[发明专利]基于场景文件参数预估硬件配置的模型建立方法、装置

权利要求书

1.一种基于场景文件参数预估硬件配置的模型建立方法，其特征在于，包括以下步骤：

建立神经网络模型，所述神经网络模型包括线性层和激活函数层，其中，所述线性层至少有两层，相邻的两层线性层之间设置一层所述激活函数层；

确定场景文件对应的特征，所述特征包括3d场景文件大小、场景资产大小、场景占用内存峰值、场景中面数、场景中点数、场景中是否包含动力学计算、场景中是否使用到粒子系统、场景中是否包含光线焦散、场景中灯光细分值、抗锯齿精度、材质类型和分辨率；

基于场景文件参数获取特征数据，并利用所述特征数据对所述神经网络模型进行训练：转换所述特征数据为张量，将张量输入神经网络模型中；

在第一线性层中对所述张量进行增维及不同权重的计算，以得到所述第一线性层的输出量，其中，所述输出量不超过预设的输出量阈值范围；

在第二线性层中对所述输出量进行减维处理，以得到特征数组，其中，所述第二线性层为除第一线性层以外的其它线性层及激活函数层；

获取特征数组中的最大值，以及该最大值在特征数组中的位置；

将最大值的位置与硬件配置分类表进行匹配，以得到相应的预测分类；

计算预测分类和真实分类的损失值，根据损失值利用梯度下降法，对神经网络模型的参数进行调优并更新；

重复上述步骤，直至完成神经网络模型的训练。

2.根据权利要求1所述的基于场景文件参数预估硬件配置的模型建立方法，其特征在于，所述线性层有四层，第一层线性层的维度是1024，第二层线性层的维度是512，第三层线性层的维度是128，第四层线性层的维度是8。

3.根据权利要求1所述的基于场景文件参数预估硬件配置的模型建立方法，其特征在于，所述硬件配置分类表中将硬件配置分为8类，硬件配置包括RAM、CPU和GPU，渲染场景中，若RAM小于64G，则RAM属于low，否则RAM属于high；若CPU小于3.5ghz，则CPU属于low，否则CPU属于high；若GPU小于1080ti，则GPU属于low，否则GPU属于high。

4.一种基于场景文件参数预估硬件配置的模型建立装置，其特征在于，包括：

建立模块：用于建立神经网络模型，所述神经网络模型包括线性层和激活函数层，其中，所述线性层至少有两层，相邻的两层线性层之间设置一层所述激活函数层；

确定模块：用于确定场景文件对应的特征，所述特征包括3d场景文件大小、场景资产大小、场景占用内存峰值、场景中面数、场景中点数、场景中是否包含动力学计算、场景中是否使用到粒子系统、场景中是否包含光线焦散、场景中灯光细分值、抗锯齿精度、材质类型和分辨率；

获取输入模块：基于场景文件参数获取特征数据，并利用所述特征数据对所述神经网络模型进行训练：转换所述特征数据为张量，将张量输入神经网络模型中；

在第一线性层中对所述张量进行增维及不同权重的计算，以得到所述第一线性层的输出量，其中，所述输出量不超过预设的输出量阈值范围；

在第二线性层中对所述输出量进行减维处理，以得到特征数组，其中，所述第二线性层为除第一线性层以外的其它线性层及激活函数层；

获取特征数组中的最大值，以及该最大值在特征数组中的位置；

将最大值的位置与硬件配置分类表进行匹配，以得到相应的预测分类；

计算更新模块：计算预测分类和真实分类的损失值，根据损失值利用梯度下降法，对神经网络模型的参数进行调优并更新；

训练模块：用于重复上述步骤，直至完成神经网络模型的训练。

5.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如权利要求1至3中任一项方法的计算机程序。

6.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1至3中任一项方法的计算机程序。