基于人工智能的功率配置方法和功率配置装置
文献发布时间:2023-06-19 10:48:02
技术领域
本发明涉及一种功率配置技术,尤其涉及一种基于人工智能的功率配置方法和功率配置装置。
背景技术
随着科技的进步,人们对电子产品的效能的需求逐渐地提升。在购买电子产品时,电子产品的效能表现往往是影响销售的重要因素。提高电子产品的功率虽然能显著地提高电子产品的效能,但也可能使电子产品过热而导致效能下降。因此,如何调整电子产品的功率组态和温度以优化电子产品的效能,是本领域人员致力的目标之一。
发明内容
本发明提供一种基于人工智能的功率配置方法和功率配置装置,可基于人工智能而自动地优化待测装置的功率组态。
本发明的一种基于人工智能的功率配置装置,适用于优化待测装置的功率组态,包括处理器、存储介质、功率配置电路以及热传感器。功率配置电路耦接至待测装置。存储介质存储待测装置的规格以及多个模块。处理器耦接存储介质、功率配置电路以及热传感器,并且存取和执行多个模块,其中多个模块包括微调模块以及热传导验证模块。微调模块根据规格以及人工智能模型产生功率组态。热传导验证模块通过功率配置电路以根据功率组态来配置待测装置的功率,通过热传感器测量待测装置的温度以产生对应于功率组态的热传导验证结果,并且响应于热传导验证结果与规格不匹配而更新功率组态。
在本发明的一实施例中,上述的热传导验证模块响应于热传导验证结果与规格匹配而根据功率组态决定待测装置的散热设计功率。
在本发明的一实施例中,上述的多个模块还包括效能验证模块。效能验证模块响应于热传导验证结果与规格匹配而测量待测装置的效能以产生对应于功率组态的效能验证结果,并且响应于效能验证结果与规格不匹配而更新功率组态。
在本发明的一实施例中,上述的效能验证模块响应于效能验证结果与规格匹配而根据功率组态决定待测装置的散热设计功率。
在本发明的一实施例中,上述的功率配置装置还包括输出装置。输出装置耦接至处理器,其中处理器响应于热传导验证结果以及效能验证结果的其中之一与规格不匹配而通过输出装置输出告警信息。
在本发明的一实施例中,上述的规格包括第一功率极限范围以及第二功率极限范围,并且多个模块还包括前处理模块。前处理模块根据规格产生多笔初始数据,其中多笔初始数据包括对应于第一功率极限范围的第一最大值以及第二功率极限范围的第二最大值的第一初始数据、对应于第一功率极限范围的第一最小值以及第二功率极限范围的第二最小值的第二初始数据以及对应于第一功率极限范围以及第二功率极限范围的随机值的第三初始数据。
在本发明的一实施例中,上述的微调模块包括评分模块。评分模块根据多笔初始数据产生分数,其中人工智能模型根据分数产生功率组态。
在本发明的一实施例中,上述的评分模块根据功率组态来更新分数,并且人工智能模型根据分数来更新功率组态。
本发明提供一种基于人工智能的功率配置方法,适用于优化待测装置的功率组态,包括:取得待测装置的规格;根据规格以及人工智能模型产生功率组态;根据功率组态来配置待测装置的功率;测量待测装置的温度以产生对应于功率组态的热传导验证结果;以及响应于热传导验证结果与规格不匹配而更新功率组态。
在本发明的一实施例中,上述的功率配置方法还包括:响应于热传导验证结果与规格匹配而根据功率组态决定待测装置的散热设计功率。
在本发明的一实施例中,上述的功率配置方法还包括:响应于热传导验证结果与规格匹配而测量待测装置的效能以产生对应于功率组态的效能验证结果;以及响应于效能验证结果与规格不匹配而更新功率组态。
在本发明的一实施例中,上述的功率配置方法还包括:响应于效能验证结果与规格匹配而根据功率组态决定待测装置的散热设计功率。
在本发明的一实施例中,上述的功率配置方法还包括:响应于热传导验证结果以及效能验证结果的其中之一与规格不匹配而输出告警信息。
在本发明的一实施例中,上述的规格包括第一功率极限范围以及第二功率极限范围,其中根据规格以及人工智能模型产生功率组态的步骤包括:根据规格产生多笔初始数据,其中多笔初始数据包括对应于第一功率极限范围的第一最大值以及第二功率极限范围的的第二最大值的第一初始数据、对应于第一功率极限范围的第一最小值以及第二功率极限范围的第二最小值的第二初始数据以及对应于第一功率极限范围以及第二功率极限范围的随机值的第三初始数据。
在本发明的一实施例中,上述的根据规格以及人工智能模型产生功率组态的步骤还包括:根据多笔初始数据产生分数,其中人工智能模型根据分数产生功率组态。
在本发明的一实施例中,上述的根据规格以及人工智能模型产生功率组态的步骤还包括:根据功率组态来更新分数,并且由人工智能模型根据分数更新功率组态。
基于上述,本发明的功率配置装置可自动地输出对应于待测装置的最佳功率组态,而不需由花费用户的时间来调整最佳功率组态。
附图说明
图1根据本发明的一实施例示出一种基于人工智能的功率配置装置的示意图。
图2根据本发明的一实施例示出一种基于人工智能的功率配置方法的流程图。
图3A根据本发明的一实施例示出对应于默认功率组态以及最佳功率组态的分数的比较的示意图。
图3B根据本发明的一实施例示出对应于默认功率组态以及最佳功率组态的中央处理单元温度(temperature of CPU)的比较的示意图。
图3C根据本发明的一实施例示出对应于默认功率组态以及最佳功率组态的外观温度(temperature of skin)的比较的示意图。
附图标记说明
100:功率配置装置;
110:处理器;
120:存储介质;
121:前处理模块;
122:微调模块;
1221:评分模块;
1222:人工智能模型;
123:热传导验证模块;
124:效能验证模块;
130:输出装置;
140:功率配置电路;
150:热传感器;
31、32、33、34、35、36:曲线;
S201、S202、S203、S204、S205、S206、S207、S208、S209、S210、S211、S212、S213、S214、S215、S216:步骤。
具体实施方式
现将详细地参考本发明的示范性实施例,示范性实施例的实例说明于附图中。只要有可能,相同元件符号在附图和描述中用来表示相同或相似部分。
图1根据本发明的一实施例示出一种基于人工智能的功率配置装置100的示意图。功率配置装置100适用于优化待测装置的功率组态。功率配置装置100可包含处理器110、存储介质120、输出装置130、功率配置电路140以及热传感器150。
处理器110例如是中央处理单元(central processing unit,CPU),或是其他可程序化的一般用途或特殊用途的微控制单元(micro control unit,MCU)、微处理器(microprocessor)、数字信号处理器(digital signal processor,DSP)、可程序化控制器、特殊应用集成电路(application specific integrated circuit,ASIC)、图形处理器(graphics processing unit,GPU)、图像信号处理器(image signal processor,ISP)、图像处理单元(image processing unit,IPU)、算数逻辑单元(arithmetic logic unit,ALU)、复杂可程序逻辑装置(complex programmable logic device,CPLD)、现场可程序化逻辑门阵列(field programmable gate array,FPGA)或其他类似组件或上述组件的组合。处理器110可耦接至存储介质120、输出装置130、功率配置电路140以及热传感器150,并可存取和执行存储于存储介质120中的多个模块和各种应用程序。
存储介质120例如是任何型态的固定式或可移动式的随机存取内存(randomaccess memory,RAM)、只读存储器(read-only memory,ROM)、闪存(flash memory)、硬盘(hard disk drive,HDD)、固态硬盘(solid state drive,SSD)或类似组件或上述组件的组合,而用于存储可由处理器110执行的多个模块或各种应用程序。在本实施例中,存储介质120可存储包括前处理模块121、微调模块122、热传导验证模块123以及效能验证模块124等多个模块,其功能将于后续说明。此外,存储介质120还可存储待测装置的规格,其中规格可关联于功率极限、最大外观温度或最大中央处理单元温度等信息,本发明不限于此。
输出装置130例如是显示器、扬声器或信号传送器等可用以传送信息的装置。处理器110可通过输出装置130输出信息。
功率配置电路140耦接至待测装置。处理器110可通过功率配置电路140耦接至待测装置,藉以提供功率给待测装置。此外,处理器110还可响应于提供功率给待测装置而通过功率配置电路140以自待测装置取得对应于所述功率且与效能相关的参数值。
热传感器150可用以测量待测装置根据功率组态运行时所产生的温度,其中所述温度例如包含中央处理单元温度或外观温度等,本发明不限于此。
图2根据本发明的一实施例示出一种基于人工智能的功率配置方法的流程图,其中功率配置方法适用于优化待测装置的功率组态,且功率配置方法可由如图1所示的功率配置装置100实施。
在步骤S201中,微调模块122可自存储介质120取得待测装置的规格。待测装置的规格可例如是由用户通过外部输入设备输入至功率配置装置100的。举例来说,用户可通过键盘以将待测装置的规格键入功率配置装置100中。功率配置装置100可将待测装置的规格存储至存储介质120。
在步骤S202中,微调模块122可根据规格产生待测装置的功率组态。具体来说,规格可包含多个分别适用于不同情境的功率极限范围。举例来说,规格可包含第一功率极限范围以及不同于第一功率极限范围的第二功率极限范围。功率组态可包含对应于第一功率极限范围的功率值以及对应于第二功率极限范围的功率值,本发明不限于此。
前处理模块121可根据规格产生多笔初始数据,其中所述多笔初始数据的每一者均可与规格匹配。多笔初始数据可包含第一初始数据。第一初始数据可包含对应于第一功率极限范围的功率值,且所述功率值为第一功率极限范围中的最大值。第一初始数据还可包含对应于第二功率极限范围的功率值,且所述功率值为第二功率极限范围中的最大值。
所述多笔初始数据还可包含第二初始数据。第二初始数据可包含对应于第一功率极限范围的功率值,且所述功率值为第一功率极限范围中的最小值。第二初始数据还可包含对应于第二功率极限范围的功率值,且所述功率值为第二功率极限范围中的最小值。
所述多笔初始数据还可包含一或多笔第三初始数据。举例来说,所述多笔初始数据可包含八笔第三初始数据。第三初始数据可包含对应于第一功率极限范围的功率值,且所述功率值为第一功率极限范围中的随机值。第三初始数据还可包含对应于第二功率极限范围的功率值,且所述功率值为第二功率极限范围中的随机值。
微调模块122可包含评分模块1221以及人工智能模型1222。评分模块1221可根据所述多笔初始数据产生分数。具体来说,评分模块1221可指示功率配置电路140根据多笔初始数据来配置待测装置的功率,并且自待测装置取得对应于所述功率且与效能相关的多笔参数值。评分模块1221进而可根据所述多笔参数值产生与多笔初始数据相对应的分数。评分模块1221例如可根据TensorFlow软件或3DMark11软件来计算所述分数,但本发明不限于此。
人工智能模型1222可自评分模块1221接收多笔初始数据以及对应于所述多笔初始数据的分数,其中分数例如与待测装置的效能有关(例如:分数越高代表待测装置的效能越高)。接着,人工智能模型1222可根据分数产生初始的功率组态。人工智能模型1222所采用的算法可依用户的需求而调整,本发明不限于此。
在步骤S203中,评分模块1221可自人工智能模型1222接收产生的功率组态,并且根据功率组态更新分数。评分模块1221例如可根据TensorFlow软件或3DMark11软件来计算当前的功率组态的分数以更新分数,但本发明不限于此。
在步骤S204中,处理器110可判断更新的分数是否超过分数门槛值。若更新的分数超过分数门槛值,则进入步骤S206。若更新的分数未超过分数门槛值,则进入步骤S205。
在步骤S205中,人工智能模型1222可根据分数来更新功率组态。
在步骤S206中,热传导验证模块123可自人工智能模型1222取得最新的功率组态。接着,热传导验证模块123可通过功率配置电路140以根据功率组态来配置待测装置的功率,并且通过热传感器150测量待测装置的温度以产生对应于功率组态的热传导验证结果。热传导验证模块123可根据例如3DMark11软件来产生热传导验证结果,本发明不限于此。热传导验证结果可关联于待测装置的中央处理单元温度、外观温度、不同部位温度或环境温度等,本发明不限于此。
在步骤S207中,处理器110可判断热传导验证结果是否与规格匹配。若热传导验证结果与规格匹配,则进入步骤S211。若热传导验证结果与规格不匹配,则进入步骤S208。
在一实施例中,热传导验证模块123可响应于热传导验证结果与规格匹配而根据对应于所述热传导验证结果的功率组态决定待测装置的散热设计功率(thermal designpower)。热传导验证模块123可通过输出装置130以将散热设计功率输出给用户参考。
在步骤S208中,处理器110可判断热传导验证结果与规格不匹配的发生次数是否超过第一门槛值。若热传导验证结果与规格不匹配的发生次数超过第一门槛值,则进入步骤S209。若热传导验证结果与规格不匹配的发生次数未超过第一门槛值,则进入步骤S210。
在步骤S209中,处理器110可通过输出装置130输出告警信息,藉以警示用户待测装置的热传导验证结果已经多次未通过验证。
在步骤S210中,热传导验证模块123可判断热传导验证结果与规格不匹配的发生次数增加了一次。此外,热传导验证模块123还可更新功率组态。举例来说,热传导验证模块123可降低功率组态中对应于第一功率极限范围的功率值,并且可降低功率组态中对应于第二功率极限范围的功率值。
在步骤S211中,效能验证模块124可通过功率配置电路140以根据功率组态来配置待测装置的功率,并且通过功率配置电路140测量待测装置的效能以产生对应于功率组态的效能验证结果。效能验证模块124可根据例如Cinebench软件来产生效能验证结果,本发明不限于此。
在步骤S212中,处理器110可判断效能验证结果是否与规格匹配。若效能验证结果与规格匹配,则进入步骤S216。若效能验证结果与规格不匹配,则进入步骤S213。
在一实施例中,效能验证模块124可响应于效能验证结果与规格匹配而根据对应于所述效能验证结果的功率组态决定待测装置的散热设计功率。效能验证模块124可通过输出装置130以将散热设计功率输出给用户参考。
在步骤S213中,处理器110可判断效能验证结果与规格不匹配的发生次数是否超过第二门槛值。若效能验证结果与规格不匹配的发生次数超过第二门槛值,则进入步骤S214。若效能验证结果与规格不匹配的发生次数未超过第二门槛值,则进入步骤S215。
在步骤S214中,处理器110可通过输出装置130输出告警信息,藉以警示用户待测装置的效能验证结果已经多次未通过验证。
在步骤S215中,效能验证模块124可判断效能验证结果与规格不匹配的发生次数增加了一次。此外,效能验证模块124还可更新功率组态。举例来说,效能验证模块124可提高功率组态中对应于第一功率极限范围的功率值,并且可提高功率组态中对应于第二功率极限范围的功率值。
在步骤S216中,处理器110可通过输出装置130输出功率组态以供用户参考。输出装置130所输出的功率组态即为待测装置的最佳功率组态。
图3A根据本发明的一实施例示出对应于默认功率组态以及最佳功率组态的分数的比较的示意图。图3A可包含对应于默认功率组态的曲线31以及对应于最佳功率组态的曲线32,其中默认功率组态为用户自行定义的符合待测装置的规格的功率组态,并且最佳功率组态为功率分配装置100根据待测装置的规格而产生的功率组态。由图3A可知,在进行测试时,根据最佳功率组态运行的待测装置的分数将高于根据默认功率组态运行的待测装置的分数,其中所述分数例如可根据TensorFlow软件或3DMark11软件计算出,本发明不限于此。
图3B根据本发明的一实施例示出对应于默认功率组态以及最佳功率组态的中央处理单元温度的比较的示意图。图3B可包含对应于默认功率组态的曲线33以及对应于最佳功率组态的曲线34,其中默认功率组态为用户自行定义的符合待测装置的规格的功率组态,并且最佳功率组态为功率分配装置100根据待测装置的规格而产生的功率组态。由图3B可知,在进行测试时,根据最佳功率组态运行的待测装置的中央处理单元温度将低于根据默认功率组态运行的待测装置的中央处理单元温度。
图3C根据本发明的一实施例示出对应于默认功率组态以及最佳功率组态的外观温度的比较的示意图。图3C可包含对应于默认功率组态的曲线35以及对应于最佳功率组态的曲线36,其中默认功率组态为用户自行定义的符合待测装置的规格的功率组态,并且最佳功率组态为功率分配装置100根据待测装置的规格而产生的功率组态。由图3C可知,在进行测试时,根据最佳功率组态运行的待测装置的外观温度将低于根据默认功率组态运行的待测装置的外观温度。
综上所述,本发明的功率配置装置的人工智能模型可参考工程师为待测装置决定的规格而自动地产生初始的功率组态。评分模块可为人工智能模型所产生的功率组态评分,以决定是否更新功率组态。人工智能模型可不断地更新功率组态直到更新的功率组态达到特定的分数为止。接着,热传导验证模块与效能验证模块可为功率组态进行热传导验证以及效能验证以判断所述功率组态是否符合规格,若不符合,择热传导验证模块与效能验证模块可对功率组态进行调整。最后,功率配置装置可输出待测装置的最佳功率组态。所述最佳功率组态能使待测装置在不过热的情况下达到最佳的运算效能。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
- 基于人工智能的功率配置方法和功率配置装置
- 上行功率控制方法、功率控制参数配置方法及其装置