CN119440219A 功率调整方法及相关装置 （荣耀终端有限公司）

街道东海社区红荔西路8089号深业中本申请提供了一种功率调整方法及相关装场景确定在该主二级场景下CPU最大可供给功率2检测到第一主二级事件，确定电子设备处于第一主二级场景，括未检测到一级事件的情况下所述电子设备运行焦点应基于功率预测模型对所述第一主二级场景进行预测，得到第供给功率分别运行时对应的用户体验受损概率，用户体验受损概率为以CPU最大可供给功根据第一最优功率调整所述电子设备的CPU最大可供给功率，所述第一最优功率由所检测到一级事件，确定所述电子设备所处场景由所述第一主二级场景切换为一级场将所述电子设备的CPU最大可供给功率调3.根据权利要求1或2所述的方法，其特征在于检测到第二主二级事件，确定所述电子设备所处场景由所基于所述功率预测模型对所述第二主二级场景进行预测，二预测结果包括所述多个CPU最大可供给功率，以及在所述第二主二级场景下以所述多个根据第二最优功率调整所述电子设备的CPU最大可供给功率，所述第二最优功率由所4.根据权利要求1至3任一项所述的方法，其特征在于，所检测到第一辅二级事件，确定所述电子设备处于第一辅二级场景，所基于所述功率预测模型对所述第一辅二级场景进行预测，三预测结果包括所述多个CPU最大可供给功率，以及在所述第以辅二级场景下以所述多个CPU最大可供给功率分别运行时对应的用所述根据第一最优功率调整所述电子设备的CPU最大可供将所述电子设备的CPU最大可供给功率调整为第一最优功率和第一次优功率中最大的5.根据权利要求1至4任一项所述的方法，其特根据有效数据集获取训练数据集；所述训练数据集包括多条主二级场景的训练数据，包括在主二级场景下各个CPU最大可供给功率对应的标签值，所述标签值包括第一标签值3确定所述有效数据中所述电子设备以多个不同的CPU最大可供给功率分别运行的卡顿在所述卡顿时长占比小于或等于所述第一阈值的情况下，CPU最大可供给功率的标签值确定为所述第一标签值；在所述卡顿时长占比大于所述第一阈值的情况下，则将所述有效数据对应的CPU最大可供给功率的标签值确定为所述第二标7.根据权利要求5或6所述的方法，其特征在于，在以所述第一功率运行的时长达到第一时长且未发生卡顿的情况下，将CPU最大供给功率调整为第二功率；所述第一功率以及所述第二功率包含于所述多个不同的CPU最大可在以所述第一功率运行的时长未达到所述第一时长且发生卡顿的情况下，并将CPU最在所述第一主二级场景下以所述第一功率运行保存所述第一主二级场景的探索进度为所述第一功率，所述确定所述第三主二级场景的探索进度，将所述电子设备的CPU最大可供给功率调整为述第二时长中以所述多个不同的CPU最大可供给功率分别运行的运行时长和4将所述电子设备的CPU最大供给功率调整为采集反馈数据，所述反馈数据包括以调整后的CPU最大可供给功率运行的运行时长以所述存储器与所述一个或多个处理器耦合，所述存储器用于存储计算述电子设备执行如权利要求1_15中任一5根据所处的主二级场景确定在该主二级场景下CPU最大可供给功率的最优功率，在保证用主二级场景下以所述多个CPU最大可供给功率分别运行时对应的用户体验受损概率，用户体验受损概率为以CPU最大可供给功率运行时卡顿时长占比大于第一阈值的概率；根据第一最优功率调整所述电子设备的CPU最大可供给功率，所述第一最优功率由所述第一预测[0008]在本方法中，电子设备针对不同的运行场景可以将CPU最大可供给功率调整为不6即可输出响应的预测结果，该预测结果包括电子设备以所述多个CPU最大可供给功率运行条件的CPU最大可供给功率中的最小功率确定，所述第一条件为用户体验受损概率小于或[0011]可以理解的，在一个场景下以一个CPU最大可供给功率运行时的卡顿时长占比越造成损害的(也即符合所述第一条件的)CPU最所述第一条件的CPU最大可供给功率中最小的CPU最大可供给功率。由于CPU最大可供给功最优功率即为所述多个CPU最大可供给功率中，不会对用户体验造成损害且对电子设备功电状下才会基于所述功率预测模型在主二级场景下调整CPU最大可供给功率。由于在充电状态下电子设备的电能供给充足，因此电子设备可以无需基于运行场景对CPU最大可供给7下以所述多个CPU最大可供给功率分别运行时对应的用户体验受损概率；根据第二最优功率调整所述电子设备的CPU最大可供给功率，所述第二最优功率由所述第二预测结果中符[0019]可选的，所述第二最优功率可以是所述第二预测结果中符合第一条件的最小功述第二主二级场景)。则此时电子设备可以基于上述该功率预测模型确定新主二级场景的所述第二预测结果包括所述多个CPU最大可供给功率，以及在所述第以辅二级场景下以所述多个CPU最大可供给功率分别运行时对应的用户体验受损概率；所述根据第一最优功率[0022]可选的，所述第一次优功率可以是所述第三预测结果中符合第一条件的最小功用对电子设备的性能需求甚至比焦点应用对应的性8[0026]可选的，所述第一辅二级场景对应的后台应用为除所述焦点应用外对CPU负载较中的最大的CPU最大供给功率确定为所述二子设备需要先针对每个主二级场景在各个功率挡位下的卡顿时长占比确定用户体验是否场景下每个功率对应的卡顿时长占比与该受损阈值进行比对——若某个功率挡位对应的9定所述有效数据中所述电子设备以多个不同的CPU最大可供给功率分别运行的卡顿时长占述第一阈值的情况下，则将所述有效数据中对应的CPU最大可供给功率的标签值确定为所的CPU最大可供给功率的标签值确定为所述第在以所述第一功率运行的时长达到第一时长且未发生卡顿的情况下，将CPU最大供给功率调整为第二功率；所述第一功率以及所述第二功率包含于所述多个不同的CPU最大可供给子设备运行的越流畅(即卡顿发生越少)即表示该CP设备以所述CPU最大可供给功率为所述第一功率运行的过程中，在以所述第一功率运行的[0034]这样，可以快速将电子设备的CPU最大可供给功率调整为所述第一主二级场景的行的时长未达到所述第一时长且发生卡顿的情况下，将CPU最大可供给功率调整为第三功一主二级场景切换为第三主二级场景，所述第三主二级场景与所述第一主二级场景不同；述电子设备的CPU最大可供给功率调整为所述第三主二级场景的探索进度对应的功率，所行足够长的时间，也即电子设备还未能在所述第一主二级场景下以足够多的CPU最大可供下调CPU最大可供给功率，并采集在所述第一主二级场景下每个功率对应的运行时长和卡所述第二主二级场景下的功率探索进度(若长中以所述多个不同的CPU最大可供给功率分别运行的运行时长和[0040]所述第一主二级场景的有效数据包括所述电子设备在所述第一主二级场景下运行的总时长达到第二时长的情况下，在所述第二时长中以所述多个不同的CPU最大可供给功率分别运行的运行时长和卡顿时长。为了避免对一个主二级场景下无休止的调整的CPU景下以所述第一功率、或比所述第一功率更低的CPU最大可供给功率运行均会严重损害用第一功率更低的CPU最大可供给功率运行过并获取相应的运行时长和卡顿时长也就不重要数据集中有效数据的数量大于或等于X的情况下，电子设备才会基于采集到的有效数据训CPU最大可供给功率运行的运行时长以及卡顿时长；根据所述反馈数据更新所述功率预测的预测模型，以使上述功率预测模型在应用APP不断的更新的情况下依旧能保持预测结果以使得所述电子设备执行第一方面或第一方面任一可能的[0054]图1为本申请实施例提供的一种电子设备运行一级场景以及二级场景的用户界面[0060]图7为本申请实施例提供的一种功率预测模型预测过程中数据变化的过程示意[0066]图13为本申请实施例提供的一种冷启动阶段电子设备对主二级场景进行挡位进通过降低CPU最大可供给功率可以以牺牲性能的方式降低电子设备的功耗。例如在某个运能满足用户需求的情况下，将CPU最大可供给功率调整为合适的值以最大限度的减小电子捷键，以及这些快捷键中多个快捷键进行组合所得的快捷键)，用户切换焦点应用的操作比所对应的值可以被设定为CPU最大可供给功率的不同挡位，数值越大的功率挡位对应的体验的情况下，在所有功率值挡位中功耗最低的功率挡位即为该二级场景的最优功率挡[0108]后续实施例均以功率挡位为例对电子设备的将功率调整为最优功率的过程进行[0110]轻量梯度提升机模型(lightgradientboostingmachine，LightGBM)可以视为[0112]LightGBM模型通过基于梯度的单边采样算法(gradient_basedone_side斥特征捆绑算法(exclusivefeaturebundling，EFB)，将许多互斥的特征绑定为一个特[0114]图1为本申请实施例提供的一种电子设备运行一级场景以及二级场景的用户界硬件检测应用的应用窗口103可以为用户展示出电子设备此刻的硬件信息以及性能。从应105中虚线框内显示的硬件信息可以看出，此时电子设备10的CPU最大可供给功率依旧为[0118]从图1的(A)和(B)所示出的硬件信息可以看出，无论电子设备10在一级场景下还[0120]但是对于图1中的(B)的所示的二级场景而言，电子设备的实际系统总功率与CPU场景确定在该二级场景下CPU最大可供给功率的最优功率挡位，在保证用户体验的前提下参数中任意一个参数发生变化时，即表示该主二级场景已经变化为另一个新的主二级场[0123]下面详细介绍本申请提供的功率调整方法以及电子设备为不同的二级场景确定[0124]图2示例性示出了本申请实施例提供的功率调整方法的流程。由于焦点应用为用确定二级场景中主二级场景的最优功率挡位，并将CPU最大可供给功率挡位调整为主二级子设备将CPU最大供给功率的挡位调整为最大功率挡位。当电子设备进入任意一个主二级设备会依次将CPU最大可供给功率的挡位调整为功率大小均不同的功率挡位。在以各个功一个功率挡位对应的卡顿时长占比确定该主二级场景的比为duration_delay/duratio进行探索。若在以某个功率挡位运行的过程中电子设备在规定时长T内未发生卡顿，则将到Ts(Ts可以被设定为600s)的情况下，电子设备即可以确定该主二级场景的最优功率挡调一挡至PL1_x+1后，在挡位PL1_x+1运行并且运行时长达到T后又再次将挡位下调一挡回级场景再次变化为scene_x，电子设备会再次从挡位PL1_x开始继续对各个挡位进行探索；相应的，在电子设备上一次从主二级场景scene_y切换为其它场景时电子设备会记录在会相应记录多个duration_delay以及多个duration_ttl，则功率挡位PL1_x对应的卡顿时备在该主二级场景下的总运行时长足够长时)，电子设备可以记录该主二级场景对应的一[0140]由于本申请提供的功率预测模型输出为二级场景下每个挡位对应的用户体验受损概率，因此数据转换301主要包括将有效数据中各个挡位对应的卡顿时长占比转化为是了确保电子设备能正确读取有效数据中记载的应用名称)，数据转换301还可以包括将有效数据中的非数值型数据映射为数值的编码操[0141]图4示出了电子设备将采集的有效数据进行编号、标记以及按挡位进行二次构建主二级场景下电子设备以不同功率挡位运行时[0144]需要说明的是，有效数据表40所包含的每条有效数据均未记载在功率挡位为1挡些有效数据中记载的焦点应用名称是一样的。在将有效数据表40其转化为映射数据表41的卡顿时长占比与该受损阈值进行比对——若某个功率挡位对应的卡顿时长占比小于或4中所示的挡位标记表42，挡位标记数据421即电子设备按照阈值0.03将映射数据411中的除了记载有其对应挡位以及挡位对应的标记值之外，还记载了挡位标记数据421中记载的[0150]在获取到上述训练集43之后，电子设备即可开始执行模型训练302所包含的相关若在N秒内电子设备再次触发一级事件，则电子设备将以第二次一级事件的触发时间为始重新计时，在之后的N秒内，电子设备会一直将最大可供给功率的挡位保持为最大功率挡定当前主二级场景的最优功率挡位，并将CPU最大供给功率的挡位调节至当前主二级场景[0161]图7示出了电子设备基于上述功率预测模型确定当前主二级场景的最优功率挡位级场景，针对当前运行的主二级场景scene701，电子设备可以采集到包括焦点应用的名701的全部主二级场景参数构建scene701的预测样本表。该预测样本表用于保存scene的即为电子设备在各候选功率挡位下运行scene701时用户体验受损的概率，具体可以参测模型对预测样本表中每一条预测样本的预测结果，在scene701下电子设备以各个功率[0165]之后电子设备可以基于预测输出表72由最高功率挡位10挡开始由高到低往后查由当前二级场景变化为一级场景。则电子设备将CPU最大可供给功率的挡位调整为最大挡基于上述功率预测模型确定新主二级场景的最优功率挡位，并将CPU最大供给功率的挡位时电子设备可以基于上述该功率预测模型确定新主二级场景的最优功率挡位，并可将CPU[0170]图8所示出了电子设备从当前的主二级场景变化为新主二级场景后对CPU最大可供给功率的调整效果。图8所示出的电子设备可以是本方法中部署有上述功率预测模型的述功率预测模型的输入，上述功率预测模型即会输出scene81的在各个CPU最大可供给功率挡位下的用户体验受损概率，电子设备即可根据每个挡位的用户体验受损概率确定功率已经被调整为15W。相应的，电子设备的系统总功率为15.411W，系统平均功率为样会采集scene82的全部主二级场景参数作为上述功率预测模型的输入，上述功率预测模型即会输出scene82的在各个CPU最大可供给功率挡位下的用户体验受损概率(在本申请实[0174]可以看出，由于主二级场景scene82与主二级场景scene81是不同的主二级场参数频繁发生变化。为了避免在这些参数的影响下电子设备频繁的调节CPU最大可供给功不断变化，上述四个挡位中每两个相邻的挡位对应的区间范围都存在一部分重叠的区域，在下一个时刻，电子设备的下载速度变化为450kb/s，该数值同时落入区间[0，5[0179]在本申请中，电子设备可以还通过调整CPU最大可运行频率来实现在用户体验不预测模型输出二级场景中主二级场景的最优频率挡位(相同型号的电子设备A(电子设备A可以包括与电子设备相同型号的一台或者多台设备)采其可以和其他同型号的电子设备一起将采集到的有效数据发送到电子设备的生产厂商所据(大于等于X条)训练上述功率预测模型并将该子设备可以依旧将CPU最大可供给功率保持在最大挡位。但是当一级场景的触发事件为点用对电子设备的性能需求甚至比焦点应用对应的性场景中对应的(N+1)个最优功率挡位中最大的功率挡位确定为该二级场景的最优功率挡[0187]本申请实施例示出的电子设备可以是前述图2中的电子设备。本申请实施例中的功率预测模型可以是前述图2中的功率预测模型，其具体的训练过程以及应用过程可以参一时间，主二级场景的数量为一个，而辅二级场景的数量可以为多个。在同一个二级场景中，辅二级场景的辅二级场景参数与主二级场景的主二级场景参数之间只有应用、应用窗前可以相互转化。因此辅二级场景的辅二级场景参数同样可以作为上述功率预测模型的输入，并由该功率预测模输出在辅二级场景下各个功率挡位对应的用户体验受损概率(在本申请实施例中，上述辅二级场景下各个功率挡位对应的用户体验受损概率也可以被称为[0192]当后台应用中对CPU性能消耗最大的N个后台应用包括焦点应用时，则上述M个辅一个可选的实施方式中，当后台应用中对CPU性能消耗最大的M个后台应用包括焦点应用只需要分别确定主二级场景以及其余的两个辅二级场景的最优功个最优功率挡位中最大的功率挡位确定为当前二级场景的最优功率挡位，并将CPU最大可选出最大的功率挡位确定为当前二级场景的最优功率挡位，并将CPU最大可供给功率的挡[0195]图11示出了电子设备为主二级场景以及辅二级场景确定共同的最优功率挡位的场景参数以及预测模型确定为scene02的最优功率挡位PL12、scene03的最优功率挡位模型确定新二级场景的最优功率挡位，并将CPU最大供给功率的挡位调节至新二级场景的性能消耗最大的三个后台应用的情况下，电子设备所运行的后台应用中对CPU性能消耗最的M个后台应用与上一次确定的M个后台应用不完全相同即表示M个辅二级场景已经变化)。经变化为新的二级场景。电子设备可以基于前述步骤S201-步骤S203中的相关操作重新确定新二级场景的最优功率挡位，并将CPU最大可供给功率的挡位调整为新二级场景的最优需求量可能也会随着版本的更新而发生变换，且其对性能需求的变化程度一般不会过大。在基于该预测模型确定该主二级场景的最优功率挡位之后，电子设备可以将CPU最大可供率预测模型在应用APP会不断的更新的情况下依旧能保持预测结果的准确性。图12示例性基于功率预测模型与scene12的主二级场景参数确定scene12的最优功率挡[0208]这里假定与功率挡位PL1x的相邻的更高的一个功率挡位为PL1(x+1)，与功率挡位据表12A中的有效数据12A2所示，scene12对应的有效数据中8挡对应的卡顿时长占比已经以及PL1(x+1)被确定为PL1y的概率可以通过调整各个子区间在主区间中的占比而设定为其yy有效数据所记录的卡顿时长占比增加，其反映的是功率挡位6挡比原先更不适合现在的有效数据重新训练所得的新的功率预测模型的预测性能[0212]在前述图2和图10所示的方法实施例中，在电子设备出厂后的整个运行过程可以[0214]冷启动阶段可以被认为电子设备在出厂之后首次启动并运行主二级场景的阶start；在运行时长达到规定的运行时长T之后，电子设备会记录以挡位PL1_x运行时长duration_ttl，以及以挡位PL1_x运行时电子设备发生卡顿的时长duration_delay，并将CPU最大可供给功率的挡位由PL1_x调整为另一个挡位PL1_y。可理解的，在主二级场景scene_x下挡位PL1_x对应的卡顿时长占比为duration供的CPU最大可供给功率依次调整为其可提供的所有挡位。若在以某个功率挡位运行时电子设备在规定时长T内未发生卡顿，则将CPU最大可供给功率挡位下调一挡继续向下探索；[0218]电子设备保存当前挡位探索进度PL1_x，将功率挡位调整到最高功率挡位PL1_[0219]2)主二级场景scene_x没有变化为其他场景，且电子设备在没有发生卡顿的情况[0220]电子设备保存当前挡位探索进度PL1_x，将功率挡位下调一个挡位至挡位PL1_x_1；并保存在scene_x下以功率挡位PL1_x运行的时长以及发生卡顿的时长(此时发生卡顿的[0221]3)以功率挡位PL1_x运行时T2时长(T2≤T)后主二级场景由scene_x变化为scene_[0222]电子设备保存在scene_x下以功率挡位PL1_x运行的时长以及发生卡顿的时长(此时发生卡顿的时长为0s)，并保存在scene_x下的挡位探索进度PL1_x；即针对二元组在scene_x下以功率挡位PL1_x运行的运行时长T3以及发生卡顿的时长T4；即针对二元组scene_x的在不同功率挡位下的电子设备的卡顿时长的占比一起作为scene_x的有效数据对于重复探索的功率挡位电子设备也会相应记录多个运行时长duration_delay以及多个卡顿时长duration_ttl，则该功率挡位对应的卡顿时长占比为可以计算为DURATION_能不会完全按照由高到低的调整方向将CPU最大可供给功率挡位调低—当发生卡顿后电子时长均不会再更新，因此电子设备计算功率挡位PL1_x所对应的卡顿时长占比即为3/30=备在主二级场景scene_x下以挡位PL1_x+1运行时发生卡顿的概率更小，极大概率在30s内以挡位PL1_x运行时极大概率在30s内也不会发生卡顿，则功率挡位PL1_x所对应的总运行[0233]图13示例性的示出了冷启动阶段电子设备按照前述挡位探索规则对主二级场景位(由于最低挡位1挡极大概率会造成用户体验[0235]假定scene131为电子设备出厂启动后在t1时刻进入第一个主二级场景。外，电子设备还会在原始数据1301记载CPU最大可供给功率的全部挡位(100％即为10挡，中的(B)所示的原始数据1301中，10挡上存在一个探索进度标记，表示电子设备当前对设备重新进入二级场景。这里假设一级场景结束之后电子设备所处的主二级场景为scene时，电子设备会以原始数据1301中保存的对scene131的挡位探索进度9挡继续对scene时长信息(40,0)，即表示截止至t5时刻，电子设备在scene131下以9挡运行的总时长为可以将两个时长信息融合后，得到如图13中的(E)所示得的时长信息(40,0)并将其记录在子设备在整个运行过程发生了卡顿，卡顿时长为0.3s(这0.3s为从t5时刻开始之后的电子设备在整个运行过程中没有发生卡顿，但是电子设备运行的主二级场景由scene131并在原始数据表1300中新建一条新的原始数据1302，用于保存对scene132的进行挡位探1300中还新增了一条原始数据1302，但由于t7时刻之前电子设备还未对scene132进行挡[0249]在后续的运行过程中，电子设备在用户的操作下遇见的将挡位提升一挡至5挡，因此很可能电子设备在电子设备并未在scene133下以3挡和2挡运行。因此在scene133对应的有效数据中这些挡那么极大概率在scene133下以4挡以下的挡位运行也会频繁的发生卡顿，也即在scene对应的有效数据中各个挡位的卡顿概率将卡顿概率值小于或等于某个阈值的最低挡位确效二级场景对应的有效数据中记录的不同功率挡位下的卡顿时长的占比来确定该二级场[0257]scene142为电子设备已经遇见过但总运行时长还未达到600s的非有效主二级场[0262]电子设备直接将CPU最大可供给功率的挡位调整为最大挡位，直至一级场景变化[0264]电子设备可以基于主二级场景为scene141的主二级场景参数查询原始数据表从有效数据1401中最高挡位开始依次向低挡位查找，最后将挡位对应概率值小于或等于[0266]电子设备可以基于主二级场景为scene142的主二级场景参数查询原始数据表设备会获取scene142的保存的挡位探索进度(6挡)，将CPU最大可供给功率的挡位调整为[0268]电子设备可以基于主二级场景为scene143的主二级场景参数查询原始数据表设备可以按照前述说明中的挡位探索规则从最高CPU最大可供给功率挡位10挡开始对[0275]AI算法可以包括前述说明中在一级场景下确定欲调节的CPU最大可供给功率挡位包含一个存储地址，该存储地址用于记载电子设备当前CPU最大可供给功率的挡位值，在[0277]结果反馈即将CPU最大可供给功率挡位调节为欲调节功率挡位后，运行环境受其在未发生卡顿的情况下运行时长达到T之后，电子设备会认为以该挡位运行时产生的反馈设备100可以与例如鼠标、键盘等多个输入设备200(图16中未示出)通信连接或者电连接。[0282]在有效数据的数据量大于某个阈值时，数据处理模块1002用于对数据采集模块造成损害的挡位标记表、以及最后用于输入至预[0286]功率预测模型1007能够根据电子设备当前运行的主二级个挡位对应的用户体验受损的概率，将受损概率小于或等于0.5的最低挡位确定该二级场[0287]CPU性能调整模块1009在接收到上述最优功率挡位之后，即可将电子设备100的送给CPU性能调整模块1009，CPU性能调整模块1009可以直接将CPU最大可供给功率