源配置方法,应用于服务器,包括:
接收多个电子设备发送的用户情景类别信息与对应的资源配置信息;
根据预设定义规则确定每个所述用户情景类别信息所对应的目标资源配置信息;
根据所述多个用户情景类别信息以及对应的目标资源配置信息生成资源配置信息集合;
将所述资源配置信息集合发送至电子设备。
7.一种设备资源配置装置,应用于电子设备,包括:
获取模块,用于接收服务器发送的资源配置信息集合,所述资源配置信息集合包括用户的情景类别信息与对应的资源配置信息;
识别模块,用于获取电子设备当前的传感器信息,并根据所述传感器信息识别出用户当前的情景类别信息;
匹配模块,用于根据所述当前的情景类别信息在所述资源配置信息集合当中匹配对应的资源配置信息;
设置模块,用于根据所述资源配置信息对所述电子设备进行设置。
8.根据权利要求7所述的设备资源配置装置,所述识别模块包括:
处理子模块,用于根据预设算法模型对所述传感器信息进行处理,以得到多种情景类别信息对应的概率;
确定子模块,用于根据所述概率确定用户当前的情景类别信息。
9.一种设备资源配置装置,应用于服务器,包括:
接收模块,用于接收多个电子设备发送的用户情景类别信息与对应的资源配置信息;
确定模块,用于根据预设算法确定每个所述用户情景类别信息所对应的目标资源配置信息;
生成模块,用于根据所述多个用户情景类别信息以及对应的目标资源配置信息生成资源配置信息集合。
发送模块,用于将所述资源配置信息集合发送至电子设备。
10.根据权利要求9所述的设备资源配置装置,所述预设算法为协同过滤算法。
11.一种存储介质,其上存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行如权利要求1至5任一项所述的设备资源配置方法。
12.一种电子设备,包括处理器和存储器,所述存储器存储有多条指令,所述处理器加载所述存储器中的指令用于执行以下操作:
接收服务器发送的资源配置信息集合,所述资源配置信息集合包括用户的情景类别信息与对应的资源配置信息;
获取电子设备当前的传感器信息,并根据所述传感器信息识别出用户当前的情景类别信息;
根据所述当前的情景类别信息在所述资源配置信息集合当中匹配对应的资源配置信息;
根据所述资源配置信息对所述电子设备进行设置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910282433.3A CN111796927A (zh) | 2019-04-09 | 2019-04-09 | 设备资源配置方法、装置、存储介质及电子设备 |
PCT/CN2020/082820 WO2020207316A1 (zh) | 2019-04-09 | 2020-04-01 | 设备资源配置方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910282433.3A CN111796927A (zh) | 2019-04-09 | 2019-04-09 | 设备资源配置方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111796927A true CN111796927A (zh) | 2020-10-20 |
Family
ID=72752127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910282433.3A Pending CN111796927A (zh) | 2019-04-09 | 2019-04-09 | 设备资源配置方法、装置、存储介质及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111796927A (zh) |
WO (1) | WO2020207316A1 (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1633192A (zh) * | 2003-12-25 | 2005-06-29 | 仁宝电脑工业股份有限公司 | 无线便携式电子装置的情境模式自动管理方法及系统 |
CN1635810A (zh) * | 2003-12-26 | 2005-07-06 | 仁宝电脑工业股份有限公司 | 移动电话的情境模式管理方法及系统 |
CN107483725A (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 |
CN108874539A (zh) * | 2018-03-13 | 2018-11-23 | Oppo广东移动通信有限公司 | 资源配置方法、装置、终端及存储介质 |
CN108990084A (zh) * | 2017-06-01 | 2018-12-11 | 电信科学技术研究院 | 一种信息获取方法、装置、设备及计算机可读存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130283283A1 (en) * | 2011-01-13 | 2013-10-24 | Htc Corporation | Portable electronic device and control method therefor |
CN104506707A (zh) * | 2014-11-21 | 2015-04-08 | 惠州Tcl移动通信有限公司 | 一种情景感知模式的控制方法及控制系统 |
-
2019
- 2019-04-09 CN CN201910282433.3A patent/CN111796927A/zh active Pending
-
2020
- 2020-04-01 WO PCT/CN2020/082820 patent/WO2020207316A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1633192A (zh) * | 2003-12-25 | 2005-06-29 | 仁宝电脑工业股份有限公司 | 无线便携式电子装置的情境模式自动管理方法及系统 |
CN1635810A (zh) * | 2003-12-26 | 2005-07-06 | 仁宝电脑工业股份有限公司 | 移动电话的情境模式管理方法及系统 |
CN108990084A (zh) * | 2017-06-01 | 2018-12-11 | 电信科学技术研究院 | 一种信息获取方法、装置、设备及计算机可读存储介质 |
CN107483725A (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 |
US20190034311A1 (en) * | 2017-07-31 | 2019-01-31 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Resource configuration method, mobile terminal and storage medium |
CN108874539A (zh) * | 2018-03-13 | 2018-11-23 | Oppo广东移动通信有限公司 | 资源配置方法、装置、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2020207316A1 (zh) | 2020-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109299315B (zh) | 多媒体资源分类方法、装置、计算机设备及存储介质 | |
CN111813532B (zh) | 一种基于多任务机器学习模型的图像管理方法及装置 | |
CN111798018A (zh) | 行为预测方法、装置、存储介质及电子设备 | |
CN111798811B (zh) | 屏幕背光亮度的调节方法、装置、存储介质及电子设备 | |
CN110796725A (zh) | 一种数据渲染方法、装置、终端及存储介质 | |
CN111797288A (zh) | 数据筛选方法、装置、存储介质及电子设备 | |
CN111797870A (zh) | 算法模型的优化方法、装置、存储介质及电子设备 | |
CN114168128A (zh) | 生成响应式页面的方法、图形用户界面及电子设备 | |
CN109993234B (zh) | 一种无人驾驶训练数据分类方法、装置及电子设备 | |
CN111800445A (zh) | 消息推送方法、装置、存储介质及电子设备 | |
CN111798019B (zh) | 意图预测方法、装置、存储介质及电子设备 | |
CN111797874B (zh) | 行为预测方法、装置、存储介质及电子设备 | |
CN112230781B (zh) | 字符推荐方法、装置及存储介质 | |
CN111796979B (zh) | 数据采集策略的确定方法、装置、存储介质及电子设备 | |
CN111797381A (zh) | 应用程序的权限管理方法、装置、存储介质及电子设备 | |
CN111800538B (zh) | 信息处理方法、装置、存储介质及终端 | |
CN111796927A (zh) | 设备资源配置方法、装置、存储介质及电子设备 | |
CN115841575A (zh) | 关键点检测方法、装置、电子设备、存储介质和程序产品 | |
CN111796314A (zh) | 信息处理方法、装置、存储介质及电子设备 | |
CN111796928A (zh) | 终端资源优化方法、装置、存储介质及终端设备 | |
CN111797391A (zh) | 高风险进程的处理方法、装置、存储介质及电子设备 | |
CN111797863A (zh) | 模型训练方法、数据处理方法、装置、存储介质及设备 | |
CN111797880A (zh) | 数据处理方法、装置、存储介质及电子设备 | |
CN111797878A (zh) | 数据处理方法、装置、存储介质及电子设备 | |
CN111797860A (zh) | 特征提取方法、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 |