TWI796887B - 繪圖資源調度方法與繪圖資源調度系統 - Google Patents
繪圖資源調度方法與繪圖資源調度系統 Download PDFInfo
- Publication number
- TWI796887B TWI796887B TW110147988A TW110147988A TWI796887B TW I796887 B TWI796887 B TW I796887B TW 110147988 A TW110147988 A TW 110147988A TW 110147988 A TW110147988 A TW 110147988A TW I796887 B TWI796887 B TW I796887B
- Authority
- TW
- Taiwan
- Prior art keywords
- description information
- target
- graphics
- type
- performance
- Prior art date
Links
Images
Landscapes
- User Interface Of Digital Computer (AREA)
- Image Generation (AREA)
Abstract
一種繪圖資源調度方法與繪圖資源調度系統。所述方法包括:根據第一類描述資訊與第二類描述資訊建立推理模型,其中所述第一類描述資訊包括與適於安裝於用戶設備的繪圖介面模組有關的描述資訊,且所述第二類描述資訊包括與適於安裝於遠端設備的繪圖驅動模組有關的描述資訊;由所述推理模型根據與目標用戶設備的目標繪圖介面模組有關的描述資訊產生配對資訊,其中所述配對資訊用以將所述目標用戶設備與目標遠端設備進行配對;以及根據所述配對資訊指示所述目標用戶設備搭配所述目標遠端設備執行遠端電腦繪圖。
Description
本發明是有關於一種運算資源調度技術,且特別是有關於一種繪圖資源調度方法與繪圖資源調度系統。
目前市面上的可攜式電子裝置(例如智慧型手機或平板電腦)的體積越做越小,使得裝置的電腦運算效能也隨之下降。因此,遠端繪圖這樣的技術概念也被提出,以藉由遠端設備協助本地用戶設備進行遠端電腦繪圖,以改善本地用戶設備運算效能不足之缺陷。然而,實務上,本地用戶設備執行的繪圖介面模組與遠端設備所採用的繪圖驅動模組可能彼此相容也可能彼此不相容,甚至即使彼此相容也可能發生雙方版本不符等問題而導致遠端電腦繪圖的運作效率低落。
本發明提供一種繪圖資源調度方法與繪圖資源調度系統,可提高遠端電腦繪圖的運作效率。
本發明的實施例提供一種繪圖資源調度方法,其包括:根據第一類描述資訊與第二類描述資訊建立推理模型,其中所述第一類描述資訊包括與適於安裝於用戶設備的繪圖介面模組有關的描述資訊,且所述第二類描述資訊包括與適於安裝於遠端設備的繪圖驅動模組有關的描述資訊;由所述推理模型根據與目標用戶設備的目標繪圖介面模組有關的描述資訊產生配對資訊,其中所述配對資訊用以將所述目標用戶設備與目標遠端設備進行配對;以及根據所述配對資訊指示所述目標用戶設備搭配所述目標遠端設備執行遠端電腦繪圖。
本發明的實施例另提供一種繪圖資源調度系統,其包括儲存電路與處理器。所述儲存電路用以儲存第一類描述資訊、第二類描述資訊及推理模型。所述處理器耦接至所述儲存電路並用以:根據所述第一類描述資訊與所述第二類描述資訊建立所述推理模型,其中所述第一類描述資訊包括與適於安裝於用戶設備的繪圖介面模組有關的描述資訊,且所述第二類描述資訊包括與適於安裝於遠端設備的繪圖驅動模組有關的描述資訊;運行所述推理模型,以根據與目標用戶設備的目標繪圖介面模組有關的描述資訊產生配對資訊,其中所述配對資訊用以將所述目標用戶設備與目標遠端設備進行配對;以及根據所述配對資訊指示所述目標用戶設備搭配所述目標遠端設備執行遠端電腦繪圖。
基於上述,在根據第一類描述資訊與第二類描述資訊建立推理模型後,所述推理模型可根據與目標用戶設備的目標繪圖介面模組有關的描述資訊產生配對資訊,以將所述目標用戶設備與目標遠端設備進行配對。爾後,所述目標用戶設備可根據所述配對資訊來搭配所述目標遠端設備執行遠端電腦繪圖。藉此,可有效提高遠端電腦繪圖的運作效率。
圖1是根據本發明的實施例所繪示的繪圖資源調度系統的示意圖。請參照圖1,繪圖資源調度系統10可設置於智慧型手機、平板電腦、筆記型電腦、桌上型電腦、工業電腦或伺服器等各式具有資料處理以及通訊功能的電子裝置中。
繪圖資源調度系統10包括處理器11、儲存電路12及輸入/輸出(I/O)介面13。處理器11用以負責繪圖資源調度系統10的整體或部分運作。例如,處理器11可包括中央處理單元(Central Processing Unit, CPU)、圖形處理器(graphics processing unit, GPU)、或是其他可程式化之一般用途或特殊用途的微處理器、數位訊號處理器(Digital Signal Processor, DSP)、可程式化控制器、特殊應用積體電路(Application Specific Integrated Circuits, ASIC)、可程式化邏輯裝置(Programmable Logic Device, PLD)或其他類似裝置或這些裝置的組合。
儲存電路12用以儲存資料。例如,儲存電路12可包括揮發性儲存電路與非揮發性儲存電路。揮發性儲存電路用以揮發性地儲存資料。例如,揮發性儲存電路可包括隨機存取記憶體(Random Access Memory, RAM)或類似的揮發性儲存媒體。非揮發性儲存電路用以非揮發性地儲存資料。例如,非揮發性儲存電路可包括唯讀記憶體(Read Only Memory, ROM)、固態硬碟(solid state disk, SSD)、傳統硬碟(Hard disk drive, HDD)或類似的非揮發性儲存媒體。
輸入/輸出(I/O)介面13可包括通訊電路(例如網路介面卡)、滑鼠、鍵盤、螢幕、觸控螢幕、揚聲器及/或麥克風等各式訊號的輸出/輸出裝置。本發明不限制輸入/輸出介面13的裝置類型。
儲存電路12可用以儲存描述資訊(亦稱為第一類描述資訊)101、描述資訊(亦稱為第二類描述資訊)102及推理模型121。描述資訊101包括與適於安裝於用戶設備的繪圖介面模組有關的描述資訊。描述資訊102包括與適於安裝於遠端設備(亦稱為伺服器設備)的繪圖驅動模組有關的描述資訊。
在一實施例中,用戶設備可基於所安裝的繪圖介面模組來執行圖形內容的顯示。例如,用戶設備可包括智慧型手機、平板電腦、筆記型電腦、桌上型電腦或遊戲機等各式適合於用戶端進行圖形內容之顯示的電腦設備。描述資訊101可用以描述適於安裝於用戶設備的各式繪圖介面模組。例如,描述資訊101可包括繪圖介面模組中的一或多個程式模組的名稱及版本資訊。
在一實施例中,描述資訊101包括繪圖介面模組中的渲染器(renderer)與繪圖應用程式的至少其中之一之描述資訊,以對繪圖介面模組中的渲染器及/或繪圖應用程式等程式、資料庫或驅動軟體進行描述。例如,描述資訊101可包括渲染器及/或繪圖應用程式的名稱及版本資訊。
在一實施例中,遠端設備可基於所安裝的繪圖驅動模組來執行遠端電腦繪圖。例如,遠端設備可包括桌上型電腦、工業電腦或伺服器等各式適合於伺服器端協助用戶設備進行遠端電腦繪圖的電腦設備。描述資訊102可用以描述適於安裝於遠端設備的各式繪圖驅動模組。例如,描述資訊102可包括繪圖驅動模組中的一或多個程式模組的名稱及版本資訊。
在一實施例中,描述資訊102包括繪圖驅動模組中的繪圖驅動器(graphic driver)與繪圖應用程式介面(Application Programming Interface, API)的至少其中之一之描述資訊,以對繪圖驅動模組中的繪圖驅動器與繪圖應用程式介面等程式、資料庫或驅動軟體進行描述。例如,描述資訊102可包括繪圖驅動器及/或繪圖應用程式介面的名稱及版本資訊。
處理器11可根據描述資訊101與102來訓練並建立推理模型121。例如,推理模型121可包括深度學習(deep learning)模型或神經網路(Neural Network)模型等各式可經由訓練來自主執行特定功能的人工智慧模型。
圖2是根據本發明的實施例所繪示的訓練推理模型的示意圖。請參照圖2,假設訓練資料集21包括描述資訊211與212,且訓練資料集22包括描述資訊221與222。描述資訊211與221屬於第一類描述資訊。描述資訊212與222屬於第二類描述資訊。例如,描述資訊211描述了用戶設備中的特定渲染器(例如Virgl)與特定繪圖應用程式(例如Halo)之組合。例如,描述資訊221描述了用戶設備中的特定渲染器(例如Zink)與特定繪圖應用程式(例如Tomb Raider)之組合。例如,描述資訊212描述了遠端設備中的特定繪圖驅動器(例如Mesa,其版本為19.1.x)與特定繪圖應用程式介面(例如OpenGL)之組合。例如,描述資訊222描述了遠端設備中的特定繪圖驅動器(例如Mesa,其版本為21.1.x)與特定繪圖應用程式介面(例如Vulkan)之組合。
訓練資料集21與22可用以訓練並建立推理模型121。特別是,以訓練資料集21為例,單一個訓練資料集21中同時包含了與用戶設備所採用的特定繪圖介面模組有關的描述資訊211以及與遠端設備所採用的特定繪圖驅動模組有關的描述資訊212。因此,在訓練推理模型121的過程中,特定的繪圖介面模組與繪圖驅動模組之組合可被用以訓練推理模型121。
須注意的是,圖2的訓練資料集21與22中的描述資訊僅為範例,而非用以限定本發明。此外,訓練資料集21與22中還可以包括更多有用的資訊,以協助對推理模型121進行訓練,本發明不加以限制。此外,更多的訓練資料集亦可用以訓練並建立推理模型121,本發明不加以限制。
請回到圖1,在一實施例中,儲存電路12還可用以儲存效能參考資訊103。效能參考資訊103包括用戶端的繪圖介面模組與伺服器端的繪圖驅動模組相互搭配所預估達到的繪圖效能之評估資訊。處理器11亦可根據描述資訊101、描述資訊102及效能參考資訊103來訓練並建立推理模型121。
在一實施例中,處理器11可對網際網路(Internet)上的資源執行關鍵字搜索。例如,處理器11可針對常見的電腦繪圖領域中常見的渲染器、繪圖應用程式、繪圖驅動器及繪圖應用程式介面建立多個關鍵字。處理器11可根據此些關鍵字從網際網路中搜尋相關資訊。然後,處理器11可根據搜索結果更新描述資訊101、描述資訊102及效能參考資訊103的至少其中之一。例如,處理器11可根據所搜尋到的特定渲染器(例如Virgl)搭配特定繪圖應用程式介面(例如OpenGL)進行遠端電腦繪圖所可達到的繪圖效能(例如每秒可輸出幾個影像畫面),來更新描述資訊101、描述資訊102及效能參考資訊103。
在建立推理模型121後,處理器11可運行推理模型121,以根據與特定用戶設備(亦稱為目標用戶設備)的繪圖介面模組(亦稱為目標繪圖介面模組)有關的描述資訊(亦稱為目標描述資訊)產生配對資訊。例如,目標描述資訊可用以描述目標用戶設備所採用的繪圖介面模組。例如,目標描述資訊可包括目標用戶設備所採用的繪圖介面模組中的一或多個程式模組(例如渲染器與繪圖應用程式)的名稱及版本資訊。所述配對資訊可用以將目標用戶設備與特定的遠端設備(亦稱為目標遠端設備)進行配對。然後,處理器11可根據所述配對資訊指示目標用戶設備搭配目標遠端設備執行遠端電腦繪圖。
在一實施例中,在遠端電腦繪圖中,目標用戶設備可將繪圖請求傳送給目標遠端設備。響應於所述繪圖請求,目標遠端設備可基於特定繪圖驅動模組執行電腦繪圖並將電腦繪圖的繪圖結果回傳給目標用戶設備。目標用戶設備可根據目標遠端設備回傳的繪圖結果經由繪圖介面模組來呈現相關圖形內容。
一般來說,用戶設備採用的不同繪圖介面模組與遠端設備採用的不同繪圖驅動模組之組合可提供不同的遠端電腦繪圖之運作效能。若目標用戶設備與目標遠端設備的配對組合不佳,則目標用戶設備搭配目標遠端設備執行的遠端電腦繪圖之運作效能可能會下降。在一實施例中,所建立的推理模型121可用以推測或建議較佳的目標用戶設備與目標遠端設備之配對組合,以提高目標用戶設備搭配目標遠端設備執行的遠端電腦繪圖之運作效能。
在一實施例中,在建立推理模型121之後,處理器11可經由輸入/輸出介面13接收與目標用戶設備的目標繪圖介面模組有關的描述資訊(即目標描述資訊)。處理器11可運行推理模型121並根據目標描述資訊從多個候選遠端設備中選擇其中之一作為目標遠端設備。爾後,處理器11可指示目標用戶設備搭配選定的目標遠端設備執行遠端電腦繪圖。
圖3是根據本發明的實施例所繪示的推理模型選擇目標遠端設備的示意圖。請參照圖3,假設目標用戶設備為用戶設備31且候選遠端設備包括遠端設備32(1)、32(2)及32(3)。用戶設備31安裝有渲染器311與繪圖應用程式312。遠端設備32(1)安裝有繪圖驅動器321(1)與繪圖應用程式介面321(2)。遠端設備32(2)安裝有繪圖驅動器322(1)與繪圖應用程式介面322(2)。遠端設備32(3)安裝有繪圖驅動器323(1)與繪圖應用程式介面323(2)。遠端設備32(1)、32(2)及32(3)中的繪圖驅動器與繪圖應用程式介面之組合彼此各不相同。
在一實施例中,推理模型121可獲得與用戶設備31有關的目標描述資訊以及與遠端設備32(1)、32(2)及32(3)有關的描述資訊。例如,目標描述資訊可包含渲染器311與繪圖應用程式312各別的名稱與版本資訊。例如,與遠端設備32(1)有關的描述資訊可包含繪圖驅動器321(1)與繪圖應用程式介面321(2)各別的名稱與版本資訊。例如,與遠端設備32(2)有關的描述資訊可包含繪圖驅動器322(1)與繪圖應用程式介面322(2)各別的名稱與版本資訊。例如,與遠端設備32(3)有關的描述資訊可包含繪圖驅動器323(1)與繪圖應用程式介面323(2)各別的名稱與版本資訊。
在一實施例中,推理模型121可根據目標描述資訊從遠端設備32(1)、32(2)及32(3)中擇一作為目標遠端設備。例如,推理模型121可根據目標描述資訊以及遠端設備32(1)、32(2)及32(3)各自的描述資訊選擇與用戶設備31中的渲染器311與繪圖應用程式312之組合搭配上可達到最佳繪圖效能的遠端設備作為目標遠端設備。例如,假設推理模型121預測出用戶設備31搭配遠端設備32(1)、32(2)及32(3)執行遠端電腦繪圖所可達到的效能分別為每秒輸出N(1)、N(2)及N(3)個影像畫面,其中N(1)大於N(2),且N(2)大於N(3)。推理模型121可根據N(1)、N(2)及N(3)選擇搭配上效能最佳的遠端設備32(1)作為目標遠端設備,以協助用戶設備31執行遠端電腦繪圖。
在一實施例中,處理器11還可持續偵測目標用戶設備搭配目標遠端設備執行的遠端電腦繪圖的繪圖效能。處理器11可判斷所述繪圖效能是否低於門檻值。若所述繪圖效能未低於門檻值,表示推理模型121當前對於目標遠端設備的選擇與推薦符合預期,故處理器11可暫不更新或調整推理模型121。另一方面,響應於所述繪圖效能低於門檻值,處理器11可檢查目標遠端設備的系統效能是否達效能上限。
若目標遠端設備的系統效能未達效能上限,表示造成遠端電腦繪圖的繪圖效能低落的原因有可能是出在推理模型121的決策邏輯。因此,響應於目標遠端設備的系統效能未達效能上限,處理器11可根據目標用戶設備的繪圖介面模組調整推理模型121。例如,處理器11可指示推理模型121降低目標用戶設備採用的繪圖介面模組與目標遠端設備採用的繪圖驅動模組之組合所可達到的繪圖效能。或者,處理器11亦可將目標用戶設備採用的繪圖介面模組中的渲染器及/或繪圖應用程式標記為不適當、無參考價值或不建議採用,以降低推理模型121對相同或相似的渲染器與繪圖應用程式之組合的效能評價。
此外,若目標遠端設備的系統效能已達效能上限,表示造成遠端電腦繪圖的繪圖效能低落的原因有可能是出在目標遠端設備的系統上的軟/硬體限制。因此,響應於目標遠端設備的系統效能已達效能上限,處理器11可提供對應於目標遠端設備的設備檢查訊息。例如,所述設備檢查訊息可經由電子郵件或簡訊等方式傳送給目標遠端設備的管理單位,以通知目標遠端設備的管理單位對目標遠端設備進行軟/硬體層面的設備檢查(例如執行設備更新或故障排除)。
圖4是根據本發明的實施例所繪示的繪圖資源調度方法的流程圖。請參照圖4,在步驟S401中,根據第一類描述資訊與第二類描述資訊建立推理模型,其中所述第一類描述資訊包括與適於安裝於用戶設備的繪圖介面模組有關的描述資訊,且所述第二類描述資訊包括與適於安裝於遠端設備的繪圖驅動模組有關的描述資訊。在步驟S402中,由所述推理模型根據與目標用戶設備的目標繪圖介面模組有關的描述資訊產生配對資訊,其中所述配對資訊用以將所述目標用戶設備與目標遠端設備進行配對。在步驟S403中,根據所述配對資訊指示所述目標用戶設備搭配所述目標遠端設備執行遠端電腦繪圖。
圖5是根據本發明的實施例所繪示的繪圖資源調度方法的流程圖。請參照圖5,在步驟S501中,偵測目標用戶設備搭配目標遠端設備執行的遠端電腦繪圖的繪圖效能。在步驟S502中,判斷所述繪圖效能是否低於門檻值。若所述繪圖效能未低於門檻值,可回到步驟S501。若所述繪圖效能低於門檻值,在步驟S503中,偵測目標遠端設備的系統效能。在步驟S504中,判斷目標遠端設備的系統效能是否達到效能上限。響應於目標遠端設備的系統效能未達效能上限,在步驟S505中,根據目標用戶設備的繪圖介面模組調整推理模型。或者,響應於目標遠端設備的系統效能已達效能上限,在步驟S506中,提供對應於目標遠端設備的設備檢查訊息。
然而,圖4與圖5中各步驟已詳細說明如上,在此便不再贅述。值得注意的是,圖4與圖5中各步驟可以實作為多個程式碼或是電路,本發明不加以限制。此外,圖4與圖5的方法可以搭配以上範例實施例使用,也可以單獨使用,本發明不加以限制。
綜上所述,本發明所提出的實施例可在訓練階段根據用戶設備可能採用的繪圖介面模組與遠端設備可能採用的繪圖驅動模組對推理模型進行配對訓練。爾後,在推理模型上線後,推理模型可根據目標用戶設備的目標描述資訊來推薦合適的目標遠端設備與目標用戶設備進行配對以協助目標用戶設備執行遠端電腦繪圖。此外,在選定目標遠端設備後,還可根據所執行的遠端電腦繪圖的繪圖效能來持續優化推理模型或通知目標遠端設備的管理單位對目標遠端設備進行設備檢查。藉此,可有效提高遠端電腦繪圖的運作效率。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
10:繪圖資源調度系統
11:處理器
12:儲存電路
13:輸入/輸出(I/O)介面
101, 102:描述資訊
103:效能參考資訊
121:推理模型
21, 22:訓練資料集
211, 212, 221, 222:描述資訊
31:用戶設備
311:渲染器
312:繪圖應用程式
32(1), 32(2), 32(3):遠端設備
321(1), 322(1), 323(1):繪圖驅動器
321(2), 322(2), 323(2):繪圖應用程式介面(API)
S401~S403, S501~S506:步驟
圖1是根據本發明的實施例所繪示的繪圖資源調度系統的示意圖。
圖2是根據本發明的實施例所繪示的訓練推理模型的示意圖。
圖3是根據本發明的實施例所繪示的推理模型選擇目標遠端設備的示意圖。
圖4是根據本發明的實施例所繪示的繪圖資源調度方法的流程圖。
圖5是根據本發明的實施例所繪示的繪圖資源調度方法的流程圖。
S401~S403:步驟
Claims (12)
- 一種繪圖資源調度方法,包括:根據第一類描述資訊與第二類描述資訊建立推理模型,其中該第一類描述資訊包括與適於安裝於用戶設備的繪圖介面模組有關的描述資訊,且該第二類描述資訊包括與適於安裝於遠端設備的繪圖驅動模組有關的描述資訊;由該推理模型根據與目標用戶設備的目標繪圖介面模組有關的目標描述資訊產生配對資訊,其中該配對資訊用以將該目標用戶設備與目標遠端設備進行配對;根據該配對資訊指示該目標用戶設備搭配該目標遠端設備執行遠端電腦繪圖;偵測該目標用戶設備搭配該目標遠端設備執行的該遠端電腦繪圖的繪圖效能;響應於該繪圖效能低於門檻值,檢查該目標遠端設備的系統效能是否達效能上限;響應於該目標遠端設備的該系統效能未達該效能上限,根據該目標用戶設備的該繪圖介面模組調整該推理模型;以及響應於該目標遠端設備的該系統效能已達該效能上限,提供對應於該目標遠端設備的設備檢查訊息。
- 如請求項1所述的繪圖資源調度方法,其中該第一類描述資訊包括該繪圖介面模組中的渲染器(renderer)與繪圖應用程式的至少其中之一之描述資訊。
- 如請求項1所述的繪圖資源調度方法,其中該第二類描述資訊包括該繪圖驅動模組中的繪圖驅動器與繪圖應用程式介面(Application Programming Interface,API)的至少其中之一之描述資訊。
- 如請求項1所述的繪圖資源調度方法,其中該根據第一類描述資訊與該第二類描述資訊建立該推理模型的步驟包括:根據該第一類描述資訊、該第二類描述資訊及效能參考資訊建立該推理模型,其中該效能參考資訊包括該繪圖介面模組與該繪圖驅動模組相互搭配所預估達到的繪圖效能之評估資訊。
- 如請求項4所述的繪圖資源調度方法,更包括:對網際網路上的資源執行關鍵字搜索;以及根據搜索結果更新該第一類描述資訊、該第二類描述資訊及該效能參考資訊的至少其中之一。
- 如請求項1所述的繪圖資源調度方法,其中由該推理模型根據與該目標用戶設備的該目標繪圖介面模組有關的該目標描述資訊產生該配對資訊的步驟包括:由該推理模型根據該目標描述資訊,從多個候選遠端設備中選擇其中之一作為該目標遠端設備。
- 一種繪圖資源調度系統,包括:儲存電路,用以儲存第一類描述資訊、第二類描述資訊及推理模型;以及 處理器,耦接至該儲存電路,其中該處理器用以:根據該第一類描述資訊與該第二類描述資訊建立該推理模型,其中該第一類描述資訊包括與適於安裝於用戶設備的繪圖介面模組有關的描述資訊,且該第二類描述資訊包括與適於安裝於遠端設備的繪圖驅動模組有關的描述資訊;運行該推理模型,以根據與目標用戶設備的目標繪圖介面模組有關的目標描述資訊產生配對資訊,其中該配對資訊用以將該目標用戶設備與目標遠端設備進行配對;根據該配對資訊指示該目標用戶設備搭配該目標遠端設備執行遠端電腦繪圖;偵測該目標用戶設備搭配該目標遠端設備執行的該遠端電腦繪圖的繪圖效能;響應於該繪圖效能低於門檻值,檢查該目標遠端設備的系統效能是否達效能上限;響應於該目標遠端設備的該系統效能未達該效能上限,根據該目標用戶設備的該繪圖介面模組調整該推理模型;以及響應於該目標遠端設備的該系統效能已達該效能上限,提供對應於該目標遠端設備的設備檢查訊息。
- 如請求項7所述的繪圖資源調度系統,其中該第一類描述資訊包括該繪圖介面模組中的渲染器(renderer)與繪圖應用程式的至少其中之一之描述資訊。
- 如請求項7所述的繪圖資源調度系統,其中該第二類描述資訊包括該繪圖驅動模組中的繪圖驅動器與繪圖應用程式介面(Application Programming Interface,API)的至少其中之一之描述資訊。
- 如請求項7所述的繪圖資源調度系統,其中該儲存電路更用以儲存效能參考資訊,且根據第一類描述資訊與該第二類描述資訊建立該推理模型的操作包括:根據該第一類描述資訊、該第二類描述資訊及效能參考資訊建立該推理模型,其中該效能參考資訊包括該繪圖介面模組與該繪圖驅動模組相互搭配所預估達到的繪圖效能之評估資訊。
- 如請求項10所述的繪圖資源調度系統,其中該處理器更用以:對網際網路上的資源執行關鍵字搜索;以及根據搜索結果更新該第一類描述資訊、該第二類描述資訊及該效能參考資訊的至少其中之一。
- 如請求項7所述的繪圖資源調度系統,其中由該推理模型根據與該目標用戶設備的該目標繪圖介面模組有關的該目標描述資訊產生該配對資訊的操作包括: 由該推理模型根據該目標描述資訊,從多個候選遠端設備中選擇其中之一作為該目標遠端設備。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110147988A TWI796887B (zh) | 2021-12-21 | 2021-12-21 | 繪圖資源調度方法與繪圖資源調度系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110147988A TWI796887B (zh) | 2021-12-21 | 2021-12-21 | 繪圖資源調度方法與繪圖資源調度系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI796887B true TWI796887B (zh) | 2023-03-21 |
TW202326591A TW202326591A (zh) | 2023-07-01 |
Family
ID=86692471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110147988A TWI796887B (zh) | 2021-12-21 | 2021-12-21 | 繪圖資源調度方法與繪圖資源調度系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI796887B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7672986B2 (en) * | 2004-02-12 | 2010-03-02 | Microsoft Corporation | Managing graphic databases |
TW201706839A (zh) * | 2015-04-29 | 2017-02-16 | 微軟技術授權有限責任公司 | 動態雲端計算平台資源的最佳分配 |
CN111273880A (zh) * | 2020-01-13 | 2020-06-12 | 奇安信科技集团股份有限公司 | 基于云端智能设备的远程显示方法及装置 |
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 |
-
2021
- 2021-12-21 TW TW110147988A patent/TWI796887B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7672986B2 (en) * | 2004-02-12 | 2010-03-02 | Microsoft Corporation | Managing graphic databases |
TW201706839A (zh) * | 2015-04-29 | 2017-02-16 | 微軟技術授權有限責任公司 | 動態雲端計算平台資源的最佳分配 |
CN111273880A (zh) * | 2020-01-13 | 2020-06-12 | 奇安信科技集团股份有限公司 | 基于云端智能设备的远程显示方法及装置 |
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 |
Also Published As
Publication number | Publication date |
---|---|
TW202326591A (zh) | 2023-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200311342A1 (en) | Populating values in a spreadsheet using semantic cues | |
US11489804B2 (en) | Personalization of delivery of notifications | |
CN111523468B (zh) | 人体关键点识别方法和装置 | |
US11657612B2 (en) | Method and apparatus for identifying video | |
WO2018149292A1 (zh) | 一种对象聚类方法和装置 | |
EP3926548A1 (en) | Method and apparatus for pre-training graph neural network | |
US20140280143A1 (en) | Partitioning a graph by iteratively excluding edges | |
CN110968423A (zh) | 使用机器学习将工作负荷分配给加速器的方法和设备 | |
US9552556B2 (en) | Site flow optimization | |
CN113765873B (zh) | 用于检测异常访问流量的方法和装置 | |
US20190057297A1 (en) | Leveraging knowledge base of groups in mining organizational data | |
US10547711B2 (en) | Using off-screen user interface data during remote sessions | |
US10802879B2 (en) | Method and device for dynamically assigning task and providing resources and system thereof | |
US20160110356A1 (en) | Hash table construction for utilization in recognition of target object in image | |
WO2020256907A1 (en) | Identifying resonated connections using machine learning | |
TWI796887B (zh) | 繪圖資源調度方法與繪圖資源調度系統 | |
US20210383797A1 (en) | Method for dialogue processing, electronic device and storage medium | |
US11409519B2 (en) | Method and apparatus for implementing a UI modernization application module | |
US11538467B1 (en) | Calibrated noise for text modification | |
US11782850B2 (en) | Information processing method, server, terminal, and computer storage medium | |
CN116542841A (zh) | 绘图资源调度方法与绘图资源调度系统 | |
CN113287092A (zh) | 在应用打开操作期间添加数字内容的系统和方法 | |
US20180308036A1 (en) | Mitigating absence of skill input during collaboration session | |
US20180367492A1 (en) | Providing notification based on dynamic group | |
US20100262630A1 (en) | Adaptive profile for directing graphical content in a computing system |