(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210804535.9 (22)申请日 2022.07.08 (71)申请人 慧之安信息技 术股份有限公司 地址 100000 北京市海淀区昆明湖南路51 号A座二层217号 (72)发明人 兰雨晴　黄永琢　刘一凡　邢智涣　 王丹星　 (74)专利代理 机构 北京广技专利代理事务所 (特殊普通 合伙) 11842 专利代理师 张国香 (51)Int.Cl. G06F 9/50(2006.01) G06N 3/08(2006.01) (54)发明名称 基于深度学习的内存分配方法 (57)摘要 本发明提供了基于深度学习的内存分配方 法， 其根据终端设备处于开机自启动状态的程序 进行运行状态深度预测分析， 确定处于开机自启 动状态的程序的内存使用状态信息， 以此判断对 应程序属于闲置程序还是非闲置程序， 并调整对 应程序的当前占空的内存空间； 再 获取处于前台 运行状态的程序的数据运算信息， 并对述数据运 算信息进行深度学习分析处理， 确定处于前台运 行状态的程序的内存空间缺口量， 将处于后台运 行状态的程序进行释放得到的内存空间分配至 处于前台运行状态的程序； 可见， 上述方法通过 对终端设备不同类型程序进行内存空间使用情 况的深度学习分析， 适应性释放其中的内存空 间， 对终端设备的实际内存使用情况进行灵活和 准确的分配 。 权利要求书2页 说明书6页 附图1页 CN 115185687 A 2022.10.14 CN 115185687 A 1.基于深度学习的内存分配方法， 其特 征在于， 其包括如下步骤： 步骤S1， 当终端设备开机时， 确定终端设备处于开机自启动状态的程序； 根据 所述处于 开机自启动状态的程序进 行运行状态深度预测分析， 确定所述处于开机自启动状态的程序 的内存使用状态信息； 步骤S2， 根据所述内存使用状态信息， 对所述处于开机自启动状态 的程序进行识别区 分， 判断其属于闲置程序还 是非闲置程序； 根据上述判断结果， 调整 所述处于开机自启动状 态的程序当前占空的内存空间； 步骤S3， 获取终端设备当前处于前台运行状态 的程序的数据运算信息， 对所述数据运 算信息进行深度学习分析处 理， 确定处于前台运行状态的程序的内存空间缺口量； 步骤S4， 获取终端设备当前处于后台运行状态 的程序的内存使用率信息， 根据所述内 存使用率信息， 对处于后台运行状态的程序进行内存空间释放处理； 再根据所述内存空间 缺口量， 将所述内存空间释放处 理得到的内存空间分配至所述处于前台运行状态的程序。 2.如权利要求1所述的基于深度学习的内存分配方法， 其特 征在于： 在所述步骤S1中， 当终端设备开机时， 确定终端设备处于开机自启动状态 的程序具体 包括： 当终端设备开机时， 确定在开机过程中同步自动开启的所有程序； 根据终端设备的开 机运行需求， 将同步自动开启的所有程序区分为必要开启程序和非必要开启程序。 3.如权利要求2所述的基于深度学习的内存分配方法， 其特 征在于： 在所述步骤S1中， 根据所述处于开机自启动状态 的程序进行运行状态深度预测分析， 确定所述处于开机自启动状态的程序的内存使用状态信息具体包括： 获取所述非必要开机程序的历史运行状态日志信 息， 并对所述历史运行状态日志信 息 进行运行状态深度预测分析， 确定所述非必要开机程序的内存空间使用值。 4.如权利要求3所述的基于深度学习的内存分配方法， 其特 征在于： 在所述步骤S2中， 根据所述内存使用状态信息， 对所述处于开机自启动状态的程序进 行识别区分， 判断其属于闲置程序还是非闲置程序具体包括： 将所述内存空间使用值与 预设内存空间使用阈值进行比对； 若所述内存空间使用值大 于或等于预设内存空间使用阈值， 则将相 应的非必要开机程序确定为属于非闲置程序； 若 所述内存空间使用值小于预设内存空间使用阈值， 则将相应的非必 要开机程序确定为属于 闲置程序。 5.如权利要求 4所述的基于深度学习的内存分配方法， 其特 征在于： 在所述步骤S2中， 根据上述判断结果， 调整所述处于开机自启动状态 的程序当前占空 的内存空间具体包括： 将所述闲置程序当前占用的所有内存空间进行释放， 同时关闭所述闲置程序； 对所述非闲置程序当前占用的内存空间进行 预定比例的降低释放。 6.如权利要求5所述的基于深度学习的内存分配方法， 其特 征在于： 在所述步骤S3中， 获取终端设备当前处于前台运行状态的程序的数据运算信息， 对所 述数据运算信息进行深度学习分析 处理， 确定处于前台运行状态的程序的内存空间缺口量 具体包括： 获取终端设备当前处于前台运行状态的程序的数据运算速率变化信 息， 对所述数据运权　利　要　求　书 1/2 页 2 CN 115185687 A 2算速率变化信息进行深度学习分析 处理， 确定处于前台运行状态的程序在未来预设时间段 内的内存空间缺口量； 其中， 所述内存空间缺口量是指所述深度学习分析处理确定的处于 前台运行状态的程序的期望分配内存空间与当前分配内存空间之间的差值。 7.如权利要求6所述的基于深度学习的内存分配方法， 其特 征在于： 在所述步骤S4中， 获取终端设备当前处于后台运行状态的程序的内存使用率信息， 根 据所述内存使用率信息， 对处于后台运行状态的程序进行内存空间释放处 理具体包括： 获取终端设备当前处于后台运行状态的程序的实时内存空间占用值与终端设备的总 内存空间之间的比值， 以此作为处于后台运行状态的程序的内存使用率信息； 若所述比值大于或等于预设比例阈值， 则对处于后台运行状态的程序进行内存空间释 放处理； 否则， 不对处于后台运行状态的程序进行内存空间释放处 理。 8.如权利要求7 所述的基于深度学习的内存分配方法， 其特 征在于： 在所述步骤S4中， 根据所述内存空间缺口量， 将所述内存空间释放处理得到的内存空 间分配至所述处于前台运行状态的程序具体包括： 根据所述内存空间缺口量， 从所有处于后台运行状态的程序进行内存空间释放处理后 得到的空档内存空间中选取相匹配大小的内存空间， 并分配至所述处于前台运行状态的程 序。权　利　要　求　书 2/2 页 3 CN 115185687 A 3