Resumen

Los nuevos entornos inteligentes, como el hogar inteligente, la ciudad inteligente y el transporte inteligente, estn despertando un creciente inters en el despliegue de redes neuronales profundas (DNN) en dispositivos perifricos. Por desgracia, la implantacin de DNN en dispositivos perifricos con recursos limitados plantea un enorme desafo. Estas cargas de trabajo son intensivas desde el punto de vista computacional. Adems, el enfoque basado en servidores perifricos puede verse afectado por factores incidentales, como fluctuaciones y conflictos en la red, cuando se descargan mltiples tareas en el mismo dispositivo. Es muy deseable una programacin racional de las cargas de trabajo para entornos inteligentes. En este trabajo, proponemos una descarga incremental resistente a conflictos de redes neuronales profundas en el borde (CIODE) para mejorar la eficiencia de la inferencia DNN en el entorno inteligente del borde. CIODE divide el modelo DNN en varias particiones por capa y las carga incrementalmente en los nodos de borde locales. Diseamos un paradigma de programacin basado en el bloqueo en espera para elegir los dispositivos de borde para las capas DNN que se van a descargar. En detalle, se propone un mecanismo de bloqueo avanzado para gestionar los conflictos de concurrencia. Los experimentos basados en bancos de pruebas reales demuestran que, en comparacin con otras lneas de base de ltima generacin, CIODE supera el rendimiento de inferencia de DNN de estas lneas de base populares en un 20-70 y mejora significativamente la robustez bajo la perspectiva de colaboracin vecina.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Entornos inteligentes; Redes neuronales profundas; Dispositivos periféricos; Programación de la carga de trabajo; CIODE; Inferencia DNN
• Keywords:Smart environments; Deep neural networks; Edge devices; Workload scheduling; CIODE; DNN inference