绘图资源调度方法与绘图资源调度系统与流程

1.本发明涉及一种运算资源调度技术，且尤其涉及一种绘图资源调度方法与绘图资源调度系统。


背景技术：

2.目前市面上的可携式电子装置(例如智能手机或平板计算机)的体积越做越小，使得装置的运算效能也随之下降。因此，远端绘图这样的技术概念也被提出，以通过远端设备协助本地用户设备进行远端计算机绘图，以改善本地用户设备运算效能不足的缺陷。然而，实务上，本地用户设备执行的绘图接口模块与远端设备所采用的绘图驱动模块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发生双方版本不符等问题而导致远端计算机绘图的运作效率低落。


技术实现要素：

3.本发明提供一种绘图资源调度方法与绘图资源调度系统，可提高远端计算机绘图的运作效率。
4.本发明的实施例提供一种绘图资源调度方法，其包括：根据第一类描述信息与第二类描述信息建立推理模型，其中所述第一类描述信息包括与适于安装于用户设备的绘图接口模块有关的描述信息，且所述第二类描述信息包括与适于安装于远端设备的绘图驱动模块有关的描述信息；由所述推理模型根据与目标用户设备的目标绘图接口模块有关的描述信息产生配对信息，其中所述配对信息用以将所述目标用户设备与目标远端设备进行配对；以及根据所述配对信息指示所述目标用户设备搭配所述目标远端设备执行远端计算机绘图。
5.本发明的实施例另提供一种绘图资源调度系统，其包括存储电路与处理器。所述存储电路用以存储第一类描述信息、第二类描述信息及推理模型。所述处理器连接至所述存储电路并用以：根据所述第一类描述信息与所述第二类描述信息建立所述推理模型，其中所述第一类描述信息包括与适于安装于用户设备的绘图接口模块有关的描述信息，且所述第二类描述信息包括与适于安装于远端设备的绘图驱动模块有关的描述信息；运行所述推理模型，以根据与目标用户设备的目标绘图接口模块有关的描述信息产生配对信息，其中所述配对信息用以将所述目标用户设备与目标远端设备进行配对；以及根据所述配对信息指示所述目标用户设备搭配所述目标远端设备执行远端计算机绘图。
6.基于上述，在根据第一类描述信息与第二类描述信息建立推理模型后，所述推理模型可根据与目标用户设备的目标绘图接口模块有关的描述信息产生配对信息，以将所述目标用户设备与目标远端设备进行配对。尔后，所述目标用户设备可根据所述配对信息来搭配所述目标远端设备执行远端计算机绘图。借此，可有效提高远端计算机绘图的运作效率。
附图说明
7.图1是根据本发明的实施例所示出的绘图资源调度系统的示意图；
8.图2是根据本发明的实施例所示出的训练推理模型的示意图；
9.图3是根据本发明的实施例所示出的推理模型选择目标远端设备的示意图；
10.图4是根据本发明的实施例所示出的绘图资源调度方法的流程图；
11.图5是根据本发明的实施例所示出的绘图资源调度方法的流程图。
具体实施方式
12.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。
13.图1是根据本发明的实施例所示出的绘图资源调度系统的示意图。请参照图1，绘图资源调度系统10可设置于智能手机、平板计算机、笔记本计算机、台式电脑、工业计算机或服务器等各式具有数据处理以及通信功能的电子装置中。
14.绘图资源调度系统10包括处理器11、存储电路12及输入/输出(i/o)接口13。处理器11用以负责绘图资源调度系统10的整体或部分运作。例如，处理器11可包括中央处理单元(central processing unit,cpu)、图形处理单元(graphics processing unit,gpu)、或是其他可编程的一般用途或特殊用途的微处理器、数字信号处理器(digital signal processor,dsp)、可编程控制器、专用集成电路(application specific integrated circuits,asic)、可编程逻辑器件(programmable logic device,pld)或其他类似装置或这些装置的组合。
15.存储电路12用以存储数据。例如，存储电路12可包括易失性存储电路与非易失性存储电路。易失性存储电路用以易失性地存储数据。例如，易失性存储电路可包括随机存取存储器(random access memory,ram)或类似的易失性存储媒体。非易失性存储电路用以非易失性地存储数据。例如，非易失性存储电路可包括只读存储器(read only memory,rom)、固态硬盘(solid state disk,ssd)、传统硬盘(hard disk drive,hdd)或类似的非易失性存储媒体。
16.输入/输出(i/o)接口13可包括通信电路(例如网络接口卡)、鼠标、键盘、屏幕、触控屏幕、扬声器和/或麦克风等各式信号的输出/输出装置。本发明不限制输入/输出接口13的装置类型。
17.存储电路12可用以存储描述信息(亦称为第一类描述信息)101、描述信息(亦称为第二类描述信息)102及推理模型121。描述信息101包括与适于安装于用户设备的绘图接口模块有关的描述信息。描述信息102包括与适于安装于远端设备(亦称为服务器设备)的绘图驱动模块有关的描述信息。
18.在一实施例中，用户设备可基于所安装的绘图接口模块来执行图形内容的显示。例如，用户设备可包括智能手机、平板计算机、笔记本计算机、台式电脑或游戏机等各式适合于用户端进行图形内容的显示的计算机设备。描述信息101可用以描述适于安装于用户设备的各式绘图接口模块。例如，描述信息101可包括绘图接口模块中的一或多个程序模块的名称及版本信息。
19.在一实施例中，描述信息101包括绘图接口模块中的渲染器(renderer)与绘图应
用程序的至少其中之一的描述信息，以对绘图接口模块中的渲染器和/或绘图应用程序等程序、数据库或驱动软件进行描述。例如，描述信息101可包括渲染器和/或绘图应用程序的名称及版本信息。
20.在一实施例中，远端设备可基于所安装的绘图驱动模块来执行远端计算机绘图。例如，远端设备可包括台式电脑、工业计算机或服务器等各式适合于服务器端协助用户设备进行远端计算机绘图的计算机设备。描述信息102可用以描述适于安装于远端设备的各式绘图驱动模块。例如，描述信息102可包括绘图驱动模块中的一或多个程序模块的名称及版本信息。
21.在一实施例中，描述信息102包括绘图驱动模块中的绘图驱动器(graphic driver)与绘图应用程序接口(application programming interface,api)的至少其中之一的描述信息，以对绘图驱动模块中的绘图驱动器与绘图应用程序接口等程序、数据库或驱动软件进行描述。例如，描述信息102可包括绘图驱动器和/或绘图应用程序接口的名称及版本信息。
22.处理器11可根据描述信息101与102来训练并建立推理模型121。例如，推理模型121可包括深度学习(deep learning)模型或神经网路(neural network)模型等各式可通过训练来自主执行特定功能的人工智能模型。
23.图2是根据本发明的实施例所示出的训练推理模型的示意图。请参照图2，假设训练数据集21包括描述信息211与212，且训练数据集22包括描述信息221与222。描述信息211与221属于第一类描述信息。描述信息212与222属于第二类描述信息。例如，描述信息211描述了用户设备中的特定渲染器(例如virgl)与特定绘图应用程序(例如halo)的组合。例如，描述信息221描述了用户设备中的特定渲染器(例如zink)与特定绘图应用程序(例如tomb raider)的组合。例如，描述信息212描述了远端设备中的特定绘图驱动器(例如mesa，其版本为19.1.x)与特定绘图应用程序接口(例如opengl)的组合。例如，描述信息222描述了远端设备中的特定绘图驱动器(例如mesa，其版本为21.1.x)与特定绘图应用程序接口(例如vulkan)的组合。
24.训练数据集21与22可用以训练并建立推理模型121。特别是，以训练数据集21为例，单一个训练数据集21中同时包含了与用户设备所采用的特定绘图接口模块有关的描述信息211以及与远端设备所采用的特定绘图驱动模块有关的描述信息212。因此，在训练推理模型121的过程中，特定的绘图接口模块与绘图驱动模块的组合可被用以训练推理模型121。
25.须注意的是，图2的训练数据集21与22中的描述信息仅为范例，而非用以限定本发明。此外，训练数据集21与22中还可以包括更多有用的信息，以协助对推理模型121进行训练，本发明不加以限制。此外，更多的训练数据集亦可用以训练并建立推理模型121，本发明不加以限制。
26.请回到图1，在一实施例中，存储电路12还可用以存储效能参考信息103。效能参考信息103包括用户端的绘图接口模块与服务器端的绘图驱动模块相互搭配所预估达到的绘图效能的评估信息。处理器11亦可根据描述信息101、描述信息102及效能参考信息103来训练并建立推理模型121。
27.在一实施例中，处理器11可对互联网(internet)上的资源执行关键字搜索。例如，
处理器11可针对常见的计算机绘图领域中常见的渲染器、绘图应用程序、绘图驱动器及绘图应用程序接口建立多个关键字。处理器11可根据此些关键字从互联网中搜寻相关信息。然后，处理器11可根据搜索结果更新描述信息101、描述信息102及效能参考信息103的至少其中之一。例如，处理器11可根据所搜寻到的特定渲染器(例如virgl)搭配特定绘图应用程序接口(例如opengl)进行远端计算机绘图所可达到的绘图效能(例如每秒可输出几个图像画面)，来更新描述信息101、描述信息102及效能参考信息103。
28.在建立推理模型121后，处理器11可运行推理模型121，以根据与特定用户设备(亦称为目标用户设备)的绘图接口模块(亦称为目标绘图接口模块)有关的描述信息(亦称为目标描述信息)产生配对信息。例如，目标描述信息可用以描述目标用户设备所采用的绘图接口模块。例如，目标描述信息可包括目标用户设备所采用的绘图接口模块中的一或多个程序模块(例如渲染器与绘图应用程序)的名称及版本信息。所述配对信息可用以将目标用户设备与特定的远端设备(亦称为目标远端设备)进行配对。然后，处理器11可根据所述配对信息指示目标用户设备搭配目标远端设备执行远端计算机绘图。
29.在一实施例中，在远端计算机绘图中，目标用户设备可将绘图请求传送给目标远端设备。响应于所述绘图请求，目标远端设备可基于特定绘图驱动模块执行计算机绘图并将计算机绘图的绘图结果回传给目标用户设备。目标用户设备可根据目标远端设备回传的绘图结果通过绘图接口模块来呈现相关图形内容。
30.一般来说，用户设备采用的不同绘图接口模块与远端设备采用的不同绘图驱动模块的组合可提供不同的远端计算机绘图的运作效能。若目标用户设备与目标远端设备的配对组合不佳，则目标用户设备搭配目标远端设备执行的远端计算机绘图的运作效能可能会下降。在一实施例中，所建立的推理模型121可用以推测或建议较佳的目标用户设备与目标远端设备的配对组合，以提高目标用户设备搭配目标远端设备执行的远端计算机绘图的运作效能。
31.在一实施例中，在建立推理模型121之后，处理器11可通过输入/输出接口13接收与目标用户设备的目标绘图接口模块有关的描述信息(即目标描述信息)。处理器11可运行推理模型121并根据目标描述信息从多个候选远端设备中选择其中之一作为目标远端设备。尔后，处理器11可指示目标用户设备搭配选定的目标远端设备执行远端计算机绘图。
32.图3是根据本发明的实施例所示出的推理模型选择目标远端设备的示意图。请参照图3，假设目标用户设备为用户设备31且候选远端设备包括远端设备32(1)、32(2)及32(3)。用户设备31安装有渲染器311与绘图应用程序312。远端设备32(1)安装有绘图驱动器321(1)与绘图应用程序接口321(2)。远端设备32(2)安装有绘图驱动器322(1)与绘图应用程序接口322(2)。远端设备32(3)安装有绘图驱动器323(1)与绘图应用程序接口323(2)。远端设备32(1)、32(2)及32(3)中的绘图驱动器与绘图应用程序接口的组合彼此各不相同。
33.在一实施例中，推理模型121可获得与用户设备31有关的目标描述信息以及与远端设备32(1)、32(2)及32(3)有关的描述信息。例如，目标描述信息可包含渲染器311与绘图应用程序312各别的名称与版本信息。例如，与远端设备32(1)有关的描述信息可包含绘图驱动器321(1)与绘图应用程序接口321(2)各别的名称与版本信息。例如，与远端设备32(2)有关的描述信息可包含绘图驱动器322(1)与绘图应用程序接口322(2)各别的名称与版本信息。例如，与远端设备32(3)有关的描述信息可包含绘图驱动器323(1)与绘图应用程序接
口323(2)各别的名称与版本信息。
34.在一实施例中，推理模型121可根据目标描述信息从远端设备32(1)、32(2)及32(3)中择一作为目标远端设备。例如，推理模型121可根据目标描述信息以及远端设备32(1)、32(2)及32(3)各自的描述信息选择与用户设备31中的渲染器311与绘图应用程序312的组合搭配上可达到最佳绘图效能的远端设备作为目标远端设备。例如，假设推理模型121预测出用户设备31搭配远端设备32(1)、32(2)及32(3)执行远端计算机绘图所可达到的效能分别为每秒输出n(1)、n(2)及n(3)个图像画面，其中n(1)大于n(2)，且n(2)大于n(3)。推理模型121可根据n(1)、n(2)及n(3)选择搭配上效能最佳的远端设备32(1)作为目标远端设备，以协助用户设备31执行远端计算机绘图。
35.在一实施例中，处理器11还可持续检测目标用户设备搭配目标远端设备执行的远端计算机绘图的绘图效能。处理器11可判断所述绘图效能是否低于门槛值。若所述绘图效能未低于门槛值，表示推理模型121当前对于目标远端设备的选择与推荐符合预期，故处理器11可暂不更新或调整推理模型121。另一方面，响应于所述绘图效能低于门槛值，处理器11可检查目标远端设备的系统效能是否达效能上限。
36.若目标远端设备的系统效能未达效能上限，表示造成远端计算机绘图的绘图效能低落的原因有可能是出在推理模型121的决策逻辑。因此，响应于目标远端设备的系统效能未达效能上限，处理器11可根据目标用户设备的绘图接口模块调整推理模型121。例如，处理器11可指示推理模型121降低目标用户设备采用的绘图接口模块与目标远端设备采用的绘图驱动模块的组合所可达到的绘图效能。或者，处理器11亦可将目标用户设备采用的绘图接口模块中的渲染器和/或绘图应用程序标记为不适当、无参考价值或不建议采用，以降低推理模型121对相同或相似的渲染器与绘图应用程序的组合的效能评价。
37.此外，若目标远端设备的系统效能已达效能上限，表示造成远端计算机绘图的绘图效能低落的原因有可能是出在目标远端设备的系统上的软/硬件限制。因此，响应于目标远端设备的系统效能已达效能上限，处理器11可提供对应于目标远端设备的设备检查信息。例如，所述设备检查信息可通过电子邮件或简讯等方式传送给目标远端设备的管理单位，以通知目标远端设备的管理单位对目标远端设备进行软/硬件层面的设备检查(例如执行设备更新或故障排除)。
38.图4是根据本发明的实施例所示出的绘图资源调度方法的流程图。请参照图4，在步骤s401中，根据第一类描述信息与第二类描述信息建立推理模型，其中所述第一类描述信息包括与适于安装于用户设备的绘图接口模块有关的描述信息，且所述第二类描述信息包括与适于安装于远端设备的绘图驱动模块有关的描述信息。在步骤s402中，由所述推理模型根据与目标用户设备的目标绘图接口模块有关的描述信息产生配对信息，其中所述配对信息用以将所述目标用户设备与目标远端设备进行配对。在步骤s403中，根据所述配对信息指示所述目标用户设备搭配所述目标远端设备执行远端计算机绘图。
39.图5是根据本发明的实施例所示出的绘图资源调度方法的流程图。请参照图5，在步骤s501中，检测目标用户设备搭配目标远端设备执行的远端计算机绘图的绘图效能。在步骤s502中，判断所述绘图效能是否低于门槛值。若所述绘图效能未低于门槛值，可回到步骤s501。若所述绘图效能低于门槛值，在步骤s503中，检测目标远端设备的系统效能。在步骤s504中，判断目标远端设备的系统效能是否达到效能上限。响应于目标远端设备的系统
效能未达效能上限，在步骤s505中，根据目标用户设备的绘图接口模块调整推理模型。或者，响应于目标远端设备的系统效能已达效能上限，在步骤s506中，提供对应于目标远端设备的设备检查信息。
40.然而，图4与图5中各步骤已详细说明如上，在此便不再赘述。值得注意的是，图4与图5中各步骤可以实作为多个程序码或是电路，本发明不加以限制。此外，图4与图5的方法可以搭配以上范例实施例使用，也可以单独使用，本发明不加以限制。
41.综上所述，本发明所提出的实施例可在训练阶段根据用户设备可能采用的绘图接口模块与远端设备可能采用的绘图驱动模块对推理模型进行配对训练。尔后，在推理模型上线后，推理模型可根据目标用户设备的目标描述信息来推荐合适的目标远端设备与目标用户设备进行配对以协助目标用户设备执行远端计算机绘图。此外，在选定目标远端设备后，还可根据所执行的远端计算机绘图的绘图效能来持续优化推理模型或通知目标远端设备的管理单位对目标远端设备进行设备检查。借此，可有效提高远端计算机绘图的运作效率。
42.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。

技术特征：
1.一种绘图资源调度方法，其特征在于，包括：根据第一类描述信息与第二类描述信息建立推理模型，其中所述第一类描述信息包括与适于安装于用户设备的绘图接口模块有关的描述信息，且所述第二类描述信息包括与适于安装于远端设备的绘图驱动模块有关的描述信息；由所述推理模型根据与目标用户设备的目标绘图接口模块有关的目标描述信息产生配对信息，其中所述配对信息用以将所述目标用户设备与目标远端设备进行配对；以及根据所述配对信息指示所述目标用户设备搭配所述目标远端设备执行远端计算机绘图。2.根据权利要求1所述的绘图资源调度方法，其中所述第一类描述信息包括所述绘图接口模块中的渲染器与绘图应用程序的至少其中之一的描述信息。3.根据权利要求1所述的绘图资源调度方法，其中所述第二类描述信息包括所述绘图驱动模块中的绘图驱动器与绘图应用程序接口的至少其中之一的描述信息。4.根据权利要求1所述的绘图资源调度方法，其中所述根据第一类描述信息与所述第二类描述信息建立所述推理模型的步骤包括：根据所述第一类描述信息、所述第二类描述信息及效能参考信息建立所述推理模型，其中所述效能参考信息包括所述绘图接口模块与所述绘图驱动模块相互搭配所预估达到的绘图效能的评估信息。5.根据权利要求4所述的绘图资源调度方法，还包括：对互联网上的资源执行关键字搜索；以及根据搜索结果更新所述第一类描述信息、所述第二类描述信息及所述效能参考信息的至少其中之一。6.根据权利要求1所述的绘图资源调度方法，其中由所述推理模型根据与所述目标用户设备的所述目标绘图接口模块有关的所述目标描述信息产生所述配对信息的步骤包括：由所述推理模型根据所述目标描述信息，从多个候选远端设备中选择其中之一作为所述目标远端设备。7.根据权利要求1所述的绘图资源调度方法，还包括：检测所述目标用户设备搭配所述目标远端设备执行的所述远端计算机绘图的绘图效能；响应于所述绘图效能低于门槛值，检查所述目标远端设备的系统效能是否达效能上限；响应于所述目标远端设备的所述系统效能未达所述效能上限，根据所述目标用户设备的所述绘图接口模块调整所述推理模型；以及响应于所述目标远端设备的所述系统效能已达所述效能上限，提供对应于所述目标远端设备的设备检查信息。8.一种绘图资源调度系统，其特征在于，包括：存储电路，用以存储第一类描述信息、第二类描述信息及推理模型；以及处理器，连接至所述存储电路，其中所述处理器用以：根据所述第一类描述信息与所述第二类描述信息建立所述推理模型，其中所述第一类
描述信息包括与适于安装于用户设备的绘图接口模块有关的描述信息，且所述第二类描述信息包括与适于安装于远端设备的绘图驱动模块有关的描述信息；运行所述推理模型，以根据与目标用户设备的目标绘图接口模块有关的目标描述信息产生配对信息，其中所述配对信息用以将所述目标用户设备与目标远端设备进行配对；以及根据所述配对信息指示所述目标用户设备搭配所述目标远端设备执行远端计算机绘图。9.根据权利要求8所述的绘图资源调度系统，其中所述第一类描述信息包括所述绘图接口模块中的渲染器与绘图应用程序的至少其中之一的描述信息。10.根据权利要求8所述的绘图资源调度系统，其中所述第二类描述信息包括所述绘图驱动模块中的绘图驱动器与绘图应用程序接口的至少其中之一的描述信息。11.根据权利要求8所述的绘图资源调度系统，其中所述存储电路还用以存储效能参考信息，且根据第一类描述信息与所述第二类描述信息建立所述推理模型的操作包括：根据所述第一类描述信息、所述第二类描述信息及效能参考信息建立所述推理模型，其中所述效能参考信息包括所述绘图接口模块与所述绘图驱动模块相互搭配所预估达到的绘图效能的评估信息。12.根据权利要求11所述的绘图资源调度系统，其中所述处理器还用以：对互联网上的资源执行关键字搜索；以及根据搜索结果更新所述第一类描述信息、所述第二类描述信息及所述效能参考信息的至少其中之一。13.根据权利要求8所述的绘图资源调度系统，其中由所述推理模型根据与所述目标用户设备的所述目标绘图接口模块有关的所述目标描述信息产生所述配对信息的操作包括：由所述推理模型根据所述目标描述信息，从多个候选远端设备中选择其中之一作为所述目标远端设备。14.根据权利要求8所述的绘图资源调度系统，其中所述处理器还用以：检测所述目标用户设备搭配所述目标远端设备执行的所述远端计算机绘图的绘图效能；响应于所述绘图效能低于门槛值，检查所述目标远端设备的系统效能是否达效能上限；响应于所述目标远端设备的所述系统效能未达所述效能上限，根据所述目标用户设备的所述绘图接口模块调整所述推理模型；以及响应于所述目标远端设备的所述系统效能已达所述效能上限，提供对应于所述目标远端设备的设备检查信息。

技术总结
本发明提供一种绘图资源调度方法与绘图资源调度系统。所述方法包括：根据第一类描述信息与第二类描述信息建立推理模型，其中所述第一类描述信息包括与适于安装于用户设备的绘图接口模块有关的描述信息，且所述第二类描述信息包括与适于安装于远端设备的绘图驱动模块有关的描述信息；由所述推理模型根据与目标用户设备的目标绘图接口模块有关的描述信息产生配对信息，其中所述配对信息用以将所述目标用户设备与目标远端设备进行配对；以及根据所述配对信息指示所述目标用户设备搭配所述目标远端设备执行远端计算机绘图。借此，可提高远端计算机绘图的运作效率。提高远端计算机绘图的运作效率。提高远端计算机绘图的运作效率。


技术研发人员：陈冠儒
受保护的技术使用者：宏碁股份有限公司
技术研发日：2022.01.18
技术公布日：2023/8/5