[发明专利]电子设备及其神经网络模型运行方法、存储介质

说明书

本申请涉及电子技术领域，公开了一种电子设备及其神经网络模型运行方法、存储介质。该电子设备包括第一处理器和第二处理器，上述方法包括：第一处理器运行简化模型并根据简化模型的运行结果判断是否满足神经网络模型的运行条件；第一处理器在简化模型的运行结果满足神经网络模型的运行条件的情况下，唤醒第二处理器运行神经网络模型；其中，简化模型为通过下列中的至少一种方式将神经网络模型简化得到：减少所述神经网络模型的输入参数；简化所述神经网络模型的网络结构。如此，第二处理器只在简化模型的运行结果满足神经网络模型的运行条件时才被唤醒并运行神经网络模型，降低了第二处理器的功耗，提升了电子设备的续航能力。

技术领域

本申请涉及电子技术领域，特别涉及一种电子设备及其神经网络模型运行方法、存储介质。

背景技术

随着人工智能(artificial intelligence，AI)的迅速发展，神经网络处理器(neural network processing unit，NPU)在电子设备中的应用越来越广泛，例如通过NPU实现用户运动状态识别、用户心率监测、设备状态监测等。但是，随着电子设备尤其是便携式电子设备(例如家用电子设备、可穿戴电子设备、物联网设备)中的传感器越来越多，人工智能模型(例如神经网络模型)的复杂程度越来越大，直接将人工智能模型部署在NPU中会使NPU持续运行，导致NPU功耗较高，降低了电子设备的续航能力，影响用户体验。

发明内容

有鉴于此，本申请实施例提供了一种电子设备及其神经网络模型运行方法、存储介质，通过简化神经网络模型生成简化模型，并由电子设备的第一处理器运行简化模型，当简化模型的运行结果满足神经网络的运行条件时才唤醒第二处理器运行神经网络模型。如此，第二处理器只在简化模型的运行结果满足神经网络模型的运行条件时才唤醒，降低了第二处理器的功耗，提升了电子设备的续航能力。

第一方面，本申请实施例提供了一种神经网络模型运行方法，该方法包括：第一处理器运行简化模型并根据简化模型的运行结果判断是否满足神经网络模型的运行条件；第一处理器在简化模型的运行结果满足运行条件的情况下，唤醒第二处理器运行神经网络模型；其中，简化模型为通过下列中的至少一种方式将神经网络模型简化得到：减少所述神经网络模型的输入参数；简化所述神经网络模型的网络结构。如此，第二处理器只在简化模型的运行结果满足神经网络模型的运行条件时才被唤醒并运行神经网络模型，降低了第二处理器的功耗，提升了电子设备的续航能力。

例如，神经网络模型可以为运动类型识别模型，通过减少运动类型识别模型的输入参数、减少运动类型识别模型的网络结构生成用户状态识别模型，由电子设备的第一处理器运行用户状态识别模型，当第一处理器确定电子设备的用户在进行运动时，第一处理器唤醒第二处理器，第二处理器运行运动类型识别模型。如此，第二处理器只在电子设备的用户处于运动状态时才被唤醒，降低了第二处理器的功耗，提升了电子设备的续航能力。

结合上述第一方面的第一种可能的实现中，上述方法还包括：在第二处理器运行神经网络模型后，在简化模型的运行结果不满足神经网络模型的运行条件的情况下，将第二处理器设置为休眠。

结合上述第一方面的第二种可能实现中，上述神经网络模型为运动类型识别模型，运动类型识别模型用于识别电子设备的用户在进行的运动的类型。

结合上述第一方面的第二种可能实现的第三种可能实现中，上述运动类型识别模型包括传感器融合网络、分类神经网络和长短期记忆网络。

结合上述第一方面的第三种可能实现的第四种可能实现中，上述神经网络模型的运行条件为检测到电子设备的用户处于运动状态。

结合上述第一方面的第四种可能实现的第五种可能实现中，上述简化神经网络模型的网络结构包括：将包括传感器融合网络、分类神经网络和长短期记忆网络的运动类型识别模型简化为仅包括分类神经网络的简化模型。