【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及云渲染，具體的涉及一種基于ai算法能力的高并行度渲染方法。
技術(shù)介紹
1、隨著人工智能技術(shù)的廣泛應(yīng)用，云渲染與ai技術(shù)緊密結(jié)合，并深入到了云渲染的各個環(huán)節(jié)。例如，公開號為cn115373762b的中國專利公開了一種基于ai的實時云渲染中的工具資源動態(tài)加載方法，該方法包括以工具為核心，通過本體數(shù)據(jù)構(gòu)建了一個開放的云渲染知識體系，通過迭代生成領(lǐng)域知識和應(yīng)用規(guī)則，實現(xiàn)了工具資源的動態(tài)加載。又如，公開號為cn115460254a的中國專利申請公開了一種基于ai的實時云渲染中環(huán)境資源動態(tài)加載方法，包括以環(huán)境為重點，實現(xiàn)資源的動態(tài)加載。再如，公開號為cn115373761a的中國專利申請公開了一種基于ai的實時云渲染中場景資源動態(tài)加載方法，包括可自動識別渲染場景并動態(tài)加載所需的場景資源。這些專利技術(shù)通過ai技術(shù)在實時云渲染中實現(xiàn)了資源向業(yè)務(wù)的智能匯聚，最終達(dá)成了資源的自動推送。
2、然而，隨著ai技術(shù)的迅速發(fā)展，渲染任務(wù)的復(fù)雜性和算力需求都有了顯著的提升。這在資源動態(tài)加載方面帶來了一系列新挑戰(zhàn)，特別是對于渲染軟件資源而言。不同的渲染軟件在并行處理能力上存在差異，導(dǎo)致在云執(zhí)行過程中存在性能表現(xiàn)參差不齊的問題。這種差異不僅影響了云渲染的整體效率和質(zhì)量，也對資源調(diào)度提出了更高的要求。因此，如何有效解決這些由不同軟件性能差異帶來的執(zhí)行效率和質(zhì)量問題，成為當(dāng)前云渲染技術(shù)發(fā)展中亟待攻克的難題之一。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的在于克服現(xiàn)有技術(shù)的缺陷，提供了一種基于ai算法能
2、為了實現(xiàn)以上目的及其他目的，本專利技術(shù)是通過包括以下技術(shù)方案實現(xiàn)的：作為第一方面，本專利技術(shù)提出了一種基于ai算法能力的高并行度渲染方法，包括步驟：
3、s1、通過ai學(xué)習(xí)用戶任務(wù)和渲染軟件，按照拆分原則將所述用戶任務(wù)拆分為多個子任務(wù)，同時按照所述用戶任務(wù)的需求將所述渲染軟件拆分為多個粒度；
4、s2、輸入學(xué)習(xí)模型，通過ai預(yù)測各子任務(wù)的完成時間和資源需求，輸出最小等待時間和最大資源利用率設(shè)定值，生成高效并行任務(wù)調(diào)度的執(zhí)行預(yù)案；
5、s3、根據(jù)所述執(zhí)行預(yù)案為每個所述子任務(wù)分配對應(yīng)的多粒度軟件，并根據(jù)所述子任務(wù)的依賴關(guān)系、優(yōu)先級和資源需求確定并行渲染任務(wù)的執(zhí)行順序；
6、s4、收集執(zhí)行數(shù)據(jù)作為反饋信息輸入到所述學(xué)習(xí)模型中，進(jìn)行所述學(xué)習(xí)模型的迭代優(yōu)化。
7、在一實施例中，在所述步驟s3中建立運行保障機(jī)制，通過ai算法對關(guān)鍵節(jié)點進(jìn)行監(jiān)控。
8、在一實施例中，所述運行保障機(jī)制包括實時監(jiān)督模塊，異常監(jiān)測模塊和動態(tài)調(diào)整模塊，所述實時監(jiān)督模塊用于持續(xù)跟蹤任務(wù)執(zhí)行狀態(tài)和資源使用情況；所述異常監(jiān)測模塊用于通過ai算法實時監(jiān)測異常情況；所述動態(tài)調(diào)整模塊用于在監(jiān)測到異常情況時，實現(xiàn)系統(tǒng)自動調(diào)整任務(wù)執(zhí)行計劃或資源分配。
9、在一實施例中，“通過ai算法對關(guān)鍵節(jié)點進(jìn)行監(jiān)控”具體為利用ai算法能力對所述子任務(wù)完成時的階段性成果進(jìn)行細(xì)致的分析和評估，同時通過學(xué)習(xí)歷史數(shù)據(jù)和實時反饋信息，預(yù)測任務(wù)的發(fā)展趨勢，并在必要時進(jìn)行微調(diào)。
10、在一實施例中，在所述步驟s1中，所述拆分原則包括最小耦合度原則、素材非單享原則和子任務(wù)執(zhí)行時間相同或成倍數(shù)原則。
11、在一實施例中，在所述步驟s1中，所述粒度包括功能模塊、第三方插件和擴(kuò)展功能。
12、在一實施例中，在所述步驟s2中“輸入學(xué)習(xí)模型”包括采集歷史數(shù)據(jù)和提取方案要素。
13、在一實施例中，所述歷史數(shù)據(jù)包括子任務(wù)類型與復(fù)雜度、子任務(wù)執(zhí)行時間、資源使用情況、子任務(wù)狀態(tài)、子任務(wù)依賴關(guān)系，以及并發(fā)子任務(wù)數(shù)量和類型；所述方案要素包括子任務(wù)預(yù)計執(zhí)行時間、實際完成時間、子任務(wù)等待時間、資源需求、不同粒度軟件資源利用率、任務(wù)優(yōu)先級和調(diào)度策略。
14、作為第二方面，本專利技術(shù)提出了一種電子設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機(jī)程序，其特征在于，所述計算機(jī)程序被加載至所述處理器時實現(xiàn)第一方面任一項所述的方法。
15、作為第三方面，本專利技術(shù)提出了一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，其特征在于，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)第一方面任一項所述的方法。
16、本專利技術(shù)實施例中提供的一個或多個技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點：
17、1、本專利技術(shù)通過ai強大的學(xué)習(xí)能力進(jìn)行用戶任務(wù)和渲染軟件學(xué)習(xí)，并按特定拆分原則拆分用戶任務(wù)，同時，根據(jù)子任務(wù)需求將不同軟件進(jìn)行粒度化，可以弱化不同渲染軟件在并行處理能力上存在的差異，提高軟件資源調(diào)度水平，最終可以提高并發(fā)任務(wù)數(shù)量和軟件資源利用率；
18、2、本專利技術(shù)利用ai強大的算法能力，通過輸入學(xué)習(xí)階段的歷史數(shù)據(jù)和方案要素以及訓(xùn)練階段的反饋信息供ai不斷優(yōu)化和調(diào)整模型參數(shù)，可以提高未來任務(wù)的執(zhí)行效率；
19、3、本專利技術(shù)利用ai強大的算法能力，建立運行保障機(jī)制對關(guān)鍵節(jié)點進(jìn)行監(jiān)控，可以實現(xiàn)任務(wù)和資源調(diào)度的智能監(jiān)督和調(diào)控，確保任務(wù)按計劃順利進(jìn)行，提高任務(wù)的完成質(zhì)量。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點】
1.一種基于AI算法能力的高并行度渲染方法，其特征在于，包括步驟：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述步驟S3中建立運行保障機(jī)制，通過AI算法對關(guān)鍵節(jié)點進(jìn)行監(jiān)控。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述運行保障機(jī)制包括實時監(jiān)督模塊，異常監(jiān)測模塊和動態(tài)調(diào)整模塊，所述實時監(jiān)督模塊用于持續(xù)跟蹤任務(wù)執(zhí)行狀態(tài)和資源使用情況；所述異常監(jiān)測模塊用于通過AI算法實時監(jiān)測異常情況；所述動態(tài)調(diào)整模塊用于在監(jiān)測到異常情況時，實現(xiàn)系統(tǒng)自動調(diào)整任務(wù)執(zhí)行計劃或資源分配。
4.根據(jù)權(quán)利要求2所述的方法，其特征在于，“通過AI算法對關(guān)鍵節(jié)點進(jìn)行監(jiān)控”具體為利用AI算法能力對所述子任務(wù)完成時的階段性成果進(jìn)行細(xì)致的分析和評估，同時通過學(xué)習(xí)歷史數(shù)據(jù)和實時反饋信息，預(yù)測任務(wù)的發(fā)展趨勢，并在必要時進(jìn)行微調(diào)。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述步驟S1中，所述拆分原則包括耦合度小原則、素材非單享原則和子任務(wù)執(zhí)行時間相同或成倍數(shù)原則。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述步驟S1中，所述粒度包括功能模塊、第三方插件和擴(kuò)
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述步驟S2中“輸入學(xué)習(xí)模型”包括采集歷史數(shù)據(jù)和提取方案要素。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述歷史數(shù)據(jù)包括子任務(wù)類型與復(fù)雜度、子任務(wù)執(zhí)行時間、資源使用情況、子任務(wù)狀態(tài)、子任務(wù)依賴關(guān)系，以及并發(fā)子任務(wù)數(shù)量和類型；所述方案要素包括子任務(wù)預(yù)計執(zhí)行時間、實際完成時間、子任務(wù)等待時間、資源需求、不同粒度軟件資源利用率、任務(wù)優(yōu)先級和調(diào)度策略。
9.一種電子設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機(jī)程序，其特征在于，所述計算機(jī)程序被加載至所述處理器時實現(xiàn)權(quán)利要求1～8任一項所述的方法。
10.一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，其特征在于，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1～8任一項所述的方法。
...【技術(shù)特征摘要】
1.一種基于ai算法能力的高并行度渲染方法，其特征在于，包括步驟：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述步驟s3中建立運行保障機(jī)制，通過ai算法對關(guān)鍵節(jié)點進(jìn)行監(jiān)控。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述運行保障機(jī)制包括實時監(jiān)督模塊，異常監(jiān)測模塊和動態(tài)調(diào)整模塊，所述實時監(jiān)督模塊用于持續(xù)跟蹤任務(wù)執(zhí)行狀態(tài)和資源使用情況；所述異常監(jiān)測模塊用于通過ai算法實時監(jiān)測異常情況；所述動態(tài)調(diào)整模塊用于在監(jiān)測到異常情況時，實現(xiàn)系統(tǒng)自動調(diào)整任務(wù)執(zhí)行計劃或資源分配。
4.根據(jù)權(quán)利要求2所述的方法，其特征在于，“通過ai算法對關(guān)鍵節(jié)點進(jìn)行監(jiān)控”具體為利用ai算法能力對所述子任務(wù)完成時的階段性成果進(jìn)行細(xì)致的分析和評估，同時通過學(xué)習(xí)歷史數(shù)據(jù)和實時反饋信息，預(yù)測任務(wù)的發(fā)展趨勢，并在必要時進(jìn)行微調(diào)。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述步驟s1中，所述拆分原則包括耦合度小原則、素材非單享原則和子任務(wù)執(zhí)行時間相同或成倍...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：梅向東，張鵬，王星星，
申請(專利權(quán))人：江蘇贊奇科技股份有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。