[发明专利]记忆体的效能优化方法以及使用其的主机板

说明书

本发明提出一种记忆体的效能优化方法以及使用其的主机板。效能优化方法包括以下步骤：执行基本输入输出系统，以撷取对应于记忆体以及中央处理单元的初始设定参数；依据初始设定参数来比对储存在基本输入输出系统中的最佳化设定模型；当最佳化设定模型对应于初始设定参数时，依据最佳化设定模型取得最佳化设定参数，并且当最佳化设定模型未对应于初始设定参数时，执行类神经网络运算，以取得最佳化设定参数；以及依据最佳化设定参数来运作记忆体以及中央处理单元，以降低记忆体的操作功耗。

技术领域

本发明是有关于一种主机板(Motherboard)的功能设计，且特别是有关于一种记忆体(Memory)的效能优化方法以及使用其的主机板。

背景技术

对于一般的电脑系统来说，当使用者购入电脑主机，并且将记忆体(Memory)安装于主机板(Motherboard)上之后，在一般状态下，电脑系统仅能使用经由记忆体制造商预先烧录于记忆体的串行存在检测(Serial Presence Detect,SPD)中的相关初始记忆体设定参数，并且依据预设的初始记忆体时脉来操作记忆体。然而，若使用者利用电脑主机板所提供的调整功能来手动修改记忆体的相关参数，往往也仅是利用更大的功耗来换取记忆体处理时脉，因此无法有效率地提升记忆体效能，且同时降低记忆体的操作功耗，甚至无法确保记忆体是否工作在最稳定的状态。有鉴于此，以下将提出几个实施例的解决方案。

发明内容

本发明提供一种记忆体的效能优化方法以及使用其的主机板，可有效地自动优化设置在主机板上的记忆体的执行效能，以有效降低记忆体的操作功耗。

本发明的记忆体的效能优化方法，适于具有基本输入输出系统的主机板。所述效能优化方法包括以下步骤：执行基本输入输出系统，以撷取对应于记忆体以及中央处理单元的多个初始设定参数；依据所述多个初始设定参数来比对储存在基本输入输出系统中的多个最佳化设定模型；当所述多个最佳化设定模型的其中之一对应于所述多个初始设定参数时，依据所述多个最佳化设定模型的其中之一取得多个最佳化设定参数，并且当所述多个最佳化设定模型的任何其中之一未对应于所述多个初始设定参数时，执行类神经网络运算，以取得所述多个最佳化设定参数；以及依据所述多个最佳化设定参数来运作记忆体以及中央处理单元，以降低记忆体的操作功耗。

在本发明的一实施例中，上述的效能优化方法更包括以下步骤：藉由人工智慧引擎执行类神经网络运算，以依据多个初始设定参数组来产生所述多个最佳化设定模型；以及将所述多个最佳化设定模型写入基本输入输出系统。

在本发明的一实施例中，上述的所述多个最佳化设定模型对应于相同记忆体型号以及不同记忆体操作频率。

在本发明的一实施例中，上述的当所述多个最佳化设定模型的任何其中之一未对应于所述多个初始设定参数时，执行类神经网络运算，以取得所述多个最佳化设定参数的步骤包括：藉由人工智慧引擎执行类神经网络运算，以依据所述多个初始设定参数来训练至少一新的最佳化设定模型；将所述至少一新的最佳化设定模型写入基本输入输出系统；以及依据所述至少一新的最佳化设定模型的其中之一来取得所述多个最佳化设定参数。

在本发明的一实施例中，上述的藉由人工智慧引擎执行类神经网络运算，以依据所述多个初始设定参数来训练所述至少一新的最佳化设定模型的步骤包括：依据所述多个初始设定参数来训练对应于相同记忆体型号以及不同记忆体操作频率的多个新的最佳化设定模型。

在本发明的一实施例中，上述的人工智慧引擎设置在基本输入输出系统当中，以经由基本输入输出系统执行人工智慧引擎。

在本发明的一实施例中，上述的人工智慧引擎为应用程序，以经由作业系统执行人工智慧引擎。

在本发明的一实施例中，上述的人工智慧引擎设置在云端系统中，以经由与云端系统进行通讯，来执行人工智慧引擎。