JMSNAS：面向移动边缘网络学习的联合模型切分与神经架构搜索
人工智能
2021-11-17 v1 分布式、并行与集群计算
摘要
在移动边缘网络上部署深度神经网络（DNN）的主要挑战在于如何切分DNN模型，以匹配网络架构以及所有节点的计算与通信能力。这本质上涉及两个高度耦合的过程：模型生成与模型切分。本文提出一种联合模型切分与神经架构搜索（JMSNAS）框架，用于在移动边缘网络上自动生成并部署DNN模型。在考虑计算与通信资源约束的条件下，将计算图搜索问题形式化以寻找DNN模型的多切分点，随后训练模型以满足特定精度要求。此外，通过目标函数的恰当设计，实现了模型精度与完成时延之间的权衡。实验结果证实了所提框架相对于最先进的切分机器学习设计方法的优越性。
引用
@article{arxiv.2111.08206,
title = {JMSNAS: Joint Model Split and Neural Architecture Search for Learning over Mobile Edge Networks},
author = {Yuqing Tian and Zhaoyang Zhang and Zhaohui Yang and Qianqian Yang},
journal= {arXiv preprint arXiv:2111.08206},
year = {2021}
}
备注
6 pages, 6 figures, Submitted to IEEE ICC'22 - CRAIN Symposium