| 标题 |
 End-edge collaborative DNN inference acceleration via E-CARGO and RBC 通过E-CARGO和RBC实现端边协同DNN推理加速
相关领域
加速度
计算机科学
GSM演进的增强数据速率
推论
人工智能
物理
经典力学
|
| 备注 |
需要正式出版的谢谢
|
| 网址 | |
| DOI | |
| 其它 |
摘要： 如今，从人脸识别到自动驾驶，各种智能应用都依赖于深度神经网络 （DNN）。对预训练的 DNN 进行推理既准确又高效，但需要大量资源，尤其是对于智能手机和可穿戴设备等终端设备。为了解决相关的资源限制，DNN 推理任务通常被卸载到边缘或云中，这是通过对 DNN 进行分区并将部分计算卸载到另一台设备来实现的。但是，现有的大多数解决方案通常采用更复杂的方法，例如强化学习和启发式算法。相比之下，本文介绍了一种简单的方法，即通过环境 - 类、代理、角色、组、对象 （E-CARGO） 模型和基于角色的协作 （RBC） 方法对端到端协作 DNN 推理系统进行建模。该文提出一种DNN分区点选择算法，将系统中的DNN任务分配问题表述为待求解的组多角色分配（GMRA）问题。大量的仿真实验表明，所提方案可以有效降低 DNN 推理的全局延迟。 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
cdercder
昏睡的蟠桃
bc
卡卡西
大腚疯猪
诸葛御风
jenningseastera
期待未来的自己
yizhouchang
子车茗
椰子在长江送礼物
Eve丶Paopaoxuan
HEIKU
iNk
科研助手6
pluto
kingwill
VDC
YifanWang
遇上就这样吧
皖公网安备34019202002308
