电子设备及其神经网络模型运行方法、存储介质技术

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。

【技术实现步骤摘要】
电子设备及其神经网络模型运行方法、存储介质
本申请涉及电子
，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。
技术介绍
随着人工智能(artificialintelligence，AI)的迅速发展，神经网络处理器(neuralnetworkprocessingunit，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。
技术实现思路
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。结合上述第一方面的第五种可能实现的第六种可能实现中，上述方法还包括：第二处理器将运动类型识别模型的运行结果传送给第一处理器，运行结果为电子设备的用户在进行的运动类型；第一处理器根据运行结果统计电子设备的用户的运动量。结合上述第一方面的第七种可能实现中，上述神经网络模型为生理状态预警模型，该生理状态预警模型用于确定电子设备的用户的生理特征变化是否与电子设备的用户的运动状态相符。结合上述第一方面的第七种可能实现的第八种可能实现中，上述生理状态预警模型包括多层感知网络以及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八种可能实现的第九种可能实现中，上述神经网络模型的运行条件为检测到电子设备的用户的生理特征发生异常；其中，电子设备的用户的生理特征发生异常包括以下情况中的至少一种：电子设备的用户的心率偏离正常值；电子设备的用户的血氧偏离正常值；电子设备的用户的血压偏离正常值。结合上述第一方面的第九种可能实现的第十种可能实现中，上述简化神经网络模型的网络结构具体包括：将包括运动类型识别模型和多层感知网络的生理状态预警模型简化为仅包括单层感知网络的简化模型。结合上述第一方面的第十种可能实现的第十一种可能实现中，上述方法还包括：第二处理器将生理状态预警模型的运行结果传送给第一处理器，运行结果为电子设备的用户的生理特征是否与运动状态相符；第一处理器根据运行结果提示电子设备的用户，包括：在运行结果为用户生理特征异常但与运动状态相符时，警示电子设备的用户；在运行结果为电子设备的用户生理特征异常且与运动状态不符时，警告电子设备的用户和/或向医疗机构求助。在上述第一方面的一种可能实现中，上述第一处理器为微控制单元。在上述第一方面的一种可能实现中，上述第二处理器为神经网络处理器。第二方面，本申请实施例提供一种可读介质，该可读介质中包含有指令，当指令被电子设备的处理器执行时使电子设备实现上述第一方面所述的任一神经网络模型运行方法。第三方面，本申请实施例提供一种电子设备，该电子设备包括：存储器，用于存储由电子设备的一个或多个处理器执行的指令；以及第一处理器和第二处理器，用于上述指令使电子设备实现上述第一方面所述的任一神经网络模型运行方法。附图说明图1根据本申请的一些实施例，示出了一种模型部署的场景示意图；图2根据本申请的一些实施例，示出了一种电子设备的结构示意图；图3根据本申请的一些实施例，示出了一种模型部署方法的流程示意图；图4根据本申请的一些实施例，示出了一种模型运行方法的流程示意图；图5根据本申请的一些实施例，示出了一种模型部署方法和处理器运行方法的应用场景示意图；图6根据本申请的一些实施例，示出了一种模型部署方法的流程示意图；图7根据本申请的一些实施例，示出了一种运动类型识别模型的结构示意图；图8根据本申请的一些实施例，示出了一种用户状态识别模型的结构示意图；图9根据本申请的一些实施例，示出了一种处理器运行方法的流程示意图；图10根据本申请的一些实施例，示出了一种模型部署方法和处理器运行方法的应用场景示意图；图11根据本申请的一些实施例，示出了一种模型部署方法的流程示意图；图12根据本申请的一些实施例，示出了一种生理状态预警模型的结构示意图；图13根据本申请的一些实施例，示出了一种生理特征监测模型的结构示意图；图14根据本申请的一些实施例，示出了一种处理器运行方法的流程示意图。具体实施方式本申请的说明性实施例包括但不限于电子设备及其神经网络模型运行方法、存储介质。下面结合附图详细阐述本申请实施例的技术方案和有益效果。图1根据本申请的一些实施例本文档来自技高网...

【技术保护点】
1.一种神经网络模型运行方法，应用于电子设备，其特征在于，所述电子设备包括第一处理器和第二处理器，并且/n所述方法包括：/n所述第一处理器运行简化模型并根据所述简化模型的运行结果判断是否满足所述神经网络模型的运行条件；/n所述第一处理器在所述简化模型的运行结果满足所述运行条件的情况下，唤醒所述第二处理器运行所述神经网络模型；/n其中，所述简化模型为通过下列中的至少一种方式将所述神经网络模型简化得到：/n减少所述神经网络模型的输入参数；/n简化所述神经网络模型的网络结构。/n

【技术特征摘要】
1.一种神经网络模型运行方法，应用于电子设备，其特征在于，所述电子设备包括第一处理器和第二处理器，并且
所述方法包括：
所述第一处理器运行简化模型并根据所述简化模型的运行结果判断是否满足所述神经网络模型的运行条件；
所述第一处理器在所述简化模型的运行结果满足所述运行条件的情况下，唤醒所述第二处理器运行所述神经网络模型；
其中，所述简化模型为通过下列中的至少一种方式将所述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。


2.根据权利要求1所述的神经网络模型运行方法，其特征在于，所述方法还包括：
在所述第二处理器运行所述神经网络模型后，在所述简化模型的运行结果不满足所述神经网络模型的运行条件的情况下，将所述第二处理器设置为休眠。


3.根据权利要求1或2所述的神经网络模型运行方法，其特征在于，所述神经网络模型为运动类型识别模型，所述运动类型识别模型用于识别所述电子设备的用户在进行的运动的类型。


4.根据权利要求3所述的神经网络模型运行方法，其特征在于，所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。


5.根据权利要求4所述的神经网络模型运行方法，其特征在于，所述神经网络模型的运行条件为检测到所述电子设备的用户处于运动状态。


6.根据权利要求5所述的神经网络模型运行方法，其特征在于，所述简化所述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所述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。


7.根据权利要求6所述的神经网络模型运行方法，其特征在于，所述方法还包括：
所述第二处理器将所述运动类型识别模型的运行结果传送给所述第一处理器，所述运行结果为所述电子设备的用户在进行的运动类型；
所述第一处理器根据所述运行结果统计所述电子设备的用户的运动量。


8.根据权利要求1或2所述的神经网络模型运行方法，其特征在于，所述神经网络模型为生理状态预警模型，所述生理状态预警模型用于确定所述电子设备的用户的生理特征变化是否与...

【专利技术属性】
技术研发人员：尚峰，
申请(专利权)人：安谋科技中国有限公司，
类型：发明
国别省市：上海;31