[发明专利]一种基于神经网络的实时能耗优化绘制方法和装置

权利要求书

1.一种基于神经网络的实时能耗优化绘制方法，其特征在于，包括以下步骤：

将GPU能耗相关的绘制参数与数据输入至基于神经网络构建的能耗预测模型，经计算输出待绘制三维场景采用各种绘制参数时对应的GPU的能耗预测值，并根据给定的能耗预算阈值，筛选保留小于或等于能耗预算阈值的能耗预测值对应的绘制参数，实现能耗筛选；

将图像质量相关的绘制参数与数据输入至基于神经网络构建的误差预测模型，经计算输出待绘制三维场景采用能耗筛选保留的各绘制参数时对应的图像误差预测值，并从中选择最小图像误差预测值对应的绘制参数作为即将选用的最佳绘制参数，实现误差筛选；

实时绘制时，选用最佳绘制参数对待绘制三维场景进行实时绘制；

能耗预测模型的构建过程为：

获取包括绘制参数、绘制流水线相关数据、GPU硬件信息、GPU工作状态的GPU能耗相关的绘制参数与数据以及GPU能耗；

基于神经网络构建能耗预测网络，包括至少2层全连接层形成的辅助输出单元和至少2层全连接层形成的主要输出单元；

以包含绘制参数，绘制流水线相关数据，GPU硬件信息的样本数据作为辅助输出单元的输入和主要输出单元的主要输入，以GPU工作状态作为辅助输出单元的真值输出，以辅助输出单元的预测输出作为主要输出单元的辅助输入，以绘制参数对应的GPU能耗作为主要输出单元的真值输出，对能耗预测网络的网络参数进行优化，确定的网络参数与能耗预测网络结构组成能耗预测模型。

2.一种基于神经网络的实时能耗优化绘制方法，其特征在于，包括以下步骤：

将图像质量相关的绘制参数与数据输入至基于神经网络构建的误差预测模型，经计算输出待绘制三维场景采用各种绘制参数时对应的图像误差预测值，并根据给定的误差预算阈值，筛选保留小于或等于误差预算阈值的图像误差预测值对应的绘制参数，实现误差筛选；

将GPU能耗相关的绘制参数与数据输入至基于神经网络构建的能耗预测模型，经计算输出待绘制三维场景采用误差筛选保留的各绘制参数时对应的GPU的能耗预测值，并从中选择最小能耗预测值对应的绘制参数作为即将选用的最佳绘制参数，实现能耗筛选；

实时绘制时，选用最佳绘制参数对待绘制三维场景进行实时绘制；

能耗预测模型的构建过程为：

获取包括绘制参数、绘制流水线相关数据、GPU硬件信息、GPU工作状态的GPU能耗相关的绘制参数与数据以及GPU能耗；

基于神经网络构建能耗预测网络，包括至少2层全连接层形成的辅助输出单元和至少2层全连接层形成的主要输出单元；

以包含绘制参数，绘制流水线相关数据，GPU硬件信息的样本数据作为辅助输出单元的输入和主要输出单元的主要输入，以GPU工作状态作为辅助输出单元的真值输出，以辅助输出单元的预测输出作为主要输出单元的辅助输入，以绘制参数对应的GPU能耗作为主要输出单元的真值输出，对能耗预测网络的网络参数进行优化，确定的网络参数与能耗预测网络结构组成能耗预测模型。

3.如权利要求1或2所述的基于神经网络的实时能耗优化绘制方法，其特征在于，当前后两次绘制选用的最佳绘制参数不同时，从当前次选用的最佳绘制参数逐渐过渡到下一次选用的最佳绘制参数；否则不进行过渡；过渡方式采用平滑插值处理。

4.如权利要求1或2所述的基于神经网络的实时能耗优化绘制方法，其特征在于，能耗预测模型的构建过程中，能耗预测网络的每层全连接层采用softplus函数、ReLU函数或tanh函数作为激活函数；

以logcosh作为训练主要输出单元的损失函数，以平均绝对百分误差作为训练辅助输出单元的损失函数，对能耗预测网络的网络参数进行优化，确定的网络参数与能耗预测网络结构组成能耗预测模型。