面向资源受限物联网平台的基于特征空间编码的深度神经网络边-主机划分
计算机视觉与模式识别
2018-02-13 v1
摘要
本文介绍了在物联网环境中将深度神经网络的推理任务在边缘与主机平台间进行划分。我们将 DNN 表示为编码流水线，并提议将中间层的输出特征空间传输给主机。提出了特征空间的无损或有损编码，以提升边缘平台支持的最大输入速率和/或降低边缘平台的能耗。仿真结果表明，在卷积（特征提取）层末端划分 DNN 并辅以特征空间编码，相比在边缘或主机上执行完整推理的基线配置，能显著改善能效与吞吐量。
引用
@article{arxiv.1802.03835,
title = {Edge-Host Partitioning of Deep Neural Networks with Feature Space Encoding for Resource-Constrained Internet-of-Things Platforms},
author = {Jong Hwan Ko and Taesik Na and Mohammad Faisal Amir and Saibal Mukhopadhyay},
journal= {arXiv preprint arXiv:1802.03835},
year = {2018}
}