[发明专利]计算系统中动态调度唤醒模式的方法、系统、制品和装置

说明书

公开了计算系统中动态调度唤醒模式的方法、系统、制品和装置。一种示例装置包括：设备状态控制器，用于基于在第一时间收集的传感器测量结果确定设备的上下文；关联器，用于将操作系统的状态与设备的上下文相关联，该状态是在第一时间之后的第二时间获得的；训练控制器，用于基于该关联生成预测模型，该预测模型基于上下文来预测操作系统的状态将是活跃的第三时间；以及调度控制器，用于通过在第三时间之前触发唤醒事件来降低设备的功率消耗，唤醒事件使设备为退出非活跃状态做准备。

技术领域

本公开总体上涉及计算系统，并且更具体而言涉及在计算系统中动态调度唤醒模式的方法、系统、制品和装置。

背景技术

人工智能(artificial intelligence，AI)(包括机器学习(machine learning，ML)、深度学习(deep learning，DL)和/或其他人工机器驱动的逻辑)使得机器(例如，计算机、逻辑电路，等等)能够使用模型来处理输入数据，以基于模型先前经由训练过程学习到的模式和/或关联来生成输出。例如，可以用数据来训练模型以识别模式和/或关联，并且在处理输入数据时遵循这样的模式和/或关联，使得(一个或多个)其他输入导致与所识别的模式和/或关联相一致的(一个或多个)输出。

附图说明

图1A图示了生成动态唤醒时段调度的示例设备的框图。

图1B图示了由图1A的示例关联器生成的示例直方图，以表示上下文数据和未来OS状态之间的关联。

图2是图1A的示例训练控制器生成预测模型的框图。

图3是图1A的示例训练控制器实时生成未来OS状态的预测的框图。

图4是代表机器可读指令的流程图，该机器可读指令可以被执行以实现图1A的示例传感器中枢训练预测模型。

图5是代表机器可读指令的流程图，该机器可读指令可以被执行以实现图1A的示例传感器中枢生成预测。

图6是示例处理平台的框图，该示例处理平台被构造以执行图4和图5的指令以实现图1A和图2的示例设备。

附图不是按比例的。一般而言，相同的标号将在各幅图和伴随的书面描述的各处被用于指代相同或相似的部件。

本文中在识别可被分开提及的多个元素或组件时使用描述语“第一”、“第二”、“第三”等等。除非另有指明或者基于其使用上下文另有理解，否则这种描述语并不旨在灌输优先级、物理顺序或者列表中的排列或者时间上的排序的任何含义，而只是被用作用于分开提及多个元素或组件的标签，以便容易理解所公开的示例。在一些示例中，描述语“第一”在具体实施方式中可以被用于提及某一元素，而同一元素在权利要求中可以用不同的描述语来提及，例如“第二”或“第三”。在这样的实例中，应当理解，这样的描述语只是为了容易引用多个元素或组件而使用的。

具体实施方式

当今的个人计算设备被预期提供现实世界的用户体验，即全天的电池寿命、接近零等待的响应能力以及超强的性能。计算系统(例如，个人计算设备的系统)是基于满足不同类别的用户(例如，游戏玩家、家庭用户、学生等等)的需求而设计的。这样的系统提供了硬件(HW)和/或软件(SW)的权衡，以实现不同的性能目标。例如，系统可以包括操作系统(operating system，OS)，以在OS在其上执行的计算设备的活跃和非活跃状态期间实现不同的性能目标。这样的性能目标可能是在系统处于非活跃状态(例如，待机模式)中时实现系统的低功率消耗。