[发明专利]核心调度方法和终端

权利要求书

1.一种核心调度方法，其特征在于，包括：

获取目标模型参数，所述目标模型参数用于表示一卷积神经网络模型的计算密度；

根据所述目标模型参数，从预设的第一对应关系中确定至少两个核心的核心权重值，所述至少两个核心的核心权重值与所述目标模型参数对应，所述至少两个核心为终端上的异构核心，不同的异构核心的硬件特性不同，所述至少两个核心包括中央处理器CPU、图形处理器GPU、数字信号处理器DSP、脉动阵列处理器中的至少两个，所述第一对应关系包括所述目标模型参数和所述至少两个核心的核心权重值的对应关系，核心权重值用于表示核心被选择以运行所述卷积神经网络模型的优先程度；

根据所述至少两个核心的核心权重值，从所述至少两个核心中确定运行所述卷积神经网络模型的核心。

2.根据权利要求1所述的方法，其特征在于，

所述方法还包括：

获取所述终端当前的状态参数，所述状态参数为动态变化的参数；

根据所述状态参数，从预设的第二对应关系中确定所述至少两个核心的参数权重值，所述至少两个核心的参数权重值和所述状态参数对应，所述第二对应关系包括所述状态参数和所述至少两个核心的参数权重值的对应关系，参数权重值用于表示在所述状态参数下，核心被选择以运行所述卷积神经网络模型的优先程度；

所述根据所述至少两个核心的核心权重值，从所述至少两个核心中确定运行所述卷积神经网络模型的核心，包括：

对每一核心，使用参数权重值修正核心权重值，得到第一修正权重值，所述第一修正权重值用于表示核心被选择以运行所述卷积神经网络模型的优先程度；

根据所述至少两个核心的第一修正权重值，从所述至少两个核心中确定运行所述卷积神经网络模型的核心。

3.根据权利要求2所述的方法，其特征在于，

所述终端当前的状态参数为每一核心当前的核心使用率；

所述根据所述状态参数，从预设的第二对应关系中确定所述至少两个核心的参数权重值，包括：

对所述每一核心，根据核心使用率从预设的第二对应关系中确定性能权重值，所述每一核心的性能权重值和所述每一核心的核心使用率对应，所述性能权重值用于表示在核心当前的核心使用率下，核心被选择以运行所述卷积神经网络模型的优先程度，所述第二对应关系包括所述每一核心的核心使用率和所述每一核心的性能权重值的对应关系。

4.根据权利要求3所述的方法，其特征在于，

所述方法还包括：

获取所述终端当前的剩余电量值；

根据所述剩余电量值，从预设的第三对应关系中确定所述至少两个核心的功耗权重值，所述至少两个核心的功耗权重值和所述剩余电量值对应，所述第三对应关系包括所述剩余电量值和所述至少两个核心的功耗权重值的对应关系，所述功耗权重值用于表示在所述剩余电量值下，核心被选择以运行所述卷积神经网络模型的优先程度；

所述根据所述至少两个核心的第一修正权重值，从所述至少两个核心中确定运行所述卷积神经网络模型的核心，包括：

对每一核心，使用功耗权重值修正第一修正权重值，得到第二修正权重值，所述第二修正权重值用于表示核心被选择以运行所述卷积神经网络模型的优先程度；

根据所述至少两个核心的第二修正权重值，从所述至少两个核心中确定运行所述卷积神经网络模型的核心。

5.根据权利要求1所述的方法，其特征在于，

所述方法还包括：

获取每一核心当前的核心使用率；

对所述每一核心，根据核心使用率从第二对应关系中确定性能参数，所述每一核心的性能参数和所述每一核心的核心使用率对应，所述第二对应关系包括所述每一核心的性能参数和所述每一核心的核心使用率的对应关系；

所述根据所述至少两个核心的核心权重值，从所述至少两个核心中确定运行所述卷积神经网络模型的核心之后，所述方法还包括：

在目标核心上使用所述目标核心的性能参数运行所述卷积神经网络模型，所述目标核心为所述运行所述卷积神经网络模型的核心。