CN114461481A - 电子设备的功耗确定方法、装置、存储介质及电子设备 - Google Patents

电子设备的功耗确定方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN114461481A
CN114461481A CN202011242680.XA CN202011242680A CN114461481A CN 114461481 A CN114461481 A CN 114461481A CN 202011242680 A CN202011242680 A CN 202011242680A CN 114461481 A CN114461481 A CN 114461481A
Authority
CN
China
Prior art keywords
power consumption
target
model
core
state parameters
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
Application number
CN202011242680.XA
Other languages
English (en)
Inventor
刘君
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.)
Zeku Technology Shanghai Corp Ltd
Original Assignee
Zeku Technology Shanghai Corp 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 Zeku Technology Shanghai Corp Ltd filed Critical Zeku Technology Shanghai Corp Ltd
Priority to CN202011242680.XA priority Critical patent/CN114461481A/zh
Publication of CN114461481A publication Critical patent/CN114461481A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • G06F11/3062—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations where the monitored property is the power consumption

Landscapes

  • Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Power Sources (AREA)

Abstract

本申请实施例公开了一种电子设备的功耗确定方法、装置、存储介质及电子设备，其中，本申请实施例获取目标IP核的多个电路单元在第一维度上的第一状态参数；获取与所述目标IP核匹配的目标功耗模型；根据多个所述第一状态参数，以及所述目标功耗模型，计算所述目标IP核的功耗值。由于IP核一般包括多个电路单元，而每个电路单元在各个维度上的状态参数反映该IP核内部的电路单元的运行情况，本方案从IP核内部的各电路单元出发，采集其状态参数，并结合与该目标IP核匹配的功耗模型计算功耗值，提高了功耗值计算的准确度。

Description

电子设备的功耗确定方法、装置、存储介质及电子设备
技术领域
本申请涉及电子设备技术领域，具体涉及一种电子设备的功耗确定方法、装置、存储介质及电子设备。
背景技术
随着移动互联网技术的迅猛发展，手机应用场景更加复杂多样，对于手机性能的要求越来越高，由此引起功耗、发热问题也日趋突出，在此背景下，各大移动处理器厂商在芯片设计和软件实现上都有一些方案来构建功耗模型，来计算电子设备的功耗，作为输入应用于到温控策略中，目前主流的功耗模型一般是采集电子设备的一些整体上的运行参数，例如，CPU电压信息、频率信息等来计算功耗，但是这种方案计算得到的功耗值的准确度较低。
发明内容
本申请实施例提供一种电子设备的功耗确定方法、装置、存储介质及电子设备，能够提高功耗值计算的准确度。
第一方面，本申请实施例提供一种电子设备的功耗确定方法，包括：
获取目标IP核内部的多个电路单元在第一维度上的第一状态参数；
获取与所述目标IP核匹配的目标功耗模型；
根据多个所述第一状态参数，以及所述目标功耗模型，计算所述目标IP核的功耗值。
第二方面，本申请实施例还提供一种电子设备的功耗确定装置，包括：
参数获取模块，用于获取目标IP核内部的多个电路单元在第一维度上的第一状态参数；
模型确定模块，用于获取与所述目标IP核匹配的目标功耗模型；
功耗计算模块，用于根据多个所述第一状态参数，以及所述目标功耗模型，计算所述目标IP核的功耗值。
第三方面，本申请实施例还提供一种计算机可读存储介质，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本申请任一实施例提供的电子设备的功耗确定方法。
第四方面，本申请实施例还提供一种电子设备，包括处理器和存储器，所述存储器有计算机程序，所述处理器通过调用所述计算机程序，用于执行如本申请任一实施例提供的电子设备的功耗确定方法。
第五方面，本申请实施例还提供一种电子设备，包括处理芯片，所述处理芯片包括至少一个IP核，所述IP核包括多个电路单元，所述处理芯片还包括逻辑门电路，所述逻辑门电路与所述多个电路单元连接，其中，所述逻辑门电路用于：获取所述IP核内部的多个所述电路单元在第一维度上的第一状态参数；以及，根据多个所述第一状态参数和硬件逻辑算法计算所述IP核的功耗值。
本申请实施例提供的技术方案，在计算电子设备的某IP核的功耗值时，获取该IP核内部的各个电路单元在第一维度上的第一状态参数，同时获取与该目标IP核匹配的目标功耗模型，根据获取的上述数据计算该目标IP核的功耗值。由于IP核一般包括多个电路单元，而每个电路单元在各个维度上的状态参数反映该IP核内部的电路单元的运行情况，本方案从IP核内部的各电路单元出发，采集状态参数，并结合与该目标IP核匹配的功耗模型计算功耗值，提高了功耗值计算的准确度。
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电子设备的功耗确定方法的第一种流程示意图。
图2为本申请实施例提供的电子设备的功耗确定方法的第二种流程示意图。
图3为本申请实施例提供的电子设备的功耗确定方法的一种模型构架示意图。
图4为本申请实施例提供的电子设备的功耗确定装置的结构示意图。
图5为本申请实施例提供的电子设备的第一种结构示意图。
图6为本申请实施例提供的电子设备的第二种结构示意图。
具体实施方式
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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本申请的保护范围。
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。
本申请实施例提供一种电子设备的功耗确定方法，该电子设备的功耗确定方法的执行主体可以是本申请实施例提供的电子设备的功耗确定装置，或者集成了该电子设备的功耗确定装置的电子设备，其中该电子设备的功耗确定装置可以采用硬件或者软件的方式实现。其中，电子设备可以是智能手机、平板电脑、掌上电脑、笔记本电脑、或者台式电脑等设备。
请参阅图1，图1为本申请实施例提供的电子设备的功耗确定方法的第一种流程示意图。本申请实施例提供的电子设备的功耗确定方法的流程可以如下：
在101中，获取目标IP核内部的多个电路单元在第一维度上的第一状态参数。
本申请实施例的方案可以用于计算电子设备内部的IP核(IntellectualProperty core，也称为知识产权核或知识产权模块)的功耗值。其中，将一些在数字单路中常用的、但是比较复杂的功能模块设计成可修改参数的模块，例如NPU(Neural-networkProcessing Unit，神经网络处理器)、ISP(Image Signal Processor，图像信号处理器)、DDR(Double Data Rate Synchronous Dynamic Random Access Memory，双倍数据率同步动态随机存取存储器)、CPU(central processing unit，中央处理器)等都都属于IP核。下文以CPU的功耗值的计算为例，对本申请的方案进行说明。
芯片从生产到应用到手机上，至少包括测试阶段以及用户使用阶段。本申请实施例中的电子设备，在前两个阶段对芯片进行测试以确定出功耗模型，并在经过测试后，将功耗模型部署在电子设备上，在用户使用阶段就可以直接采集相关状态参数输入该功耗模型，计算出功耗值并进行输出。
接下来，对功耗模型的建模过程进行说明。
其中，在一实施例中，在芯片的仿真阶段或者测试阶段，通过一些基础测试案例对CPU的功耗情况进行测试，在测试过程中采集CPU内部的一些局部参数，例如获取CPU的各个电路单元在多个第一维度上的第一状态参数，同时获取对应的实测功耗值。
例如，CPU包括计算单元、存储单元和外围电路单元等多个电路单元，对于每一个电路单元，可以采集其利用率、关键信号线上的信号翻转信息、时钟开关状态信息、使能状态信息、调频调压状态信息等多个第一维度上的第一状态参数。其中，利用率是指电路单元在运行中实际使用的资源在全部资源中占用的比例，例如，计算单元中包括100个计算子单元，但是采集利用率时，只有其中50个计算子单元在工作，则利用率为0.5。
假设一共采集了m个电路单元的状态参数，每个电路单元对应于n个维度的状态参数，则一共得到m*n个状态参数。并且，在测试过程中可以采集多组测试数据，一组数据中包括m*n个状态参数，以及与之对应的实测功耗值F。F与这些状态参数之间具有如下函数关系：F＝f(x11，x12……xmn)。基于获取的多组测试数据对该函数的曲线进行拟合，确定出模型参数，这些模型参数可以包括各个状态参数对应的运算系数。
在102中，获取与目标IP核匹配的目标功耗模型。
在103中，根据多个第一状态参数，以及目标功耗模型，计算目标IP核的功耗值。
而在电子设备的实际运行过程中，当需要进行CPU的功耗值的计算时，获取CPU内部的多个电路单元在第一维度上的第一状态参数，并获取预先部署好的与CPU对应的功耗模型作为目标功耗模型，将获取的这些状态参数输入到该功耗模型中，计算得到CPU的功耗值。
其中，计算得到的功耗值可以应用到CPU的EAS(EnergyAwareScheduling，能量感知调度)策略中；或者，也可以应用到基于功耗的温度控制策略中，基于功耗与发热的关系，计算出当前温度达到控制温度需要降低的功耗值，进而执行相关操作，对CPU的相关运行参数进行限制，以达到温控的目的。
具体实施时，本申请不受所描述的各个步骤的执行顺序的限制，在不产生冲突的情况下，某些步骤还可以采用其它顺序进行或者同时进行。
由上可知，本申请实施例提供的电子设备的功耗确定方法，在计算电子设备的某IP核的功耗值时，获取该IP核内部的各个电路单元在第一维度上的第一状态参数，同时获取与该目标IP核匹配的目标功耗模型，根据获取的上述数据计算该目标IP核的功耗值。由于IP核一般包括多个电路单元，而每个电路单元在各个维度上的状态参数反映该IP核内部的电路单元的运行情况，本方案从IP核内部的各电路单元出发，采集其状态参数，并结合与该目标IP核匹配的功耗模型计算功耗值，提高了功耗值计算的准确度。
上文中以CPU为例对本申请实施例的方案进行了说明，可以理解的是，对于电子设备中的多个IP核，可以按照上述同样的原理，可以在其所在芯片的测试阶段，构建出一个与之对应的功耗模型。分别将这多个功耗模型部署在电子设备中。
请参阅图2，图2为本申请实施例提供的电子设备的功耗确定方法的第二种流程示意图。本申请实施例提供的电子设备的功耗确定方法包括：
在201中，获取目标IP核内部的多个电路单元在第一维度上的第一状态参数。
当需要计算目标IP核的功耗值时，获取该目标IP核内部的多个电路单元在第一维度上的第一状态参数，例如，对于每一个电路单元，获取该电路的一个或者多个关键路径的信号翻转信息，相对于IP核宏观上、整体上的运行参数(如工作电压、工作频率)而言，关键路径的信号翻转信息能够更加直观、准确地从局部或者微观的角度反映出电路的功耗情况。
当功耗模型为首次应用时，执行202；当功耗模型不是首次应用时，执行205。
在202中，确定目标IP核所在的芯片对应的芯片类型。
在203中，从多个预设模型参数中，获取与芯片类型匹配的预设模型参数作为目标模型参数。
在204中，根据目标模型参数确定目标功耗模型，并将目标模型参数设置为默认模型参数。
在205中，根据默认模型参数确定目标功耗模型。
在206中，根据多个第一状态参数，以及目标功耗模型，计算目标IP核的功耗值。
该实施例中的芯片类型是指芯片的工艺角。
电子设备上的多个器件一般集成在一个或者多个芯片上。在芯片的生产过程中，一个晶圆可以切割出多个芯片。在CMOS(Complementary Metal Oxide Semiconductor，互补金属氧化物半导体)工艺中，不同晶圆之间和不同批次之间，MOS管(MOSFET的缩写，Metal-Oxide-Semiconductor Field-Effect Transistor，金属-氧化物半导体场效应晶体管，简称金氧半场效晶体管)参数的变化会很大。为了能减小芯片设计的难度，设计者要保证电路性能在一定可控的范围内，通常呈现给设计者的形式是以“工艺角”(processcorner)来表示。工艺角分为FF、SS、TT、FS及SF。其中TT是指typical corner。Typical表示晶体管饱和电流的平均值。单一器件所测的结果是呈正态分布的，均值为TT，SS为最小限制，FF为最大限制。
对于不同工艺角的芯片来说，在构建功耗模型时，可以从大批量的芯片中选择一定比例的包含有多种工艺角类型的芯片，采集测试数据进行拟合。
在一实施例中，可以拟合出一条能够覆盖多种工艺角的曲线，确定出一组模型参数，适用于多种工艺角的芯片。
在另一些实施例中，还可以针对每一种工艺角拟合出一条曲线，得到分别与每一工艺角对应的模型参数。在将功耗模型部署在电子设备上时，将功耗模型的模型参数设置为可读可写，同时可以将TT对应的模型参数设置为默认的模型参数，并写入到功耗模型中。同时FF、SS、TT、FS及SF各自对应的模型参数存储在存储器中。
仍然以IP核为CPU为例，根据CPU的功耗模型计算CPU的功耗值。
如果该模型是首次应用，则获取CPU所在的芯片的工艺角，比如，该电子设备的CPU所在的芯片的工艺角为FF，则从存储器中的多个预设模型参数中，获取FF对应的模型参数，作为目标模型参数，并将该目标模型参数更新到功耗模型中，将更新模型参数后的功耗模型作为目标功耗模型。将获取到的多个第一状态参数输入到目标功耗模型中，计算得到CPU当前的功耗值。
可以理解的是，芯片的工艺角是固定不变的，因此，在功耗第一次应用更新了模型参数的同时，将该模型参数设置为默认模型参数，当再次使用该功耗模型时，可以直接计算功耗值，无需重新确定模型参数。
根据前面实施例所描述的方法，以下对功耗值的计算过程的具体实现方式进行说明。
方式一，在一些实施例中，根据多个第一状态参数，以及目标功耗模型，计算目标IP核的功耗值的步骤可以包括：
通过逻辑门电路，以及输入至逻辑门电路的多个第一状态参数，计算目标IP核的功耗值，其中，逻辑门电路与多个电路单元连接，多个电路单元分别输出对应的第一状态参数至逻辑门电路。
该实施例中，通过硬件逻辑算法实现功耗值的计算。例如，通过逻辑门电路实现功耗模型，其中，在芯片上增加一个逻辑门电路，该逻辑门电路与多个电路单元连接，多个电路单元能够直接将关键路径上的信号翻转信息等第一状态参数输入到该逻辑门电路中，该逻辑门电路按照模型参数对这些参数进行逻辑运算，如进行乘加运算，输出功耗值。
其中，该逻辑门电路可以由开发人员根据电路单元的数量、第一维度的数量以及乘加运算的需求来设计。
方式二，在一些实施例中，目标功耗模型为人工智能模型；根据多个第一状态参数，以及目标功耗模型，计算目标IP核的功耗值的步骤可以包括：
获取目标IP核在第二维度上的第二状态参数；
根据多个第一状态参数、第二状态参数以及预先训练好的人工智能模型，计算目标IP核的功耗值。
该实施例中，构建人工智能模型作为功耗模型。
除了上文中第一维度上的第一状态参数之外，还要采集目标IP核在第二维度上的第二状态参数。以CPU为例，第二状态参数可以包括每个CPU核的负载、CPU上任务的执行时间等；以DDR为例，第二状态参数可以是内存命中率等参数。其中，第一维度上的第一状态参数是从IP核内部的电路上采集，能够直观、准确地从局部或者微观的角度反映出电路的功耗情况，而第二维度上的第二状态参数是采集IP核的整体或者说宏观上的相关参数。
本实施例中，结合这两种维度上的参数训练人工智能模型，得到功耗模型。
例如，可以在电子设备的测试阶段进行建模，比如，通过在电子设备上运行一些应用程序，对CPU的功耗情况进行测试，在测试过程中采集上述第一状态参数和第二状态参数，同时获取对应的实测功耗值。一组第一状态参数和第二状态参数，及其对应的实测功耗值构成一条训练数据，通过测试采集大量的，例如，可以采集数十万条的训练数据，对预先构建的人工智能模型进行训练，确定出模型参数。
其中，可以根据实际使用的第一维度和第二维度，以及参数的复杂度来选择AI(Artificial Intelligence，人工智能)算法构建人工智能模型，例如，AI算法可以是线性回归算法、卷积神经网络或者MLP(Multi-Layer Perceptron，多层感知器)算法等。
方式三，在一些实施例中，目标功耗模型包括硬件逻辑模型和人工智能模型，其中，硬件逻辑模型通过逻辑门电路实现。
根据多个第一状态参数，以及目标功耗模型，计算目标IP核的功耗值的步骤可以包括：
获取目标IP核在第二维度上的第二状态参数；
通过逻辑门电路，以及输入至逻辑门电路的多个第一状态参数，计算目标IP核的第一功耗值；
根据多个第一状态参数、第二状态参数以及预先训练好的人工智能模型，计算目标IP核的第二功耗值；
根据第一功耗值、第二功耗值、第一功耗值对应的第一权重、第二功耗值对应的第二权重，计算目标IP核的功耗值。
该实施例中，功耗模型包括硬件逻辑模型和人工智能模型。根据第一维度的参数和硬件逻辑模型计算得到第一功耗值，根据第一维度和第二维度的参数和人工智能模型计算得到第二功耗值，再按照第一功耗值、第二功耗值、第一功耗值对应的第一权重、第二功耗值对应的第二权重，计算目标IP核的功耗值。第一权重a和第二权重b，可以按照F＝aF1+bF2进行拟合，得到a和b的值。其中，硬件逻辑模型的实现方式参照上述方式一的实施例，人工智能模型的实现方式参照上述方式二的实施例。
可以理解的是，上述三种计算功耗值的方案都与图2对应的实施例中的根据芯片的工艺角确定模型参数的方案进行结合应用。例如，人工智能模型也可以根据工艺角的不同，训练得到多组模型参数，比如，对于TT芯片来说，在芯片类型为TT的电子设备上进行测试获取训练数据，进行模型的训练，进而得到TT对应的模型参数。
请参阅图3，图3为本申请实施例提供的电子设备的功耗确定方法的一种模型构架示意图。在一些实施例中，功耗模型包括硬件逻辑模型和人工智能模型，将该功耗模型作为一个整体部署在电子设备中，其中的两个子模型可以为两个分支。电子设备根据功耗应用场景的不同，选择上述三种方式中的任意一种计算功耗值。比如，获取目标IP核的多个电路单元在第一维度上的第一状态参数之前，还包括：确定当前的功耗应用场景；根据功耗应用场景，确定目标功耗计算模式。获取与目标IP核匹配的目标功耗模型，包括：根据目标功耗计算模式和目标IP核，确定匹配的目标功耗模型。
当需要使用功耗模型计算功耗值时，先确定当前的功耗场景，在根据功耗场景确定目标功耗计算模式，其中，功耗计算模式可以包括：第一功耗计算模式，采用上文中的方式一计算功耗值；第二功耗计算模式，采用上文中的方式二计算功耗值；第三功耗计算模式，采用上文中的方式三计算功耗值。
例如，当使用功耗模型计算功耗值，并应用到EAS策略时，只需采集第一状态参数，使用其中的硬件逻辑模型这个分支计算功耗值。当使用功耗模型计算功耗值，并应用到温控策略中时，采集第一状态参数和第二状态参数，使用其中的人工智能模型这个分支计算功耗值。当功耗应用场景为其他场景时，采集第一状态参数和第二状态参数，同时使用硬件逻辑模型和人工智能模型，并对结果进行加权计算得到功耗值。
需要说明的是，上述功耗应用场景仅为举例说明，实际应用中可以根据需要设置应用场景，并选择对应的功耗模型计算功耗值。
上述实施例的功耗确定方案，提供一种基于IP核硬件模块和软件AI算法的功耗模型构建策略，不仅采集到IP核内部更细节的工作状态信息，而且结合更多维度的状态数据，能够准确高效地估算出单位时间内IP核的功耗。
在一实施例中还提供一种电子设备的功耗确定装置。请参阅图4，图4为本申请实施例提供的电子设备的功耗确定装置300的结构示意图。其中该电子设备的功耗确定装置300应用于电子设备，该电子设备的功耗确定装置300包括参数获取模块301、模型确定模块302以及功耗计算模块301，如下：
参数获取模块301，用于获取目标IP核内部的多个电路单元在第一维度上的第一状态参数；
模型确定模块302，用于获取与所述目标IP核匹配的目标功耗模型；
功耗计算模块301，用于根据多个所述第一状态参数，以及所述目标功耗模型，计算所述目标IP核的功耗值。
在一些实施例中，模型确定模块302还用于：当功耗模型为首次应用时，确定所述目标IP核所在的芯片对应的芯片类型；从多个预设模型参数中，获取与所述芯片类型匹配的预设模型参数作为目标模型参数；根据所述目标模型参数确定目标功耗模型，并将所述目标模型参数设置为默认模型参数；
当功耗模型不是首次应用时，根据所述默认模型参数确定目标功耗模型。
在一些实施例中，模型确定模块302还用于：确定当前的功耗应用场景；根据所述功耗应用场景，确定目标功耗计算模式；
以及，根据所述目标功耗计算模式和所述目标IP核，确定匹配的目标功耗模型。
在一些实施例中，功耗计算模块301还用于：通过所述逻辑门电路，以及输入至所述逻辑门电路的多个所述第一状态参数，计算所述目标IP核的功耗值，其中，所述逻辑门电路与所述多个电路单元连接，所述多个电路单元分别输出对应的第一状态参数至所述逻辑门电路。
在一些实施例中，功耗计算模块301还用于：获取所述目标IP核在第二维度上的第二状态参数；根据多个所述第一状态参数、所述第二状态参数以及预先训练好的所述人工智能模型，计算所述目标IP核的功耗值。
在一些实施例中，所述目标功耗模型包括硬件逻辑模型和人工智能模型，其中，所述硬件逻辑模型通过逻辑门电路实现；功耗计算模块301还用于：获取所述目标IP核在第二维度上的第二状态参数；通过所述逻辑门电路，以及输入至所述逻辑门电路的多个所述第一状态参数，计算所述目标IP核的第一功耗值；根据多个所述第一状态参数、所述第二状态参数以及预先训练好的所述人工智能模型，计算所述目标IP核的第二功耗值；根据所述第一功耗值、所述第二功耗值、第一功耗值对应的第一权重、第二功耗值对应的第二权重，计算所述目标IP核的功耗值。
应当说明的是，本申请实施例提供的电子设备的功耗确定装置与上文实施例中的电子设备的功耗确定方法属于同一构思，通过该电子设备的功耗确定装置可以实现电子设备的功耗确定方法实施例中提供的任一方法，其具体实现过程详见电子设备的功耗确定方法实施例，此处不再赘述。
由上可知，本申请实施例提出的电子设备的功耗确定装置，该装置包括参数获取模块301、模型确定模块302以及功耗计算模块301，其中，在计算电子设备的某IP核的功耗值时，参数获取模块301获取该IP核内部的各个电路单元在第一维度上的第一状态参数，同时模型确定模块302获取与该目标IP核匹配的目标功耗模型，功耗计算模块301根据获取的上述数据计算该目标IP核的功耗值。由于IP核一般包括多个电路单元，而每个电路单元在各个维度上的状态参数反映该IP核内部的电路单元的运行情况，本方案从IP核内部的各电路单元出发，采集状态参数，并结合与该目标IP核匹配的功耗模型计算功耗值，提高了功耗值计算的准确度。
本申请实施例还提供一种电子设备。所述电子设备可以是智能手机、平板电脑等设备。请参阅图5，图5为本申请实施例提供的电子设备的第一种结构示意图。电子设备400包括处理器401和存储器402。其中，处理器401与存储器402电性连接。
处理器401是电子设备400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，通过运行或调用存储在存储器402内的计算机程序，以及调用存储在存储器402内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。
存储器402可用于存储计算机程序和数据。存储器402存储的计算机程序中包含有可在处理器中执行的指令。计算机程序可以组成各种功能模块。处理器401通过调用存储在存储器402的计算机程序，从而执行各种功能应用以及数据处理。
在本实施例中，电子设备400中的处理器401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402中，并由处理器401来运行存储在存储器402中的计算机程序，从而实现各种功能：
获取目标IP核内部的多个电路单元在第一维度上的第一状态参数；
获取与所述目标IP核匹配的目标功耗模型；
根据多个所述第一状态参数，以及所述目标功耗模型，计算所述目标IP核的功耗值。
在一些实施例中，请参阅图6，图6为本申请实施例提供的电子设备的第二种结构示意图。电子设备400还包括：射频电路403、显示屏404、控制电路405、输入单元406、音频电路407、传感器408以及电源409。其中，处理器401分别与射频电路403、显示屏404、控制电路405、输入单元406、音频电路407、传感器408以及电源409电性连接。
射频电路403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进行通信。
显示屏404可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口，这些图形用户接口可以由图像、文本、图标、视频和其任意组合来构成。
控制电路405与显示屏404电性连接，用于控制显示屏404显示信息。
输入单元406可用于接收输入的数字、字符信息或用户特征信息(例如指纹)，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。其中，输入单元406可以包括指纹识别模组。
音频电路407可通过扬声器、传声器提供用户与电子设备之间的音频接口。其中，音频电路407包括麦克风。所述麦克风与所述处理器401电性连接。所述麦克风用于接收用户输入的语音信息。
传感器408用于采集外部环境信息。传感器408可以包括环境亮度传感器、加速度传感器、陀螺仪等传感器中的一种或多种。
电源409用于给电子设备400的各个部件供电。在一些实施例中，电源409可以通过电源管理系统与处理器401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。
虽然图中未示出，电子设备400还可以包括摄像头、蓝牙模块等，在此不再赘述。
在本实施例中，电子设备400中的处理器401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402中，并由处理器401来运行存储在存储器402中的计算机程序，从而实现各种功能：
获取目标IP核内部的多个电路单元在第一维度上的第一状态参数；
获取与所述目标IP核匹配的目标功耗模型；
根据多个所述第一状态参数，以及所述目标功耗模型，计算所述目标IP核的功耗值。
由上可知，本申请实施例提供了一种电子设备，所述电子设备在计算某IP核的功耗值时，获取该IP核内部的各个电路单元在第一维度上的第一状态参数，同时获取与该目标IP核匹配的目标功耗模型，根据获取的上述数据计算该目标IP核的功耗值。由于IP核一般包括多个电路单元，而每个电路单元在各个维度上的状态参数反映该IP核内部的电路单元的运行情况，本方案从IP核内部的各电路单元出发，采集状态参数，并结合与该目标IP核匹配的功耗模型计算功耗值，提高了功耗值计算的准确度。
此外，本申请还提供一种一种电子设备，所述电子设备包括处理芯片，所述处理芯片包括至少一个IP核，所述IP核包括多个电路单元，所述处理芯片还包括逻辑门电路，所述逻辑门电路与所述多个电路单元连接，其中，所述逻辑门电路用于：获取所述IP核内部的多个所述电路单元在第一维度上的第一状态参数；以及，根据多个所述第一状态参数和硬件逻辑算法计算所述IP核的功耗值。其中，具体的实施方式请参照上文实施例，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，所述计算机执行上述任一实施例所述的电子设备的功耗确定方法。
需要说明的是，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计算机程序来指令相关的硬件来完成，所述计算机程序可以存储于计算机可读存储介质中，所述计算机可读存储介质可以包括但不限于：只读存储器(ROM，ReadOnly Memory)、随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。
此外，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。
以上对本申请实施例所提供的电子设备的功耗确定方法、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 (11)

1.一种电子设备的功耗确定方法，其特征在于，包括：
获取目标IP核内部的多个电路单元在第一维度上的第一状态参数；
获取与所述目标IP核匹配的目标功耗模型；
根据多个所述第一状态参数，以及所述目标功耗模型，计算所述目标IP核的功耗值。
2.如权利要求1所述的电子设备的功耗确定方法，其特征在于，所述获取与所述目标IP核匹配的目标功耗模型，包括：
当功耗模型为首次应用时，确定所述目标IP核所在的芯片对应的芯片类型；
从多个预设模型参数中，获取与所述芯片类型匹配的预设模型参数作为目标模型参数；
根据所述目标模型参数确定目标功耗模型，并将所述目标模型参数设置为默认模型参数；
当功耗模型不是首次应用时，根据所述默认模型参数确定目标功耗模型。
3.如权利要求1所述的电子设备的功耗确定方法，其特征在于，所述获取目标IP核的多个电路单元在第一维度上的第一状态参数之前，还包括：
确定当前的功耗应用场景；
根据所述功耗应用场景，确定目标功耗计算模式；
所述获取与所述目标IP核匹配的目标功耗模型，包括：
根据所述目标功耗计算模式和所述目标IP核，确定匹配的目标功耗模型。
4.如权利要求1至3任一项所述的电子设备的功耗确定方法，其特征在于，所述根据多个所述第一状态参数，以及所述目标功耗模型，计算所述目标IP核的功耗值，包括：
通过所述逻辑门电路，以及输入至所述逻辑门电路的多个所述第一状态参数，计算所述目标IP核的功耗值，其中，所述逻辑门电路与所述多个电路单元连接，所述多个电路单元分别输出对应的第一状态参数至所述逻辑门电路。
5.如权利要求1至3任一项所述的电子设备的功耗确定方法，其特征在于，所述目标功耗模型为人工智能模型；所述根据多个所述第一状态参数，以及所述目标功耗模型，计算所述目标IP核的功耗值，包括：
获取所述目标IP核在第二维度上的第二状态参数；
根据多个所述第一状态参数、所述第二状态参数以及预先训练好的所述人工智能模型，计算所述目标IP核的功耗值。
6.如权利要求1至3任一项所述的电子设备的功耗确定方法，其特征在于，所述目标功耗模型包括硬件逻辑模型和人工智能模型，其中，所述硬件逻辑模型通过逻辑门电路实现；
所述根据多个所述第一状态参数，以及所述目标功耗模型，计算所述目标IP核的功耗值，包括：
获取所述目标IP核在第二维度上的第二状态参数；
通过所述逻辑门电路，以及输入至所述逻辑门电路的多个所述第一状态参数，计算所述目标IP核的第一功耗值；
根据多个所述第一状态参数、所述第二状态参数以及预先训练好的所述人工智能模型，计算所述目标IP核的第二功耗值；
根据所述第一功耗值、所述第二功耗值、第一功耗值对应的第一权重、第二功耗值对应的第二权重，计算所述目标IP核的功耗值。
7.一种电子设备的功耗确定装置，其特征在于，包括：
参数获取模块，用于获取目标IP核内部的多个电路单元在第一维度上的第一状态参数；
模型确定模块，用于获取与所述目标IP核匹配的目标功耗模型；
功耗计算模块，用于根据多个所述第一状态参数，以及所述目标功耗模型，计算所述目标IP核的功耗值。
8.如权利要求1所述的电子设备的功耗确定装置，其特征在于，所述目标功耗模型为人工智能模型；功耗计算模块还用于：
获取所述目标IP核在第二维度上的第二状态参数；
根据多个所述第一状态参数、所述第二状态参数以及预先训练好的所述人工智能模型，计算所述目标IP核的功耗值。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，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6任一项所述的电子设备的功耗确定方法。
10.一种电子设备，包括处理器和存储器，所述存储器存储有计算机程序，其特征在于，所述处理器通过调用所述计算机程序，用于执行如权利要求1至6任一项所述的电子设备的功耗确定方法。
11.一种电子设备，所述电子设备包括处理芯片，其特征在于，所述处理芯片包括至少一个IP核，所述IP核包括多个电路单元，所述处理芯片还包括逻辑门电路，所述逻辑门电路与所述多个电路单元连接，其中，所述逻辑门电路用于：获取所述IP核内部的多个所述电路单元在第一维度上的第一状态参数；以及，根据多个所述第一状态参数和硬件逻辑算法计算所述IP核的功耗值。
CN202011242680.XA 2020-11-09 2020-11-09 电子设备的功耗确定方法、装置、存储介质及电子设备 Pending CN114461481A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011242680.XA CN114461481A (zh) 2020-11-09 2020-11-09 电子设备的功耗确定方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011242680.XA CN114461481A (zh) 2020-11-09 2020-11-09 电子设备的功耗确定方法、装置、存储介质及电子设备

Publications (1)

Publication Number Publication Date
CN114461481A true CN114461481A (zh) 2022-05-10

Family

ID=81404942

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011242680.XA Pending CN114461481A (zh) 2020-11-09 2020-11-09 电子设备的功耗确定方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN114461481A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116054297A (zh) * 2022-05-30 2023-05-02 荣耀终端有限公司 一种充电方法、装置及电子设备
CN116070558A (zh) * 2023-02-28 2023-05-05 摩尔线程智能科技(北京)有限责任公司 功耗确定系统、方法、装置、计算机设备及存储介质
CN117743127A (zh) * 2024-02-09 2024-03-22 广州紫麦科技有限公司 笔记本电脑的功耗数据分析方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116054297A (zh) * 2022-05-30 2023-05-02 荣耀终端有限公司 一种充电方法、装置及电子设备
CN116054297B (zh) * 2022-05-30 2024-03-29 荣耀终端有限公司 一种充电方法、装置及电子设备
CN116070558A (zh) * 2023-02-28 2023-05-05 摩尔线程智能科技(北京)有限责任公司 功耗确定系统、方法、装置、计算机设备及存储介质
CN117743127A (zh) * 2024-02-09 2024-03-22 广州紫麦科技有限公司 笔记本电脑的功耗数据分析方法及系统
CN117743127B (zh) * 2024-02-09 2024-05-14 广州紫麦科技有限公司 笔记本电脑的功耗数据分析方法及系统

Similar Documents

Publication Publication Date Title
CN114461481A (zh) 电子设备的功耗确定方法、装置、存储介质及电子设备
JP6919065B2 (ja) アプリケーションのプリロード方法、端末機器、および媒体
CN109948633A (zh) 用户性别预测方法、装置、存储介质及电子设备
CN107943583B (zh) 应用程序的处理方法、装置、存储介质及电子设备
CN107729081B (zh) 应用管理方法、装置、存储介质及电子设备
CN107947951A (zh) 用户群组推荐方法、装置及存储介质和服务器
CN107632697B (zh) 应用程序的处理方法、装置、存储介质及电子设备
CN107317916B (zh) 应用控制方法及相关产品
CN112509600A (zh) 模型的训练方法、装置、语音转换方法、设备及存储介质
CN107885545B (zh) 应用管理方法、装置、存储介质及电子设备
CN107678823A (zh) 移动终端应用的控制方法、装置及存储介质和移动终端
CN111078556B (zh) 应用测试方法及装置
CN111428645A (zh) 人体关键点的检测方法、装置、电子设备及存储介质
WO2019040672A1 (en) SYSTEMS AND METHODS FOR DETERMINING EFFECTS AT A CIRCUIT LEVEL ON THE PRECISION OF A CLASSIFIER
CN107728772B (zh) 应用程序的处理方法、装置、存储介质及电子设备
US20200272653A1 (en) Apparatus for searching for content using image and method of controlling same
CN108681480B (zh) 后台应用程序管控方法、装置、存储介质及电子设备
CN112381224A (zh) 神经网络训练方法、装置、设备及计算机可读存储介质
CN116522834A (zh) 时延预测方法、装置、设备及存储介质
CN115469937A (zh) 插件运行方法、装置、电子设备及存储介质
CN116579380A (zh) 一种数据处理方法以及相关设备
CN115373646A (zh) 扩展信息方法、装置和相关产品
CN111130591B (zh) 天线调谐方法、天线调谐装置及终端设备
CN108829600B (zh) 算法库的测试方法、装置、存储介质和电子设备
CN114692824A (zh) 一种神经网络模型的量化训练方法、装置和设备

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