当前位置:   article > 正文

边缘智能概述

边缘智能


前言

本文主要是记录边缘智能相关论文的学习笔记,主要参考了边缘智能-现状和展望这篇论文。

一、何为人工智能?

人工智能:

研究、开发用于模拟、延伸和扩展人的智能的一门新的技术学科。所谓智能即是人脑比较过去,预测未来的能力。

人工智能的最大优势在于它可以通过对外部声音、图像、环境或思维方式的处理,制定出问题的解决方法,对各类信息数据进行智能化的分析处理。相较于人工处理,人工智能更加快速高效。
人工智能的优势

  • 1.人工智能可以在很大程度上解决现实生活中无法处理的问题。
  • 2.可以实现对于数据的加速处理。

由于人工智能大部分计算任务都部署在云计算中心等平台上,限制了人工智能的移动性。故而提出了边缘智能,受益于边缘计算的实时性,安全,隐私性的优点,将人工智能部署于边缘设备上可以更好的为用户提供服务。

二、边缘智能梗概

边缘智能即将人工智能融入边缘计算,部署在边缘设备。

三、边缘智能面临挑战

  1. 计算、存储、能耗等资源受限。边缘设备的计算能力与存储能力远小于专用服务器,无法满足人工智能的需求。
  2. 边缘网络资源不足。
  3. 人工智能在边缘并行困难。人工智能模拟人脑神经元的相互关联,各部分之间的依赖性强,在分布式环境下并行困难。

四、边缘智能面临挑战

边缘智能当前的主要研究方向为边云协同、模型分割、模型压缩、减少冗余数据传输、设计轻量级加速体系结构。

其中边云协同、模型分割、模型压缩主要减少边缘智能在计算、存储方面对边缘设备的要求。
减少冗余数据传输主要用于提高边缘网络资源的利用率。
设计轻量级加速体系主要是提升智能计算效率。

  1. 边云协同:为了弥补边缘设备的计算和存储能力的不足,提出了云计算和边计算协同服务架构。即将训练过程部署在云端,而得到的模型部署在边缘设备。(Edge TPU专用集成电路芯片可用于在边缘设备上运行TensorFlow Lite机器学习模型,Cloud IoT Edge 软件系统,可以将机器学习功能拓展到边缘设备上)
  2. 模型分割:为了将人工智能部署在边缘设备。它是一种边缘服务器和终端设备协同训练。通过将计算量大的卸载到边缘服务器,而计算量小的在本地运行。(切分点的选择)
  3. 模型裁剪:对于计算、存储的能力需求。通过在不影响准确度的情况下去剪裁训练模型(丢弃非必要数据,稀疏数据表示,稀疏代价函数)
  4. 减少冗余数据传输:主要在边云协同和模型压缩。如只将推测有误的数据再次训练
  5. 设计轻量级加速体系结构:
  1. 针对压缩、裁剪环境下的网络模型设计了的加速器
    Z H A N G S , D U Z , Z H A N G L , e t a l . Cambricon-X: an accelerator for sparse neural networks[C]//The 49th Annual IEEE/ACM International Symposium on Microarchitecture, O c t ob e r 1 5 -19, 2 016 , Ta ip e i , C h i n a . Piscataway: IEEE Press,2016: 1-12
  2. 可编程的硬件加速
    N O W A T Z K I T , G A N G A D H A R V , SANKARALINGAM K, et al. Pushing the limits of accelerator efficiency while retaining programmability[C]//IEEE International Symposium on High Performance Computer Architecture (HPCA), March 12-16, 2016, Barcelona, Spain. Piscataway: IEEE Press, 2016: 27-39
  3. 利用可重构硬件特性,维持硬件面积的同时扩大应用范围
    LI Z, LIU L , DENG Y, et al. Aggressive pipelining of ir reg ula r applications on reconfigurable hardware[C]//ACM / IEEE I nter n at ion a l Sy mp o siu m on C omputer Architecture (ISCA), June 24-28, 2017, Toronto, Canada. Piscataway: IEEE Press, 2017: 575-586.
  4. 低功耗加速芯片
声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/小蓝xlanll/article/detail/171894?site
推荐阅读
相关标签
  

闽ICP备14008679号