面向边缘设备的高能效深度学习任务调度策略

• 作者: 于佳龙 任杰 袁璐 高岭
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 深度学习模型 边缘设备 任务调度策略 能效优化
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 计算机网络新技术
• 页码范围: 440-452
• 页数: 13页
• 分类号: TP18
• 字数: 8755字
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2020.00440

摘要

近年来,深度学习在图像和自然语言处理等诸多领域表现出色,与深度学习相关的各类移动应用发展迅速,但由于移动网络状态的不稳定性及网络带宽的限制,基于云计算的深度模型任务可能出现较大响应延迟,严重影响用户体验.与此同时,深度模型对设备的计算及存储能力有较高的要求,无法直接在资源受限的移动设备中进行部署.因此,亟须设计一种新的计算模式,使得基于深度模型的移动应用能够满足用户对快速响应、低能耗及高准确率的期望.本文提出一种面向边缘设备的深度模型分类任务调度策略,该策略通过协同移动设备与边缘服务器,充分利用智能移动终端的便捷性和边缘服务器强大的计算能力,综合考虑分类任务的复杂度和用户期望,完成深度模型在移动设备和边缘服务器中的动态部署,并对推理任务进行动态调度,从而提升任务执行效率,降低深度学习模型推理开销.本文以基于卷积神经网络的图像识别应用为例,实验结果表明,在移动环境中,相比于准确率最高的深度模型,本文提出的高能效调度策略的推理能耗可降低93.2％、推理时间降低91.6％,同时准确率提升3.88％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高岭	西北大学信息科学与技术学院	96	1019	17.0	28.0
5	任杰	陕西师范大学计算机科学学院	15	8	2.0	2.0
6	袁璐	西北大学信息科学与技术学院	2	1	1.0	1.0
7	于佳龙	西北大学信息科学与技术学院	1	0	0.0	0.0