设备性能测试方法、装置及电子设备制造方法及图纸

本申请提出一种设备性能测试方法、装置及电子设备，属于计算机应用技术领域。其中，该方法包括：检启动包含线程数量与待测试设备的中央处理器的内核数量相同的线程池；按照预设的规则，依次从待测试设备中选择一种处理器与中央处理器的一个内核协同，对测试数据集中的各条测试数据依次进行处理，其中，测试数据集中包括多条测试数据；根据待测试设备对测试数据集中全部测试数据的处理结果，确定待测试设备的性能。由此，通过这种设备性能测试方法，实现了通过数字化指标衡量设备AI性能的极限能力，有助于用户直观了解设备的AI性能。

Equipment performance test methods, devices and electronic equipment

【技术实现步骤摘要】
设备性能测试方法、装置及电子设备
本申请涉及计算机应用
，尤其涉及一种设备性能测试方法、装置及电子设备。
技术介绍
人工智能(ArtificialIntelligence，简称AI)，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术以及应用的一门新的技术科学。AI的应用很广泛，机器翻译、智能控制、专家系统、机器人学、语言和图像理解、遗传编程机器人工厂、自动程序设计、航天应用、庞大的信息处理、储存与管理、执行化合生命体无法执行的或复杂或规模庞大的任务等等。相关技术中，AI技术在电子设备中的应用快速发展，市面上的电子设备的AI性能正在快速提升。但是，不同厂商生产的电子设备，以及相同厂商生产的不同代产品的AI性能差异较大，并且不存在衡量设备AI性能的数字化指标，导致用户无法直观了解设备的AI性能。
技术实现思路
本申请提出的设备性能测试方法、装置及电子设备，用于解决相关技术中，不同厂商生产的电子设备，以及相同厂商生产的不同代产品的AI性能差异较大，并且不存在衡量设备AI性能的数字化指标，导致用户无法直观了解设备的AI性能的问题。本申请一方面实施例提出的设备性能测试方法，包括：启动包含线程数量与所述待测试设备的中央处理器的内核数量相同的线程池；按照预设的规则，依次从所述待测试设备中选择一种处理器与所述中央处理器的一个内核协同，对测试数据集中的各条测试数据依次进行处理，其中，测试数据集中包括多条测试数据；根据所述待测试设备对所述测试数据集中全部测试数据的处理结果，确定所述待测试设备的性能。可选地，在第一方面实施例一种可能的实现形式中，所述启动包含线程数量与所述待测试设备的中央处理器的内核数量相同的线程池之前，还包括：确定所述待测试设备的中央处理器是否为多核处理器、且还包括至少一种其他类型处理器。可选地，在第一方面实施例另一种可能的实现形式中，所述按照预设的规则，依次从所述待测试设备中选择一种处理器，包括：从所述待测试设备当前空闲的各处理器中选择处理速度最快的一种处理器。可选地，在第一方面实施例再一种可能的实现形式中，所述根据所述待测试设备对所述测试数据集中全部测试数据的处理结果，确定所述待测试设备的性能，包括：根据所述待测试设备对所述全部测试数据的处理时间及所述测试数据集中包含的测试数据量，确定所述待测试设备的最快处理速度。可选地，在第一方面实施例又一种可能的实现形式中，所述测试数据集中还包括与每条测试数据对应的标注数据；所述对测试数据集中的各条测试数据依次进行处理之后，还包括：根据所述测试数据集中每条测试数据对应的处理结果与对应的标注数据的匹配度，确定所述待测试设备的准确度。可选地，在第一方面实施例又一种可能的实现形式中，所述对测试数据集中的各条测试数据依次进行处理，包括：依次从所述待测试设备中选择一种处理器与所述中央处理器的一个内核协同运行预设的处理模型，对测试数据集中的各条测试数据依次进行处理。本申请另一方面实施例提出的设备性能测试装置，包括：启动模块，用于启动包含线程数量与所述待测试设备的中央处理器的内核数量相同的线程池；处理模块，用于按照预设的规则，依次从所述待测试设备中选择一种处理器与所述中央处理器的一个内核协同，对测试数据集中的各条测试数据依次进行处理，其中，测试数据集中包括多条测试数据；第一确定模块，用于根据所述待测试设备对所述测试数据集中全部测试数据的处理结果，确定所述待测试设备的性能。可选地，在第二方面实施例一种可能的实现形式中，所述装置，还包括：第二确定模块，用于确定所述待测试设备的中央处理器是否为多核处理器、且还包括至少一种其他类型处理器。可选地，在第二方面实施例另一种可能的实现形式中，所述处理模块，具体用于：从所述待测试设备当前空闲的各处理器中选择处理速度最快的一种处理器。可选地，在第二方面实施例再一种可能的实现形式中，所述第一确定模块，具体用于：根据所述待测试设备对所述全部测试数据的处理时间及所述测试数据集中包含的测试数据量，确定所述待测试设备的最快处理速度。可选地，在第二方面实施例又一种可能的实现形式中，所述测试数据集中还包括与每条测试数据对应的标注数据；所述装置，还包括：第三确定模块，用于根据所述测试数据集中每条测试数据对应的处理结果与对应的标注数据的匹配度，确定所述待测试设备的准确度。可选地，在第二方面实施例又一种可能的实现形式中，所述处理模块，还用于：依次从所述待测试设备中选择一种处理器与所述中央处理器的一个内核协同运行预设的处理模型，对测试数据集中的各条测试数据依次进行处理。本申请再一方面实施例提出的电子设备，其包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如前所述的设备性能测试方法。本申请又一方面实施例提出的计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如前所述的设备性能测试方法。本申请又一方面实施例提出的计算机程序，该程序被处理器执行时，以实现本申请实施例所述的设备性能测试方法。本申请实施例提供的设备性能测试方法、装置、电子设备、计算机可读存储介质及计算机程序，通过启动包含线程数量与待测试设备的中央处理器的内核数量相同的线程池，并按照预设的规则，依次从待测试设备中选择一种处理器与中央处理器的一个内核协同，对测试数据集中的各条测试数据依次进行处理，进而根据待测试设备对测试数据集中全部测试数据的处理结果，确定待测试设备的性能。由此，通过利用待测试设备中其他类型的处理器与中央处理器协同对测试数据集进行异构计算，并通过多线程并发运行多种处理器组合的异构计算，以根据对测试数据集的处理结果确定设备的AI性能，从而实现了通过数字化指标衡量设备AI性能的极限能力，有助于用户直观了解设备的AI性能。本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。附图说明本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为本申请实施例所提供的一种设备性能测试方法的流程示意图；图2为本申请实施例所提供的另一种设备性能测试方法的流程示意图；图3为本申请实施例提供的一种设备性能测试装置的结构示意图；图4为本申请实施例提供的电子设备的结构示意图。具体实施方式下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的要素。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。本申请实施例针对相关技术中，不同厂商生产的电子设备，以及相同厂商生产的不同代产品的AI性能差异较大，并且不存在衡量设备AI性能的数字化指标，导致用户无法直本文档来自技高网...

【技术保护点】
1.一种设备性能测试方法，其特征在于，包括：/n启动包含线程数量与所述待测试设备的中央处理器的内核数量相同的线程池；/n按照预设的规则，依次从所述待测试设备中选择一种处理器与所述中央处理器的一个内核协同，对测试数据集中的各条测试数据依次进行处理，其中，测试数据集中包括多条测试数据；/n根据所述待测试设备对所述测试数据集中全部测试数据的处理结果，确定所述待测试设备的性能。/n

【技术特征摘要】
1.一种设备性能测试方法，其特征在于，包括：
启动包含线程数量与所述待测试设备的中央处理器的内核数量相同的线程池；
按照预设的规则，依次从所述待测试设备中选择一种处理器与所述中央处理器的一个内核协同，对测试数据集中的各条测试数据依次进行处理，其中，测试数据集中包括多条测试数据；
根据所述待测试设备对所述测试数据集中全部测试数据的处理结果，确定所述待测试设备的性能。


2.如权利要求1所述的方法，其特征在于，所述启动包含线程数量与所述待测试设备的中央处理器的内核数量相同的线程池之前，还包括：
确定所述待测试设备的中央处理器是否为多核处理器、且还包括至少一种其他类型处理器。


3.如权利要求1所述的方法，其特征在于，所述按照预设的规则，依次从所述待测试设备中选择一种处理器，包括：
从所述待测试设备当前空闲的各处理器中选择处理速度最快的一种处理器。


4.如权利要求1所述的方法，其特征在于，所述根据所述待测试设备对所述测试数据集中全部测试数据的处理结果，确定所述待测试设备的性能，包括：
根据所述待测试设备对所述全部测试数据的处理时间及所述测试数据集中包含的测试数据量，确定所述待测试设备的最快处理速度。


5.如权利要求1所述的方法，其特征在于，所述测试数据集中还包括与每条测试数据对应的标注数据；
所述对测试数据集中的各条测试数据依次进行处理之后，还包括：
根据所述测试数据集中每条测试数据对应的处理结果与...

【专利技术属性】
技术研发人员：于振北，
申请(专利权)人：北京金山安全软件有限公司，
类型：发明
国别省市：北京;11