Distredge:分散エッジデバイス上の畳込みニューラルネットワーク推論の高速化【JST・京大機械翻訳】

Hou Xueyu; Guan Yongjie; Han Tao; Zhang Ning

プレプリント

J-GLOBAL ID：202202217931928140 整理番号：22P0284311

Distredge:分散エッジデバイス上の畳込みニューラルネットワーク推論の高速化【JST・京大機械翻訳】

DistrEdge: Speeding up Convolutional Neural Network Inference on Distributed Edge Devices

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月03日プレプリントサーバーでの情報更新日： 2022年02月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

コンピューティング資源(例えば,埋込みGPU,携帯電話,ラップトップ)を有するエッジデバイスの数が増加するので,最近の研究は,それが1つのエッジ装置以上の協調的に畳み込みニューラルネットワーク(CNN)推論に有益であることを示した。しかし,これらの研究はデバイスの条件に関する強い仮定を作り,それらの応用は実用的から遠い。本研究では,DistrEdgeと呼ばれる一般的方法を提案し,複数のIoTエッジデバイスを持つ環境においてCNN推論分布戦略を提供した。デバイスにおける不均一性,ネットワーク条件,およびCNN計算の非線形特性に対処することにより,DistrEdgeは,深い強化学習技術を用いて,広範囲のケース(例えば,異なるネットワーク条件,様々なデバイスタイプ)に順応する。最新の組込みAI計算デバイス(例えば,NVIDIA Jetson製品)を利用して,実験における不均一デバイスタイプの事例を構築した。著者らの評価に基づき,DistrEdgeは,装置のコンピューティング特性とネットワーク条件に従って,適切に分布戦略を調整することができる。それは最先端の方法と比較して1.1から3x高速化を達成した。【JST・京大機械翻訳】

, , , , , , ,
, , 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る