云雾网络中的高能效分布式机器学习
网络与互联网体系结构
2021-05-24 v1 信号处理
摘要
构成物联网（IoT）的数十亿设备预计将产生海量数据。监控等多种自动化服务将在很大程度上依赖不同机器学习（ML）算法的使用。传统上，ML 模型由集中式云数据中心处理，IoT 读数经由接入层、城域层和核心层的多跳网络卸载至云。这种方法不可避免地导致过高的网络功耗以及服务质量（QoS）下降（如时延增加）。相反，本文提出一种分布式 ML 方法，除云之外，处理还可发生在 IoT 节点和雾服务器等中间设备上。我们将 ML 模型抽象为虚拟服务请求（VSR），以表示深度神经网络（DNN）的多个互联层。利用混合整数线性规划（MILP），我们设计了一个优化模型，以高能效方式将 DNN 的各层分配于云/雾网络（CFN）中。我们评估了 DNN 输入分布对 CFN 性能的影响，并将该方法的能效与所有 DNN 层均在集中式云数据中心（CDC）处理的基线进行比较。
引用
@article{arxiv.2105.10048,
title = {Energy-Efficient Distributed Machine Learning in Cloud Fog Networks},
author = {Mohammed M. Alenazi and Barzan A. Yosuf and Sanaa H. Mohamed and Taisir E. H. El-Gorashi and Jaafar M. H. Elmirghani},
journal= {arXiv preprint arXiv:2105.10048},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:2105.03221