面向物联网的分布式深度卷积神经网络
机器学习
2021-07-30 v2 分布式、并行与集群计算
机器学习
摘要
物联网（IoT）单元在内存与计算上的严苛限制可能阻碍基于深度学习（DL）的解决方案的执行，后者通常要求大内存和高处理负载。为了支持在所考虑DL模型在IoT单元层面的实时执行，DL解决方案的设计必须考虑所选IoT技术所暴露的内存与处理能力约束。本文提出一种旨在将卷积神经网络（CNNs）的执行分配于分布式IoT应用上的设计方法。该方法被形式化为一个优化问题，其中在数据收集阶段与后续决策阶段之间的延迟在单元层面内存与处理负载给定约束下被最小化。该方法支持多数据源以及在同一IoT系统上执行的多个CNN，从而允许设计需要自主性、低决策延迟和高服务质量（Quality-of-Service）的基于CNN的应用。
引用
@article{arxiv.1908.01656,
title = {Distributed Deep Convolutional Neural Networks for the Internet-of-Things},
author = {Simone Disabato and Manuel Roveri and Cesare Alippi},
journal= {arXiv preprint arXiv:1908.01656},
year = {2021}
}