CN112130940B - 终端的控制方法、装置、存储介质和电子设备 - Google Patents
终端的控制方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN112130940B CN112130940B CN202010876059.2A CN202010876059A CN112130940B CN 112130940 B CN112130940 B CN 112130940B CN 202010876059 A CN202010876059 A CN 202010876059A CN 112130940 B CN112130940 B CN 112130940B
- Authority
- CN
- China
- Prior art keywords
- display interface
- target
- parameters
- control
- training
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000012549 training Methods 0.000 claims description 145
- 230000002787 reinforcement Effects 0.000 claims description 34
- 230000015654 memory Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 14
- 238000009877 rendering Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 230000000903 blocking effect Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/50—Controlling the output signals based on the game progress
- A63F13/52—Controlling the output signals based on the game progress involving aspects of the displayed game scene
-
- 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
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- 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
-
- 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
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- 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
- G06N3/08—Learning methods
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
- A63F2300/30—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by output arrangements for receiving control signals generated by the game device
- A63F2300/308—Details of the user interface
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本公开涉及一种终端的控制方法、装置、存储介质和电子设备,该方法包括:获取目标显示界面帧对应的目标绘制参数,目标绘制参数用于指示绘制目标显示界面帧的时间信息,目标显示界面帧为当前时刻终端显示的界面,根据目标绘制参数和绘制参数组,通过预先训练的处理模型,确定控制参数,绘制参数组包括目标显示界面帧之前的预设数量个历史显示界面帧中,每个历史显示界面帧对应的绘制参数,根据控制参数,控制终端的处理器的频率。本公开根据目标绘制参数和绘制参数组,通过处理模型来确定控制参数,从而根据控制参数动态地控制处理器的频率,以提前对终端可能出现的卡顿情况进行处理,从而在减少显示界面帧出现卡顿的前提下,降低终端的功耗。
Description
技术领域
本公开涉及终端技术领域,尤其涉及一种终端的控制方法、装置、存储介质和电子设备。
背景技术
随着终端技术的不断发展,终端上安装的软件越来越多,各种类型的软件为了提升自身的体验效果,对终端的CPU(英文:Central Processing Unit,中文:中央处理器)的处理能力的要求也不断提升,这可能会使终端在CPU负载较重时出现画面卡顿的情况,影响用户的正常使用。为了确保用户的正常使用,可以通过提高CPU的工作频率,来提升终端的运行性能,从而避免卡顿情况的发生。然而,如果一直提高CPU的工作频率,虽然能够避免卡顿情况的发生,但是会导致终端的功耗过大。
相关技术中,可以通过CPU对当前CPU的负载情况进行监控,若当前CPU的负载较重,则提高CPU的工作频率。但是,采用这种方式会存在明显的滞后性,对于有高实时要求的场景(例如游戏场景),容易导致卡顿情况的发生。也可以通过CPU对终端当前的显示界面帧的绘制时长进行监控,若当前的显示界面帧的绘制时长过长,则提高CPU的工作频率。然而,采用这种方式会导致CPU的负载加重时的显示界面帧,一定会出现卡顿,影响用户的正常使用。
发明内容
为克服相关技术中存在的问题,本公开提供一种终端的控制方法、装置、存储介质和电子设备。
根据本公开实施例的第一方面,提供一种终端的控制方法,所述方法包括:
获取目标显示界面帧对应的目标绘制参数;所述目标绘制参数用于指示绘制所述目标显示界面帧的时间信息,所述目标显示界面帧为当前时刻终端显示的界面;
根据所述目标绘制参数和绘制参数组,通过预先训练的处理模型,确定控制参数;所述绘制参数组包括所述目标显示界面帧之前的预设数量个历史显示界面帧中,每个所述历史显示界面帧对应的绘制参数,所述绘制参数用于指示绘制对应的所述历史显示界面帧的时间信息;
根据所述控制参数,控制所述终端的处理器的频率。
可选地,所述处理模型为监督学习模型,所述根据所述目标绘制参数和绘制参数组,通过预先训练的处理模型,确定控制参数,包括:
将所述目标绘制参数和所述绘制参数组输入所述监督学习模型,以得到所述监督学习模型输出的所述控制参数;其中,所述控制参数用于表征绘制所述目标显示界面帧的下一个显示界面帧的卡顿程度;
所述根据所述控制参数,控制所述终端的处理器的频率,包括:
若所述控制参数满足预设条件,升高所述处理器的频率。
可选地,所述若所述控制参数满足预设条件,升高所述处理器的频率,包括:
根据所述控制参数,确定目标频率,并控制所述处理器的频率升高至所述目标频率;和/或,
根据所述控制参数,确定目标时间,控制所述处理器的频率升高并保持所述目标时间。
可选地,所述监督学习模型是通过以下方式训练的:
获取样本输入集和样本输出集,所述样本输入集中的每个样本输入包括训练绘制参数和所述训练绘制参数对应的训练绘制参数组,所述样本输出集中包括与每个所述样本输入对应的样本输出,每个所述样本输出包括对应的所述训练绘制参数对应的训练控制参数;
将所述样本输入集作为预设的长短期记忆网络LSTM的输入,将所述样本输出集作为所述LSTM的输出,以得到所述监督学习模型。
可选地,所述处理模型为强化学习模型,所述根据所述目标绘制参数和绘制参数组,通过预先训练的处理模型,确定控制参数,包括:
将所述目标绘制参数和所述绘制参数组输入所述强化学习模型,以得到所述强化学习模型输出的所述控制参数;其中,所述控制参数包括控制时刻和控制时长;
所述根据所述控制参数,控制所述终端的处理器的频率,包括:
在所述控制时刻升高所述处理器的频率至目标频率,并保持所述控制时长。
可选地,所述强化学习模型是通过以下方式训练的:
在指定时间范围内,将显示界面帧对应的训练绘制参数和训练绘制参数组输入预设的DQN网络,以根据所述DQN网络的输出控制所述处理器的频率,所述指定时间范围内包括多个时间窗口;
获取所述DQN网络在每个所述时间窗口的输出,和每个所述时间窗口对应的卡顿次数和升频总时间;
根据所述DQN网络在目标时间窗口的输出,调整所述DQN网络,所述目标时间窗口对应的卡顿次数和升频总时间满足预设条件;
重复执行所述在指定时间范围内,将显示界面帧对应的训练绘制参数和训练绘制参数组输入预设的DQN网络,以根据所述DQN网络的输出控制所述处理器的频率,至所述根据所述DQN网络在目标时间窗口的输出,调整所述DQN网络的步骤,以得到所述强化学习模型。
可选地,所述在指定时间范围内,将显示界面帧对应的训练绘制参数和训练绘制参数组输入预设的DQN网络,以根据所述DQN网络的输出控制所述处理器的频率,包括:
将第一显示界面帧对应的第一训练绘制参数和第一训练绘制参数组输入所述DQN网络,以得到第一训练控制参数,所述第一显示界面帧为所述指定时间范围内所述终端显示的任一帧界面;
根据所述第一训练控制参数,控制所述处理器的频率,以得到第二显示界面帧对应的第二训练绘制参数和第二训练绘制参数组,所述第二显示界面帧为所述第一显示界面帧的下一显示界面帧;
将所述第一显示界面帧更新为所述第二显示界面帧;
在所述指定时间范围内重复执行所述将第一显示界面帧对应的第一训练绘制参数和第一训练绘制参数组输入所述DQN网络,以得到第一训练控制参数,至所述将所述第一显示界面帧更新为所述第二显示界面帧的步骤。
根据本公开实施例的第二方面,提供一种终端的控制装置,所述装置包括:
获取模块,被配置为获取目标显示界面帧对应的目标绘制参数;所述目标绘制参数用于指示绘制所述目标显示界面帧的时间信息,所述目标显示界面帧为当前时刻终端显示的界面;
确定模块,被配置为根据所述目标绘制参数和绘制参数组,通过预先训练的处理模型,确定控制参数;所述绘制参数组包括所述目标显示界面帧之前的预设数量个历史显示界面帧中,每个所述历史显示界面帧对应的绘制参数,所述绘制参数用于指示绘制对应的所述历史显示界面帧的时间信息;
控制模块,被配置为根据所述控制参数,控制所述终端的处理器的频率。
可选地,所述处理模型为监督学习模型,所述确定模块被配置为:
将所述目标绘制参数和所述绘制参数组输入所述监督学习模型,以得到所述监督学习模型输出的所述控制参数;其中,所述控制参数用于表征绘制所述目标显示界面帧的下一个显示界面帧的卡顿程度;
所述控制模块被配置为:
若所述控制参数满足预设条件,升高所述处理器的频率。
可选地,所述控制模块被配置为:
根据所述控制参数,确定目标频率,并控制所述处理器的频率升高至所述目标频率;和/或,
根据所述控制参数,确定目标时间,控制所述处理器的频率升高并保持所述目标时间。
可选地,所述监督学习模型是通过以下方式训练的:
获取样本输入集和样本输出集,所述样本输入集中的每个样本输入包括训练绘制参数和所述训练绘制参数对应的训练绘制参数组,所述样本输出集中包括与每个所述样本输入对应的样本输出,每个所述样本输出包括对应的所述训练绘制参数对应的训练控制参数;
将所述样本输入集作为预设的长短期记忆网络LSTM的输入,将所述样本输出集作为所述LSTM的输出,以得到所述监督学习模型。
可选地,所述处理模型为强化学习模型,所述确定模块被配置为:
将所述目标绘制参数和所述绘制参数组输入所述强化学习模型,以得到所述强化学习模型输出的所述控制参数;其中,所述控制参数包括控制时刻和控制时长;
所述控制模块被配置为:
在所述控制时刻升高所述处理器的频率至目标频率,并保持所述控制时长。
可选地,所述强化学习模型是通过以下方式训练的:
在指定时间范围内,将显示界面帧对应的训练绘制参数和训练绘制参数组输入预设的DQN网络,以根据所述DQN网络的输出控制所述处理器的频率,所述指定时间范围内包括多个时间窗口;
获取所述DQN网络在每个所述时间窗口的输出,和每个所述时间窗口对应的卡顿次数和升频总时间;
根据所述DQN网络在目标时间窗口的输出,调整所述DQN网络,所述目标时间窗口对应的卡顿次数和升频总时间满足预设条件;
重复执行所述在指定时间范围内,将显示界面帧对应的训练绘制参数和训练绘制参数组输入预设的DQN网络,以根据所述DQN网络的输出控制所述处理器的频率,至所述根据所述DQN网络在目标时间窗口的输出,调整所述DQN网络的步骤,以得到所述强化学习模型。
可选地,所述在指定时间范围内,将显示界面帧对应的训练绘制参数和训练绘制参数组输入预设的DQN网络,以根据所述DQN网络的输出控制所述处理器的频率,包括:
将第一显示界面帧对应的第一训练绘制参数和第一训练绘制参数组输入所述DQN网络,以得到第一训练控制参数,所述第一显示界面帧为所述指定时间范围内所述终端显示的任一帧界面;
根据所述第一训练控制参数,控制所述处理器的频率,以得到第二显示界面帧对应的第二训练绘制参数和第二训练绘制参数组,所述第二显示界面帧为所述第一显示界面帧的下一显示界面帧;
将所述第一显示界面帧更新为所述第二显示界面帧;
在所述指定时间范围内重复执行所述将第一显示界面帧对应的第一训练绘制参数和第一训练绘制参数组输入所述DQN网络,以得到第一训练控制参数,至所述将所述第一显示界面帧更新为所述第二显示界面帧的步骤。
根据本公开实施例的第三方面,提供一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行本公开第一方面所提供的终端的控制方法的步骤。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开第一方面所提供的终端的控制方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果:本公开首先通过获取目标显示界面帧对应的目标绘制参数,其中,目标绘制参数用于指示绘制目标显示界面帧的时间信息,目标显示界面帧为当前时刻终端显示的界面,之后根据目标绘制参数和绘制参数组,通过预先训练的处理模型,确定控制参数,绘制参数组包括目标显示界面帧之前的预设数量个历史显示界面帧中,每个历史显示界面帧对应的绘制参数,绘制参数用于指示绘制对应的历史显示界面帧的时间信息,最后根据控制参数,控制终端的处理器的频率。本公开根据目标绘制参数和绘制参数组,通过处理模型来确定控制参数,从而根据控制参数动态地控制处理器的频率,以提前对终端可能出现的卡顿情况进行处理,从而在减少显示界面帧出现卡顿的前提下,降低终端的功耗。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种终端的控制方法的流程图。
图2是根据一示例性实施例示出的另一种终端的控制方法的流程图。
图3是根据图1所示实施例示出的一种训练监督学习模型的流程图。
图4是根据一示例性实施例示出的又一种终端的控制方法的流程图。
图5是根据图1所示实施例示出的一种训练强化学习模型的流程图。
图6是根据一示例性实施例示出的一种终端的控制装置的框图。
图7是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在介绍本公开提供的终端的控制方法、装置、存储介质和电子设备之前,首先对本公开各个实施例所涉及应用场景进行介绍,该应用场景包括一设置有处理器的终端,该处理器例如可以是CPU、MCU(英文:Microcontroller Unit,中文:微控制单元)等具有画面绘制功能的处理单元。该处理器可以为终端上正在运行的软件绘制对应的显示界面帧,以使终端可以显示该显示界面帧。其中,显示界面帧可以理解为软件在终端上显示的一幅画面。例如,当软件为游戏类APP(英文:Application,中文:应用程序)时,显示界面帧可以为终端上正在运行的游戏对应的画面。该终端例如可以是是智能手机、平板电脑、智能手表、智能手环、PDA(英文:Personal Digital Assistant,中文:个人数字助理)等移动终端,也可以是台式计算机等固定终端。
图1是根据一示例性实施例示出的一种终端的控制方法的流程图。如图1所示,该方法可以包括以下步骤:
在步骤101中,获取目标显示界面帧对应的目标绘制参数。
其中,目标绘制参数用于指示绘制目标显示界面帧的时间信息,目标显示界面帧为当前时刻终端显示的界面。
举例来说,终端的画面发生卡顿实际上是终端的处理器绘制显示界面帧的绘制时长大于标准绘制时长时出现的现象。其中,显示界面帧为终端在运行目标软件时所显示的界面,目标软件为终端正在运行的需要进行显示的软件,终端显示的界面可以为UI(英文:User Interface,中文:用户界面)界面,标准绘制时长是根据终端屏幕的刷新率来确定的,例如当终端屏幕的刷新率为60Hz时,标准绘制时长为16.67ms。为了避免卡顿情况的发生,可以在终端运行目标软件的情况下,由处理器实时获取目标显示界面帧对应的,能够指示绘制目标显示界面帧的时间信息的目标绘制参数,以根据目标绘制参数对终端可能出现的卡顿情况进行预测。其中,目标绘制参数可以包括:绘制目标显示界面帧所使用的一个或多个线程在处理器上的运行时长,IO(英文:Input Output中文:输入输出)阻塞时长和目标显示界面帧的绘制时长。
在步骤102中,根据目标绘制参数和绘制参数组,通过预先训练的处理模型,确定控制参数。
其中,绘制参数组包括目标显示界面帧之前的预设数量个历史显示界面帧中,每个历史显示界面帧对应的绘制参数,绘制参数用于指示绘制对应的历史显示界面帧的时间信息。
示例的,终端中可以设置有预先训练好的处理模型,处理器在获取到目标绘制参数后,可以将目标绘制参数,以及目标显示界面帧之前的预设数量个历史显示界面帧中每个历史显示界面帧对应的绘制参数构成的绘制参数组,输入到处理模型之中,由处理模型对终端可能出现的卡顿情况进行预测,并生成控制参数。绘制参数组可以理解为处理器在当前时刻之前,采集的预设数量个绘制参数,其中每个绘制参数对应一个历史显示界面帧。例如,处理器可以为绘制参数组分配一个存储空间,用于存储预设数量个绘制参数。需要说明的是,在执行完步骤103后,处理器可以将绘制参数组中,采集时刻最早的一个绘制参数删除,并将目标绘制参数存入绘制参数组,即绘制参数组中始终存储有当前时刻之前采集的预设数量个绘制参数。
通过处理模型,确定的控制参数,能够反映对终端可能出现卡顿的预测结果,从而使终端调整处理器的频率,以提前对终端可能出现的卡顿情况进行处理。控制参数可以为对处理器的频率进行调整的具体参数,例如,控制参数可以包括对处理器的频率进行调整的控制时刻和控制时长,控制参数还可以为表征绘制目标显示界面帧的下一个显示界面帧的卡顿情况的参数,控制参数也可以是控制处理器升高频率的指令,本公开对此不作具体限定。处理模型可以为监督学习模型、强化学习模型等。
在步骤103中,根据控制参数,控制终端的处理器的频率。
在本步骤中,若对终端可能出现的卡顿情况的预测结果为终端可能出现卡顿,那么处理器可以根据控制参数,将处理器的频率升高至指定频率,例如,在控制参数包括对处理器的频率进行调整的控制时刻和控制时长的情况下,处理器可以在控制时刻,将处理器的频率升高至指定频率,并保持控制时长。若对终端可能出现的卡顿情况的预测结果为终端不会出现卡顿,则处理器可以保持处理器当前的频率不变。
综上所述,本公开首先通过获取目标显示界面帧对应的目标绘制参数,其中,目标绘制参数用于指示绘制目标显示界面帧的时间信息,目标显示界面帧为当前时刻终端显示的界面,之后根据目标绘制参数和绘制参数组,通过预先训练的处理模型,确定控制参数,绘制参数组包括目标显示界面帧之前的预设数量个历史显示界面帧中,每个历史显示界面帧对应的绘制参数,绘制参数用于指示绘制对应的历史显示界面帧的时间信息,最后根据控制参数,控制终端的处理器的频率。本公开根据目标绘制参数和绘制参数组,通过处理模型来确定控制参数,从而根据控制参数动态地控制处理器的频率,以提前对终端可能出现的卡顿情况进行处理,从而在减少显示界面帧出现卡顿的前提下,降低终端的功耗。
图2是根据一示例性实施例示出的另一种终端的控制方法的流程图。如图2所示,处理模型为监督学习模型,步骤102可以通过以下方式实现:
将目标绘制参数和绘制参数组输入监督学习模型,以得到监督学习模型输出的控制参数。
其中,控制参数用于表征绘制目标显示界面帧的下一个显示界面帧的卡顿程度。
在一种场景中,处理模型可以为监督学习模型,例如,监督学习模型可以为LSTM(英文:Long short-term memory,中文:长短期记忆)模型。处理器在获取到目标绘制参数后,可以将绘制参数组包括的每个历史显示界面帧对应的绘制参数,转换为该历史显示界面帧对应的第一向量,并将目标绘制参数转换为第二向量,再将多个第一向量和第二向量进行依次拼接,得到拼接后的目标向量。然后,将目标向量输入至监督学习模型中,以得到监督学习模型输出的,用于表征绘制目标显示界面帧的下一个显示界面帧的卡顿程度的控制参数。也就是说,监督学习模型可以利用监督学习的方法,通过预设数量(预设数量例如可以为12)个历史显示界面帧中每个历史显示界面帧对应的绘制参数,以及目标显示界面帧对应的目标绘制参数,预测目标显示界面帧的下一个显示界面帧的卡顿程度。其中,控制参数可以包括预设的多个控制标签中的一个控制标签,每个控制标签对应不同等级的卡顿程度,例如,卡顿程度的等级可以分为:不卡顿、卡顿程度较轻和卡顿程度严重。以控制参数包括第一控制标签和第二控制标签为例,第一控制标签对应的卡顿程度可以为卡顿(例如可以用1来表示),第二控制标签对应的卡顿程度可以为不卡顿(例如可以用0来表示)。
进一步的,步骤103可以通过以下方式实现:
若控制参数满足预设条件,升高处理器的频率。
举例来说,在确定控制参数之后,若控制参数满足预设条件,处理器可以将处理器的频率升高,以加快绘制目标显示界面帧的下一个显示界面帧所使用的一个或多个线程的执行速度,从而避免可能出现的卡顿。其中,预设条件可以为控制参数包括的控制标签对应的卡顿程度为存在卡顿,即监督学习模型预测目标显示界面帧的下一个显示界面帧会出现卡顿。
升高处理器的频率的方式可以为:由处理器根据控制参数,确定目标频率,并控制处理器的频率升高至目标频率。目标频率可以是预先设置的固定频率,在升高处理器的频率时,可以直接将处理器的频率升高至固定的目标频率。目标频率也可以是根据控制参数,利用第一预设关系确定的频率,第一预设关系为控制标签与频率之间的对应关系。可以理解为,根据控制标签对应的卡顿程度的等级,设定不同等级的目标频率,以更加灵活地对处理器的频率进行调整。
升高处理器的频率的方式也可以为:由处理器根据控制参数,确定目标时间,控制处理器的频率升高并保持目标时间。目标时间可以是预先设置的固定时间,在升高处理器的频率时,可以直接将处理器的频率升高至指定频率并保持固定的目标时间。目标时间可以是根据控制参数,利用第二预设关系确定的时间,第二预设关系为控制标签与时间之间的对应关系。可以理解为,根据控制标签对应的卡顿程度的等级,设定不同等级的目标时间,以更加灵活地对处理器的频率进行调整。升高处理器的频率的方式还可以为:由处理器根据控制参数,确定目标频率和目标时间,并控制处理器的频率升高至目标频率,并保持目标时间。
图3是根据图1所示实施例示出的一种训练监督学习模型的流程图。如图3所示,监督学习模型可以通过以下方式训练:
在步骤201中,获取样本输入集和样本输出集。
其中,样本输入集中的每个样本输入包括训练绘制参数和训练绘制参数对应的训练绘制参数组,样本输出集中包括与每个样本输入对应的样本输出,每个样本输出包括对应的训练绘制参数对应的训练控制参数。
在步骤202中,将样本输入集作为预设的LSTM的输入,将样本输出集作为LSTM的输出,以得到监督学习模型。
举例来说,在对监督学习模型进行训练时,可以依次将样本输入集中每个样本输入包括的训练绘制参数和训练绘制参数组作为LSTM的输入,并将样本输出集中与该样本输入对应的样本输出包括的训练控制参数,作为LSTM的输出,对LSTM进行训练,以得到监督学习模型。其中,训练绘制参数组包括预设数量个历史训练绘制参数,历史训练绘制参数可以是在训练绘制参数之前采集的预设数量个绘制参数。训练绘制参数可以包括:绘制显示界面帧所使用的一个或多个线程在处理器上的运行时长,IO阻塞时长和显示界面帧的绘制时长,训练控制参数包括训练控制标签。以预设数量为3,标准绘制时长为16.67ms,绘制参数包括渲染线程1、渲染线程2在处理器上的运行时长,IO阻塞时长和显示界面帧的绘制时长为例进行说明,如表1所示,表1中的显示界面帧的绘制时长用于表征显示界面帧是否出现卡顿,若显示界面帧的绘制时长小于16.67ms,则显示界面帧不会出现卡顿,若显示界面帧的绘制时长大于16.67ms,则显示界面帧会出现卡顿。
表1
可以将显示界面帧4对应的训练绘制参数“5.35ms 3.45ms 1.45ms0.45ms”以及显示界面帧1-3对应的训练绘制参数组“15.35ms 13.45ms1.45ms 0.45ms,5.35ms 3.45ms1.45ms 0.45ms,23.35ms 13.45ms9.45ms 0.45ms”作为一个样本输入,来对显示界面帧4的下一显示界面帧(即显示界面帧5)进行预测,由于表1可知,显示界面帧5出现了卡顿,因此可以将用于表示显示界面帧会出现卡顿的第一控制标签作为该训练绘制参数对应的训练控制参数。
图4是根据一示例性实施例示出的又一种终端的控制方法的流程图。如图4所示,处理模型为强化学习模型,步骤102可以通过以下方式实现:
将目标绘制参数和绘制参数组输入强化学习模型,以得到强化学习模型输出的控制参数。其中,控制参数包括控制时刻和控制时长。
在另一种场景中,处理模型可以为强化学习模型,例如,监督学习模型可以为DQN(英文:Deep Q Network)。处理器在获取到目标绘制参数后,可以将绘制参数组包括的每个历史显示界面帧对应的绘制参数,转换为该历史显示界面帧对应的第一向量,并将目标绘制参数转换为第二向量,再将多个第一向量和第二向量进行依次拼接,得到拼接后的目标向量。然后,处理器可以将目标向量输入至强化学习模型中,以得到强化学习模型输出的包括控制时刻和控制时长的控制参数。也就是说,强化学习模型可以利用强化学习的方法,通过预设数量个历史显示界面帧中每个历史显示界面帧对应的绘制参数,以及目标显示界面帧对应的目标绘制参数,预测终端可能出现的卡顿情况,并智能地选取控制处理器的频率的控制时刻和控制时长,以在减少显示界面帧出现卡顿的前提下,使终端的功耗较小。
进一步的,步骤103可以通过以下方式实现:
在控制时刻升高处理器的频率至目标频率,并保持控制时长。
举例来说,在确定控制参数之后,处理器可以在控制时刻将处理器的频率升高至目标频率,并保持控制时长。例如,在控制时刻为10ms,且控制时长为100ms的情况下,处理器可以在绘制完目标显示界面帧的10ms后,将处理器的频率升高至目标频率,并保持100ms。其中,目标频率可以是预先设置的频率。
图5是根据图1所示实施例示出的一种训练强化学习模型的流程图。如图5所示,强化学习模型可以通过以下方式训练:
在步骤301中,在指定时间范围内,将显示界面帧对应的训练绘制参数和训练绘制参数组输入预设的DQN网络,以根据DQN网络的输出控制处理器的频率,指定时间范围内包括多个时间窗口。
举例来说,在终端上预先设置有待训练的DQN网络,在对强化学习模型进行训练时,首先可以令终端在包括多个时间窗口的指定时间范围内(例如,每个时间窗口可以为1小时,指定时间范围为N个小时,那么指定时间范围内包括N个时间窗口,N为大于0的正整数),持续地运行目标软件,目标软件可以是预设的需要减少显示界面帧出现卡顿的软件,例如可以为游戏类APP。然后,由处理器将指定时间范围内处理器获取到的每个显示界面帧对应的训练绘制参数和该显示界面帧对应的训练绘制参数组依次输入DQN网络,并根据DQN网络的输出(这里的DQN网络的输出为指定时间范围内DQN网络输出的,每个训练绘制参数对应的包括控制时刻和控制时长的训练控制参数)控制处理器的频率,即根据DQN网络在指定时间范围内输出的每个训练控制参数,依次来控制处理器的频率。其中,训练绘制参数可以包括:绘制显示界面帧所使用的一个或多个线程在处理器上的运行时长,IO阻塞时长和显示界面帧的绘制时长。
具体的,步骤301可以通过以下方式实现:首先可以由处理器依次将第一显示界面帧对应的第一训练绘制参数和第一训练绘制参数组输入DQN网络,以得到第一训练控制参数,其中,第一显示界面帧为指定时间范围内终端显示的任一帧界面,第一训练控制参数可以是DQN网络随机生成的。之后由处理器根据第一训练控制参数,控制处理器的频率,以得到第二显示界面帧对应的第二训练绘制参数和第二训练绘制参数组,第二显示界面帧为第一显示界面帧的下一显示界面帧。最后将第一显示界面帧更新为第二显示界面帧,再在指定时间范围内重复执行将第一显示界面帧对应的第一训练绘制参数和第一训练绘制参数组输入DQN网络,以得到第一训练控制参数,至将第一显示界面帧更新为第二显示界面帧的步骤。
在步骤302中,获取DQN网络在每个时间窗口的输出,和每个时间窗口对应的卡顿次数和升频总时间。
在本步骤中,可以根据每个时间窗口内处理器获取到的每个显示界面帧对应的训练绘制参数,确定该时间窗口内训练绘制参数包括的显示界面帧的绘制时长大于标准绘制时长的数量,并将该数量作为该时间窗口对应的卡顿次数。同时,还可以获取DQN网络在每个时间窗口内输出的每个训练绘制参数对应的训练控制参数,并将该时间窗口内每个训练控制参数包括的控制时长之和作为该时间窗口对应的升频总时间。
在步骤303中,根据DQN网络在目标时间窗口的输出,调整DQN网络,目标时间窗口对应的卡顿次数和升频总时间满足预设条件。
重复执行步骤301至步骤302,以得到强化学习模型。
示例的,在获取到每个时间窗口对应的卡顿次数和升频总时间后,可以根据每个时间窗口对应的卡顿次数和升频总时间,确定卡顿次数和升频总时间满足预设条件的目标时间窗口。预设条件可以为从多个时间窗口中选取卡顿次数最少,且升频总时间最小的时间窗口作为目标时间窗口。然后,可以根据DQN网络在目标时间窗口的输出(即目标时间窗口内每个训练绘制参数对应的训练控制参数),来调整DQN网络中的权重参数。预设条件可以理解为,在DQN网络在目标时间窗口内,满足预设条件时,可以给DQN网络设定一个奖励,通过这个奖励能够使DQN网络学会如何根据训练绘制参数,智能地选择最合理的训练控制参数,即如何选择在减少显示界面帧出现卡顿的前提下,使终端的功耗较小的控制参数。最后重复执行上述步骤,直至DQN网络满足预设的训练目标,以得到训练好的强化学习模型。其中,训练目标可以为DQN网络重复执行了预设数量个指定时间范围的网络训练,例如,预设数量可以为10000。训练目标也可以为训练网络的时间达到了目标时间,例如,指定时间范围为10小时,时间窗口为1小时,目标时间可以为一周,即需要在一周内不断地对DQN网络进行训练。训练目标还可以为在多个时间窗口对应的卡顿次数保持稳定,或者多个时间窗口对应的升频总时间保持一致时,确定对DQN网络训练完成,本公开对此不作具体限定。
综上所述,本公开首先通过获取目标显示界面帧对应的目标绘制参数,其中,目标绘制参数用于指示绘制目标显示界面帧的时间信息,目标显示界面帧为当前时刻终端显示的界面,之后根据目标绘制参数和绘制参数组,通过预先训练的处理模型,确定控制参数,绘制参数组包括目标显示界面帧之前的预设数量个历史显示界面帧中,每个历史显示界面帧对应的绘制参数,绘制参数用于指示绘制对应的历史显示界面帧的时间信息,最后根据控制参数,控制终端的处理器的频率。本公开根据目标绘制参数和绘制参数组,通过处理模型来确定控制参数,从而根据控制参数动态地控制处理器的频率,以提前对终端可能出现的卡顿情况进行处理,从而在减少显示界面帧出现卡顿的前提下,降低终端的功耗。
图6是根据一示例性实施例示出的一种终端的控制装置的框图。如图6所示,该装置400包括获取模块401,确定模块402和控制模块403。
获取模块401,被配置为获取目标显示界面帧对应的目标绘制参数。
其中,目标绘制参数用于指示绘制目标显示界面帧的时间信息,目标显示界面帧为当前时刻终端显示的界面。
确定模块402,被配置为根据目标绘制参数和绘制参数组,通过预先训练的处理模型,确定控制参数。
其中,绘制参数组包括目标显示界面帧之前的预设数量个历史显示界面帧中,每个历史显示界面帧对应的绘制参数,绘制参数用于指示绘制对应的历史显示界面帧的时间信息。
控制模块403,被配置为根据控制参数,控制终端的处理器的频率。
可选地,处理模型为监督学习模型,确定模块402被配置为:
将目标绘制参数和绘制参数组输入监督学习模型,以得到监督学习模型输出的控制参数。
其中,控制参数用于表征绘制目标显示界面帧的下一个显示界面帧的卡顿程度。
控制模块403被配置为:
若控制参数满足预设条件,升高处理器的频率。
可选地,控制模块403被配置为:
根据控制参数,确定目标频率,并控制处理器的频率升高至目标频率。和/或,
根据控制参数,确定目标时间,控制处理器的频率升高并保持目标时间。
可选地,监督学习模型是通过以下方式训练的:
获取样本输入集和样本输出集。
其中,样本输入集中的每个样本输入包括训练绘制参数和训练绘制参数对应的训练绘制参数组,样本输出集中包括与每个样本输入对应的样本输出,每个样本输出包括对应的训练绘制参数对应的训练控制参数。
将样本输入集作为预设的长短期记忆网络LSTM的输入,将样本输出集作为LSTM的输出,以得到监督学习模型。
可选地,处理模型为强化学习模型,确定模块402被配置为:
将目标绘制参数和绘制参数组输入强化学习模型,以得到强化学习模型输出的控制参数。
其中,控制参数包括控制时刻和控制时长。
控制模块403被配置为:
在控制时刻升高处理器的频率至目标频率,并保持控制时长。
可选地,强化学习模型是通过以下方式训练的:
在指定时间范围内,将显示界面帧对应的训练绘制参数和训练绘制参数组输入预设的DQN网络,以根据DQN网络的输出控制处理器的频率,指定时间范围内包括多个时间窗口。
获取DQN网络在每个时间窗口的输出,和每个时间窗口对应的卡顿次数和升频总时间。
根据DQN网络在目标时间窗口的输出,调整DQN网络,目标时间窗口对应的卡顿次数和升频总时间满足预设条件。
重复执行在指定时间范围内,将显示界面帧对应的训练绘制参数和训练绘制参数组输入预设的DQN网络,以根据DQN网络的输出控制处理器的频率,至根据DQN网络在目标时间窗口的输出,调整DQN网络的步骤,以得到强化学习模型。
可选地,在指定时间范围内,将显示界面帧对应的训练绘制参数和训练绘制参数组输入预设的DQN网络,以根据DQN网络的输出控制处理器的频率,包括:
将第一显示界面帧对应的第一训练绘制参数和第一训练绘制参数组输入DQN网络,以得到第一训练控制参数,第一显示界面帧为指定时间范围内终端显示的任一帧界面。
根据第一训练控制参数,控制处理器的频率,以得到第二显示界面帧对应的第二训练绘制参数和第二训练绘制参数组,第二显示界面帧为第一显示界面帧的下一显示界面帧。
将第一显示界面帧更新为第二显示界面帧。
在指定时间范围内重复执行将第一显示界面帧对应的第一训练绘制参数和第一训练绘制参数组输入DQN网络,以得到第一训练控制参数,至将第一显示界面帧更新为第二显示界面帧的步骤。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
综上所述,本公开首先通过获取目标显示界面帧对应的目标绘制参数,其中,目标绘制参数用于指示绘制目标显示界面帧的时间信息,目标显示界面帧为当前时刻终端显示的界面,之后根据目标绘制参数和绘制参数组,通过预先训练的处理模型,确定控制参数,绘制参数组包括目标显示界面帧之前的预设数量个历史显示界面帧中,每个历史显示界面帧对应的绘制参数,绘制参数用于指示绘制对应的历史显示界面帧的时间信息,最后根据控制参数,控制终端的处理器的频率。本公开根据目标绘制参数和绘制参数组,通过处理模型来确定控制参数,从而根据控制参数动态地控制处理器的频率,以提前对终端可能出现的卡顿情况进行处理,从而在减少显示界面帧出现卡顿的前提下,降低终端的功耗。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开提供的终端的控制方法的步骤。
图7是根据一示例性实施例示出的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图7,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电力组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的终端的控制方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电力组件806为电子设备800的各种组件提供电力。电力组件806可以包括电源管理***,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的终端的控制方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器804,上述指令可由电子设备800的处理器820执行以完成上述的终端的控制方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的终端的控制方法的代码部分。
综上所述,本公开首先通过获取目标显示界面帧对应的目标绘制参数,其中,目标绘制参数用于指示绘制目标显示界面帧的时间信息,目标显示界面帧为当前时刻终端显示的界面,之后根据目标绘制参数和绘制参数组,通过预先训练的处理模型,确定控制参数,绘制参数组包括目标显示界面帧之前的预设数量个历史显示界面帧中,每个历史显示界面帧对应的绘制参数,绘制参数用于指示绘制对应的历史显示界面帧的时间信息,最后根据控制参数,控制终端的处理器的频率。本公开根据目标绘制参数和绘制参数组,通过处理模型来确定控制参数,从而根据控制参数动态地控制处理器的频率,以提前对终端可能出现的卡顿情况进行处理,从而在减少显示界面帧出现卡顿的前提下,降低终端的功耗。
本领域技术人员在考虑说明书及实践本公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种终端的控制方法,其特征在于,所述方法包括:
获取目标显示界面帧对应的目标绘制参数;所述目标绘制参数用于指示绘制所述目标显示界面帧的时间信息,所述目标显示界面帧为当前时刻终端显示的界面;
根据所述目标绘制参数和绘制参数组,通过预先训练的处理模型,确定控制参数;所述绘制参数组包括所述目标显示界面帧之前的预设数量个历史显示界面帧中,每个所述历史显示界面帧对应的绘制参数,所述绘制参数用于指示绘制对应的所述历史显示界面帧的时间信息;
根据所述控制参数,控制所述终端的处理器的频率。
2.根据权利要求1所述的方法,其特征在于,所述处理模型为监督学习模型,所述根据所述目标绘制参数和绘制参数组,通过预先训练的处理模型,确定控制参数,包括:
将所述目标绘制参数和所述绘制参数组输入所述监督学习模型,以得到所述监督学习模型输出的所述控制参数;其中,所述控制参数用于表征绘制所述目标显示界面帧的下一个显示界面帧的卡顿程度;
所述根据所述控制参数,控制所述终端的处理器的频率,包括:
若所述控制参数满足预设条件,升高所述处理器的频率。
3.根据权利要求2所述的方法,其特征在于,所述若所述控制参数满足预设条件,升高所述处理器的频率,包括:
根据所述控制参数,确定目标频率,并控制所述处理器的频率升高至所述目标频率;和/或,
根据所述控制参数,确定目标时间,控制所述处理器的频率升高并保持所述目标时间。
4.根据权利要求2或3所述的方法,其特征在于,所述监督学习模型是通过以下方式训练的:
获取样本输入集和样本输出集,所述样本输入集中的每个样本输入包括训练绘制参数和所述训练绘制参数对应的训练绘制参数组,所述样本输出集中包括与每个所述样本输入对应的样本输出,每个所述样本输出包括对应的所述训练绘制参数对应的训练控制参数;
将所述样本输入集作为预设的长短期记忆网络LSTM的输入,将所述样本输出集作为所述LSTM的输出,以得到所述监督学习模型。
5.根据权利要求1所述的方法,其特征在于,所述处理模型为强化学习模型,所述根据所述目标绘制参数和绘制参数组,通过预先训练的处理模型,确定控制参数,包括:
将所述目标绘制参数和所述绘制参数组输入所述强化学习模型,以得到所述强化学习模型输出的所述控制参数;其中,所述控制参数包括控制时刻和控制时长;
所述根据所述控制参数,控制所述终端的处理器的频率,包括:
在所述控制时刻升高所述处理器的频率至目标频率,并保持所述控制时长。
6.根据权利要求5所述的方法,其特征在于,所述强化学习模型是通过以下方式训练的:
在指定时间范围内,将显示界面帧对应的训练绘制参数和训练绘制参数组输入预设的DQN网络,以根据所述DQN网络的输出控制所述处理器的频率,所述指定时间范围内包括多个时间窗口;
获取所述DQN网络在每个所述时间窗口的输出,和每个所述时间窗口对应的卡顿次数和升频总时间;
根据所述DQN网络在目标时间窗口的输出,调整所述DQN网络,所述目标时间窗口对应的卡顿次数和升频总时间满足预设条件;
重复执行所述在指定时间范围内,将显示界面帧对应的训练绘制参数和训练绘制参数组输入预设的DQN网络,以根据所述DQN网络的输出控制所述处理器的频率,至所述根据所述DQN网络在目标时间窗口的输出,调整所述DQN网络的步骤,以得到所述强化学习模型。
7.根据权利要求6所述的方法,其特征在于,所述在指定时间范围内,将显示界面帧对应的训练绘制参数和训练绘制参数组输入预设的DQN网络,以根据所述DQN网络的输出控制所述处理器的频率,包括:
将第一显示界面帧对应的第一训练绘制参数和第一训练绘制参数组输入所述DQN网络,以得到第一训练控制参数,所述第一显示界面帧为所述指定时间范围内所述终端显示的任一帧界面;
根据所述第一训练控制参数,控制所述处理器的频率,以得到第二显示界面帧对应的第二训练绘制参数和第二训练绘制参数组,所述第二显示界面帧为所述第一显示界面帧的下一显示界面帧;
将所述第一显示界面帧更新为所述第二显示界面帧;
在所述指定时间范围内重复执行所述将第一显示界面帧对应的第一训练绘制参数和第一训练绘制参数组输入所述DQN网络,以得到第一训练控制参数,至所述将所述第一显示界面帧更新为所述第二显示界面帧的步骤。
8.一种终端的控制装置,其特征在于,所述装置包括:
获取模块,被配置为获取目标显示界面帧对应的目标绘制参数;所述目标绘制参数用于指示绘制所述目标显示界面帧的时间信息,所述目标显示界面帧为当前时刻终端显示的界面;
确定模块,被配置为根据所述目标绘制参数和绘制参数组,通过预先训练的处理模型,确定控制参数;所述绘制参数组包括所述目标显示界面帧之前的预设数量个历史显示界面帧中,每个所述历史显示界面帧对应的绘制参数,所述绘制参数用于指示绘制对应的所述历史显示界面帧的时间信息;
控制模块,被配置为根据所述控制参数,控制所述终端的处理器的频率。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行权利要求1-7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,该程序指令被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010876059.2A CN112130940B (zh) | 2020-08-25 | 2020-08-25 | 终端的控制方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010876059.2A CN112130940B (zh) | 2020-08-25 | 2020-08-25 | 终端的控制方法、装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112130940A CN112130940A (zh) | 2020-12-25 |
CN112130940B true CN112130940B (zh) | 2023-11-17 |
Family
ID=73848631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010876059.2A Active CN112130940B (zh) | 2020-08-25 | 2020-08-25 | 终端的控制方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112130940B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112667407B (zh) * | 2021-01-18 | 2023-09-19 | 成都国科微电子有限公司 | 一种处理器参数调节方法、装置、电子设备及存储介质 |
CN115994007A (zh) * | 2021-10-18 | 2023-04-21 | 华为技术有限公司 | 动画效果显示方法及电子设备 |
CN114788955A (zh) * | 2022-04-27 | 2022-07-26 | Oppo广东移动通信有限公司 | 性能参数调整方法、装置、电子设备、存储介质及产品 |
CN115097927A (zh) * | 2022-06-27 | 2022-09-23 | 中国银行股份有限公司 | 面向Android***的处理器调频方法及装置 |
CN116737357A (zh) * | 2022-09-28 | 2023-09-12 | 荣耀终端有限公司 | 一种调整处理器频率的方法及装置 |
CN117687495B (zh) * | 2024-02-04 | 2024-07-12 | 荣耀终端有限公司 | 一种数据获取方法、训练方法及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020108309A1 (zh) * | 2018-11-27 | 2020-06-04 | 深圳前海达闼云端智能科技有限公司 | 控制设备移动的方法、装置、存储介质及电子设备 |
CN111338838A (zh) * | 2020-03-23 | 2020-06-26 | Oppo广东移动通信有限公司 | 中央处理器频率的控制方法及相关装置 |
-
2020
- 2020-08-25 CN CN202010876059.2A patent/CN112130940B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020108309A1 (zh) * | 2018-11-27 | 2020-06-04 | 深圳前海达闼云端智能科技有限公司 | 控制设备移动的方法、装置、存储介质及电子设备 |
CN111338838A (zh) * | 2020-03-23 | 2020-06-26 | Oppo广东移动通信有限公司 | 中央处理器频率的控制方法及相关装置 |
Non-Patent Citations (2)
Title |
---|
基于Caffe的并行绘制***帧绘制时间预测;丁祝祥;应三丛;;计算机应用(第S2期);全文 * |
基于众核平台的多路超高清视频编码***设计;姚佳;高志勇;张小云;;电视技术(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112130940A (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112130940B (zh) | 终端的控制方法、装置、存储介质和电子设备 | |
CN111460150B (zh) | 一种分类模型的训练方法、分类方法、装置及存储介质 | |
CN110796988B (zh) | 背光调节方法及装置 | |
JP6526814B2 (ja) | モード切り替え方法及び装置 | |
US10444953B2 (en) | View angle switching method and apparatus | |
US20180240069A1 (en) | Method and apparatus for updating information, and storage medium | |
EP2991067A1 (en) | Backlight brightness control method and device | |
CN106354504B (zh) | 消息显示方法及装置 | |
CN108200279B (zh) | 背光调节方法、装置和设备 | |
CN111611034A (zh) | 屏幕显示调节方法、装置及存储介质 | |
CN108304078B (zh) | 一种输入方法、装置及电子设备 | |
CN109272118B (zh) | 数据训练方法、装置、设备及存储介质 | |
EP3425533A1 (en) | Displaying page | |
CN111601377B (zh) | 温度的控制方法、装置及存储介质 | |
CN112685269A (zh) | 数据的获取方法、装置、电子设备及存储介质 | |
CN113311984A (zh) | 触摸屏轨迹的数据处理方法和装置、移动终端及电子设备 | |
CN108597456B (zh) | 背光亮度调节方法及装置 | |
CN110659625A (zh) | 物体识别网络的训练方法及装置、电子设备和存储介质 | |
CN106775541B (zh) | 电子设备及画面显示方法 | |
CN112037719B (zh) | 屏幕亮度调节方法和装置 | |
CN114442792A (zh) | 处理器的运行频率调整方法、装置及存储介质 | |
CN107979695B (zh) | 网络消息接收方法及装置、存储介质 | |
CN113360051A (zh) | 搜索提示方法、装置、移动终端及存储介质 | |
CN111338789B (zh) | 资源调配方法和装置、电子设备以及计算机可读存储介质 | |
CN111580875B (zh) | 参数配置方法、装置及存储介质 |
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 |