System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,具体的,本专利技术应用于游戏开发领域,特别是涉及一种配置参数跨平台导出方法、系统、设备及介质。
技术介绍
1、目前,随着游戏行业的快速发展,游戏平台的多样性愈专利技术显;由于不同的游戏平台(如pc、移动设备和主机等)具有不同的硬件配置和性能特点,开发者为了在这些平台上提供最佳的游戏体验,通常需要对多个平台分别进行多次的配置调整和优化。
2、现有技术中,在游戏开发领域已存在如下配置导出方法:
3、(一)采用手动配置的方式,针对不同平台手动调整和优化游戏配置,这种方式高度依赖开发者的自身经验,统一性差,且人工操作易出现错误,手动操作的效率也较低;
4、(二)采用自动化工具,通过预先设定的规则和参数来导出不同平台的配置文件;这种方式虽然通过自动化工具提升了一定的操作效率,但是自动化工具的配置精度和适应性均存在不足,这会导致导出的配置在不同平台上的兼容性较差,易导致性能瓶颈,降低用户体验;
5、综上所述,现有的游戏配置导出方法存在一定的效率问题、精准性问题以及跨平台兼容性问题。
技术实现思路
1、本专利技术的目的在于,提供一种配置参数跨平台导出方法、系统、设备及介质,进而解决现有技术中存在的上述所有问题或问题之一。
2、为解决上述技术问题,本专利技术的具体技术方案如下:
3、一方面,本专利技术提供一种配置参数跨平台导出方法,包括以下步骤:
4、数据采集步骤:
5、采集若干
6、模型训练步骤:
7、基于所述训练数据和机器学习算法训练参数预测模型;
8、参数调整步骤:
9、确认目标平台,调用所述参数预测模型计算所述目标平台的配置参数;
10、配置标准化步骤:
11、设置与若干平台分别对应的标准化配置参数。
12、作为一种改进的方案,所述采集若干平台的硬件性能数据作为训练数据,包括:
13、确认若干待兼容平台;
14、在若干所述待兼容平台中,分别执行目标程序;
15、获取若干所述待兼容平台在运行所述目标程序时的若干所述硬件性能数据,将若干所述硬件性能数据存储为所述训练数据。
16、作为一种改进的方案,所述将若干所述硬件性能数据存储为所述训练数据,包括:
17、将若干所述硬件性能数据分别存储于数据库,得到对于若干所述待兼容平台的性能特征库。
18、作为一种改进的方案,所述硬件性能数据,包括:cpu使用率、内存占用以及gpu性能参数。
19、作为一种改进的方案,所述基于所述训练数据和机器学习算法训练参数预测模型,包括:
20、基于所述训练数据配置机器学习模型;
21、将所述机器学习模型的输入设置为所述待兼容平台的所述训练数据;
22、将所述机器学习模型的输出设置为针对所述待兼容平台的配置参数;
23、基于所述机器学习算法对设置后的所述机器学习模型进行训练,得到所述参数预测模型。
24、作为一种改进的方案,所述调用所述参数预测模型计算所述目标平台的配置参数,包括:
25、将所述参数预测模型应用于所述目标平台;
26、响应于所述目标平台中的所述目标程序启动,获取所述目标平台的硬件实时性能数据;
27、将所述硬件实时性能数据输入至所述参数预测模型中;
28、将所述参数预测模型对于所述硬件实时性能数据的输出结果作为所述目标平台的配置参数;
29、根据所述目标平台的配置参数对所述目标平台的配置进行调整。
30、作为一种改进的方案,所述标准化配置参数,包括:
31、用于若干所述待兼容平台的属性设置参数以及功能设置参数。
32、另一方面,本专利技术还提供一种配置参数跨平台导出系统,包括:
33、数据采集模块、模型训练模块、参数调整模块和配置标准化模块;
34、所述数据采集模块,用于采集若干平台的硬件性能数据作为训练数据;
35、所述模型训练模块,用于基于所述训练数据和机器学习算法训练参数预测模型;
36、所述参数调整模块,用于确认目标平台,并调用所述参数预测模型计算所述目标平台的配置参数;
37、所述配置标准化模块,用于设置与若干平台分别对应的标准化配置参数。
38、另一方面,本专利技术还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现所述配置参数跨平台导出方法的步骤。
39、另一方面,本专利技术还提供一种计算机设备,所述计算机设备包括处理器、通信接口、存储器和通信总线,其中,所述处理器,所述通信接口,所述存储器通过所述通信总线完成相互间的通信;其中:
40、所述存储器,用于存放计算机程序;
41、所述处理器,用于通过运行所述存储器上所存放的程序来执行所述配置参数跨平台导出方法的步骤。
42、本专利技术技术方案的有益效果是:
43、本专利技术所述的配置参数跨平台导出方法,可以实现基于模型对不同硬件性能的平台进行游戏配置的自适应调整,基于机器学习算法保证了模型处理的精确度以及配置的兼容性,不仅减少了人工操作的工作量,还提升了操作效率,有利于提高游戏及平台的性能,提升了用户体验,弥补了现有技术的缺陷,具有较高的应用价值。
44、本专利技术所述的配置参数跨平台导出系统,可以通过数据采集模块、模型训练模块、参数调整模块和配置标准化模块的相互配合,进而实现基于模型对不同硬件性能的平台进行游戏配置的自适应调整,基于机器学习算法保证了模型处理的精确度以及配置的兼容性,不仅减少了人工操作的工作量,还提升了操作效率,有利于提高游戏及平台的性能,提升了用户体验,弥补了现有技术的缺陷,具有较高的应用价值。
45、本专利技术所述的计算机可读存储介质,可以实现引导数据采集模块、模型训练模块、参数调整模块和配置标准化模块进行配合,进而实现本专利技术所述的配置参数跨平台导出方法,且本专利技术所述的计算机可读存储介质还有效提高所述配置参数跨平台导出方法的可操作性。
46、本专利技术所述的计算机设备,可以实现存储并执行所述计算机可读存储介质,进而实现本专利技术所述的配置参数跨平台导出方法。
本文档来自技高网...【技术保护点】
1.一种配置参数跨平台导出方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种配置参数跨平台导出方法,其特征在于:
3.根据权利要求2所述的一种配置参数跨平台导出方法,其特征在于:
4.根据权利要求1所述的一种配置参数跨平台导出方法,其特征在于:
5.根据权利要求2所述的一种配置参数跨平台导出方法,其特征在于:
6.根据权利要求2所述的一种配置参数跨平台导出方法,其特征在于:
7.根据权利要求1所述的一种配置参数跨平台导出方法,其特征在于:
8.一种配置参数跨平台导出系统,其特征在于,包括:数据采集模块、模型训练模块、参数调整模块和配置标准化模块;
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1~7中任一项所述配置参数跨平台导出方法的步骤。
10.一种计算机设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,所述处理器,所述通信接口,所述存储器通过所述通信总线完成相互间的通信
...【技术特征摘要】
1.一种配置参数跨平台导出方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种配置参数跨平台导出方法,其特征在于:
3.根据权利要求2所述的一种配置参数跨平台导出方法,其特征在于:
4.根据权利要求1所述的一种配置参数跨平台导出方法,其特征在于:
5.根据权利要求2所述的一种配置参数跨平台导出方法,其特征在于:
6.根据权利要求2所述的一种配置参数跨平台导出方法,其特征在于:
7.根据权利要求1所述的一种配置参数跨平...
【专利技术属性】
技术研发人员:叶健斌,
申请(专利权)人:苏州九宫数字科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。