运算资源共享系统及方法与流程

1.本发明涉及一种资源共享系统及方法，尤其涉及一种运算资源共享系统及方法。


背景技术：

2.在现有的市场中，针对电竞玩家和创作者所发表的计算机装置多半具有较高的图像处理能力，而这些装置大多为台式电脑或是较为厚重的笔记本电脑。这些装置虽然具有较高的运算能力，但其携带性较差，因此不适于让用户携带至各处从事电竞和创作的相关工作。
3.与可携带性强的电子装置(例如手机)相比，上述装置虽拥有较佳的视觉效果佳、较佳的操作性、较高的游戏丰富度，但在在未连接外部电源的情况下，其电池容量多半仅能让用户持续使用约一个小时，因此容易造成使用上的不便。
4.然而，若用户欲通过可携带性较高的装置从事电竞/创作等活动，则这些装置将因图像处理能力较低而可能出现高度延迟，甚至系统死机等现象。


技术实现要素：

5.有鉴于此，本发明提供一种运算资源共享系统及方法，其可用于解决上述技术问题。
6.本发明提供一种运算资源共享系统，包括一资源共享装置，其中资源共享装置经配置以：反应于接收来自一资源请求装置的一资源请求信号，取得资源共享装置的前景程序、背景程序、至少一软件服务的名称及各软件服务的运行状态；基于前景程序、背景程序、至少一软件服务的名称及各软件服务的运行状态决定待分享的一特定图像运算资源；利用特定图像运算资源协助资源请求装置进行一图像运算操作，并将图像运算操作的一图像运算结果回传至资源请求装置。
7.本发明提供一种运算资源共享方法，适于一资源共享系统中的一资源共享装置，所述方法包括：反应于接收来自一资源请求装置的一资源请求信号，取得资源共享装置的前景程序、背景程序、至少一软件服务的名称及各软件服务的运行状态；基于前景程序、背景程序、至少一软件服务的名称及各软件服务的运行状态决定待分享的一特定图像运算资源；利用特定图像运算资源协助资源请求装置进行一图像运算操作，并将图像运算操作的一图像运算结果回传至资源请求装置。
附图说明
8.包含附图以便进一步理解本发明，且附图并入本说明书中并构成本说明书的一部分。附图说明本发明的实施例，并与描述一起用于解释本发明的原理。
9.图1是依据本发明的实施例示出的资源共享系统示意图；
10.图2是依据本发明的实施例示出的运算资源共享方法流程图；
11.图3是依据本发明第一实施例示出的信号传递机制图；
12.图4是依据本发明第二实施例示出的信号传递机制图。
13.附图标号说明
14.100:资源共享系统
15.110:资源请求装置
16.120:资源共享装置
17.r1:资源请求信号
18.c1:图像运算结果
19.s210～s230:步骤
具体实施方式
20.现将详细地参考本发明的示范性实施例，示范性实施例的实例说明于附图中。只要有可能，相同组件符号在附图和描述中用来表示相同或相似部分。
21.请参照图1，其是依据本发明的实施例示出的资源共享系统示意图。如图1所示，资源共享系统100包括资源请求装置110及资源共享装置120。在不同的实施例中，资源请求装置110及资源共享装置120个别可以是各式智能型装置及计算机装置，或是任何具备运算能力的电子装置(例如无线网络路由器)，但可不限于此。
22.概略而言，本发明的资源请求装置110可在需要运算资源时，请求资源共享装置120利用一部分的运算资源(例如，图像运算资源)协助资源请求装置110进行运算。相应地，资源共享装置120可在评估自身的运作状态之后决定协助资源请求装置110进行运算，或是拒绝资源请求装置110的请求。若资源共享装置120决定协助资源请求装置110进行运算，则资源共享装置120可在为资源请求装置110进行相关的运算操作之后，将运算结果回传至资源请求装置110。藉此，可减轻资源请求装置110自身的运算负担，从而改善资源请求装置110的用户(例如是电竞玩家/创作者)的体验。以下将辅以图2作进一步说明。
23.请参照图2，其是依据本发明的实施例示出的运算资源共享方法流程图。本实施例的方法可由图1的资源共享装置120执行，以下即搭配图1所示的组件说明图2各步骤的细节。
24.首先，在步骤s210中，反应于接收来自资源请求装置110的资源请求信号r1，资源共享装置120可取得资源共享装置120的前景程序、背景程序、软件服务的名称及各软件服务的运行状态。
25.在一些实施例中，上述前景程序例如是运行于资源共享装置120前景中的一或多个程序。上述背景程序例如是运行于资源共享装置120背景中的一或多个程序。上述软件服务例如是当下运行于资源共享装置120上的软件服务，而各软件服务的运行状态例如是开/关，但可不限于此。
26.之后，在步骤s220中，资源共享装置120可基于前景程序、背景程序、软件服务的名称及各软件服务的运行状态决定待分享的特定图像运算资源。
27.在本发明的实施例中，资源共享装置120例如是具有图像处理单元(gpu)的装置，而此gpu可具有自身的gpu内存(例如，视频内存(video random access memory，vram))。在一些实施例中，上述待分享的特定图像运算资源例如是gpu内存的一部分内存空间，而资源共享装置120可基于特定的机制决定应分享多少尺寸的gpu内存予资源请求装置110。
28.在一些实施例中，资源共享装置120将上述前景程序、上述背景程序、上述软件服务的名称及各软件服务的运行状态输入经预训练的人工智能模型。相应地，此人工智能模型可因应于上述前景程序、上述背景程序、上述软件服务的名称及各软件服务的运行状态而决定待分享的特定图像运算资源。亦即，此人工智能模型可决定应将多少尺寸的gpu内存分享予资源请求装置110，但可不限于此。
29.在一些实施例中，为使所述人工智能模型具备上述能力，在所述人工智能模型的训练过程中，设计者可将经特殊设计的训练数据馈入此人工智能模型，以让此人工智能模型进行相应的学习。举例而言，在一笔训练数据中可包括两组成分，其中的第一组成分可包括某个前景程序、背景程序、软件服务的名称及运行状态的组合，而此组合可在被转换为文字之后存储为对应的文件。所述训练数据中的第二组成分可包括某个型号的gpu及其gpu内存中可供分享的空间。在一些实施例中，gpu内存中可供分享的空间例如可以gpu内存总尺寸减去第一组成分所相应占用的gpu内存空间，再减去一预留空间(例如500mb)来求得，但可不限于此。
30.藉此，在将各式训练数据馈入至所述人工智能模型之后，此人工智能模型即可学习各式训练数据中第一组成分及第二组成分之间的关联性。藉此，当所述人工智能模型日后被用于进行推理时，即可在收到某一组前景程序、背景程序、软件服务的名称及各软件服务的运行状态时，相应地决定/推理应分享多少的gpu内存空间作为特定图像运算资源，但可不限于此。
31.在决定待分享的特定图像运算资源之后，在步骤s230中，资源共享装置120可利用特定图像运算资源协助资源请求装置110进行图像运算操作，并将图像运算操作的图像运算结果c1回传至资源请求装置110。举例而言，当资源请求装置110上运行有某个图像应用程序(例如游戏程序/图像创作程序等)时，资源共享装置120可使用上述特定图像运算资源协助资源请求装置110进行对应于所述图像应用程序的图像运算操作(例如图像内容的渲染等)，并将相关的图像运算结果c1回传至资源请求装置110。
32.藉此，可在不影响资源共享装置运作的情况下，让资源共享装置协助资源请求装置进行运算，而资源请求装置110即可直接将图像运算结果c1呈现予用户观看，进而避免因自身的运算能力不佳而破坏用户的操作体验。
33.举例而言，当电竞玩家携带其电竞型笔记本电脑外出时，可将手机作为资源共享装置120来协助电竞型笔记本电脑进行图像运算操作，藉以增加电竞型笔记本电脑的电池续航力。在一些实施例中，对于某些具有gpu的无线网络路由器而言，用户亦可将其当作资源共享装置120使用。在此情况下，只要用户的电子装置能够联机至此无线网络路由器，即可让此无线网络路由器以资源共享装置120的身分协助用户的电子装置进行图像运算操作，从而改善用户的操作体验。
34.此外，资源请求装置110与资源共享装置120之间可采用各式有线/无线方式连接。在此情况下，只要资源请求装置110与资源共享装置120之间的连接有效，则无论资源请求装置110在任何地方，资源共享装置120皆可协助其进行图像运算操作。举例而言，资源共享装置120可以是由某个厂商维护的具有高图像运算能力的装置，而只要资源请求装置110具有无线网络和/或行动网络通信能力，则皆可通过网络联机连接至资源共享装置120，以由资源共享装置120皆可协助其进行图像运算操作。
35.在一些实施例中，在接收到资源请求信号r1时，资源共享装置120还可评估自身当下的状态是否适合分享运算资源予资源请求装置110。举例而言，反应于接收来自资源请求装置110的资源请求信号r1，资源共享装置120可取得gpu内存的使用率，并判断gpu内存的尺寸是否大于指定尺寸(例如，1gb)。在一实施例中，反应于判定gpu内存的使用率大于使用率门限值(例如90％)，或gpu内存的尺寸未大于指定尺寸，则资源共享装置120可拒绝协助资源请求装置110进行上述图像运算操作。简言之，当资源共享装置120本身的运算能力也不佳和/或运算负载已偏高时，资源共享装置120可拒绝协助资源请求装置110进行上述图像运算操作。在一实施例中，资源共享装置120可回传一提示信息至资源请求装置110，以告知资源请求装置110可寻找其他具较佳运算能力和/或负载较低的装置寻求协助，但可不限于此。
36.相反地，反应于判定gpu内存的使用率未大于使用率门限值且gpu内存的尺寸未于指定尺寸，资源共享装置120可再续行步骤s220及s230，但可不限于此。
37.在一些实施例中，在执行步骤s220以决定待分享的特定图像运算资源之后，资源共享装置120还可呈现关联于此特定图像运算资源的确认信息，其中此确认信息可用于让资源共享装置120的用户确认是否将特定图像运算资源共享予资源请求装置110。举例而言，假设所述特定图像运算资源经决定为200mb的gpu内存空间，则资源共享装置120可在所述确认信息中询问用户是否愿意将资源共享装置120的gpu内存中的200mb用来协助资源请求装置110进行图像运算操作，但可不限于此。
38.在一实施例中，反应于判定资源共享装置120的用户确认将特定图像运算资源共享予资源请求装置110，资源共享装置120可再续行步骤s230，以利用特定图像运算资源协助资源请求装置110进行图像运算操作。
39.另一方面，反应于判定资源共享装置120的用户确认不将特定图像运算资源共享予资源请求装置110，则资源共享装置120可相应地呈现资源调整信息，其中此资源调整信息用于让资源共享装置120的用户调整特定图像运算资源。
40.在一实施例中，所述资源调整信息可显示gpu内存的当下剩余空间，并让用户自行输入欲从所述当下剩余空间中分享予资源请求装置110的gpu内存空间，以调整待分享的特定图像运算资源。之后，资源共享装置120可利用经调整的特定图像运算资源协助资源请求装置110进行图像运算操作，并将图像运算操作的图像运算结果回传至资源请求装置110。
41.在一实施例中，当用户通过上述方式调整待分享的特定图像运算资源时，即代表所述人工智能模型的推理结果的准确性可能需要调整。因此，资源共享装置120可基于经调整的特定图像运算资源、上述前景程序、上述背景程序、各软件服务的名称及运行状态作为新的训练数据，以重新训练所述人工智能模型。
42.在一实施例中，所述人工智能模型例如是一强化学习模型。在此情况下，当资源共享装置120判定用户自行调整待分享的特定图像运算资源时，资源共享装置120可产生一惩罚(punishment)信号，以驱使所述人工智能模型重新进行上述训练。另一方面，当资源共享装置120判定用户未自行调整待分享的特定图像运算资源时，资源共享装置120可产生一奖励(reward)信号，以维持所述人工智能模型，但可不限于此。
43.在一些实施例中，在执行步骤s230之后，资源共享装置120可监控gpu内存的使用率及相应的持续时间。在一实施例中，反应于判定gpu内存的使用率超过第一使用率门限值
(例如90％)达第一预设时间(例如10秒)，此即代表资源共享装置120可能因协助资源请求装置110进行运算而产生负载过高的情形。此时，资源共享装置120可相应地减少特定图像运算资源，并利用经减少的特定图像运算资源协助资源请求装置110进行图像运算操作，但可不限于此。
44.另一方面，反应于判定gpu内存的使用率低于第二使用率门限值(例如50％)达第二预设时间(例如10秒)，此即代表资源共享装置120仍有余裕进一步协助资源请求装置110，其中第二使用率门限值低于第一使用率门限值。因此，资源共享装置120可增加特定图像运算资源，并利用经增加的特定图像运算资源协助资源请求装置110进行图像运算操作，但可不限于此。
45.请参照图3，其是依据本发明第一实施例示出的信号传递机制图。在本实施例中，假设资源请求装置110及资源共享装置120的环境分别为windows及linux，且资源请求装置110可运行有先前提及的图像应用程序。在此情况下，所述图像应用程序的相关图像数据img(例如是d3d格式)例如可经资源请求装置110的转译器而转换为第一图像应用程序编程接口(graphic application programming interface，graphic api)格式。在一实施例中，第一图像api格式例如是opengl格式，但可不限于此。
46.之后，为了环境为linux的资源共享装置120可识别图像数据img，资源请求装置110可通过第一图像api将第一图像api格式转换为钨图形着色器基础结构(tungsten graphics shader infrastructure，tgsi)，并通过第一图像api的第一socket将此tgsi发送至资源共享装置120。相应地，资源共享装置120可通过第二图像api的第二socket从第一socket接收上述tgsi，并基于此tgsi执行图像运算操作。之后，资源共享装置120可将图像运算结果c1通过上述机制反向地传回至资源请求装置110。
47.请参照图4，其是依据本发明第二实施例示出的信号传递机制图。在本实施例中，假设资源请求装置110及资源共享装置120的环境分别为windows及linux，且资源请求装置110可运行有先前提及的图像应用程序。在此情况下，所述图像应用程序的相关图像数据img(例如是d3d格式)例如可经资源请求装置110而转换为第三图像api格式。在一实施例中，第三图像api格式例如是vulkan格式，但可不限于此。
48.之后，资源请求装置110可通过第三图像api的第三socket将上述vulkan格式发送至资源共享装置120。
49.相应地，资源共享装置120可通过第四图像api的第四socket从第三socket接收上述vulkan格式，并基于此vulkan格式执行图像运算操作。之后，资源共享装置120可将图像运算结果c1通过上述机制反向地传回至资源请求装置110。
50.相较于图3所示机制，由于图4的机制可不需另外耗用资源请求装置110的处理器资源来进行转译等行为，因此图4所示机制可让资源请求装置110以较佳的效率运作。经实验，图4所示机制的效率约优于图3机制达1.5倍。
51.综上所述，通过本发明提出的方法，运算能力较差装置(例如较为轻薄的笔记本电脑)或是电池续航力较低的装置(例如电竞型笔记本电脑)可以资源请求装置的身分向资源共享装置请求图像运算资源。相应地，资源共享装置可经评估后将适量的gpu内存空间作为特定图像运算资源，并用以协助资源请求装置进行相关的图像运算操作及回传相应的图像运算结果至资源请求装置。藉此，可在不影响资源共享装置运作的情况下，让资源共享装置
协助资源请求装置进行运算。
52.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。