分布式深度学习的新方向:将网络置于物联网设计的前沿
机器学习
2020-08-26 v1 计算机视觉与模式识别
机器学习
信号处理
摘要
在本文中,我们首先强调边缘侧深度学习大规模部署的三个主要挑战:(i) 硬件受限的 IoT 设备,(ii) IoT 时代的数据安全与隐私,以及 (iii) 缺乏用于跨多个 IoT 设备分布式推理的网络感知深度学习算法。然后我们提供一个统一视角,针对由上述挑战自然产生的三个研究方向:(1) 用于训练深度网络的联邦学习,(2) 学习算法的数据无关部署,以及 (3) 通信感知分布式推理。我们认为上述研究方向需要以网络为中心的方法来实现边缘智能,从而充分挖掘 IoT 的真正潜力。
引用
@article{arxiv.2008.10805,
title = {New Directions in Distributed Deep Learning: Bringing the Network at Forefront of IoT Design},
author = {Kartikeya Bhardwaj and Wei Chen and Radu Marculescu},
journal= {arXiv preprint arXiv:2008.10805},
year = {2020}
}
备注
This preprint is for personal use only. The official article will appear in proceedings of Design Automation Conference (DAC), 2020. This work was presented at the DAC 2020 special session on Edge-to-Cloud Neural Networks for Machine Learning Applications in Future IoT Systems