热门标签
热门文章
- 1Python-Django毕业设计攀枝花学院图书馆管理系统小程序（程序+Lw)_基于pythondjango开发的图书馆管理系统
- 2python cookbook内容提炼-第一章数据结构和算法
- 3EVE-NG的NE40E镜像分享，需要的朋友自行转存下载！_eve ne40 镜像
- 4emqx Windows启动、关闭、配置用户名密码登录_windows启动emqx
- 5Python os模块文件操作（一）_os.open
- 6如何将自己的Web项目部署在IIS中并运行（C# .NET ASP VS2019 详细教程 ＜原创内容＞）_网站在iis中跑起来
- 7代码随想录算法训练营（JAVA）| 第五章 栈与队列part02
- 8SAP 常见接口方案总结_sap接口方式
- 9穿越迷雾：AI写作的深度探索与未来展望
- 10Bored Ape Yacht Club NFT 概览与数据分析
当前位置: article > 正文
Edgent：移动设备与边缘的协同推理_移动设备 并行推理
作者：菜鸟追梦旅行 | 2024-03-05 11:54:14
赞
踩
移动设备 并行推理
本文出自于论文Edge Intelligence: On-Demand Deep Learning Model Co-Inference with Device-Edge Synergy ，主要介绍了一种移动设备与边缘协同作用的DNN协同推理框架。
一、简介和相关工作
- 在资源受限的移动设备上运行DNN会带来高能耗，而将DNNs卸载到云上执行时，由于无法控制长时间广域网延迟，其性能也难以预测。为了解决这些挑战，在本文中我们提出来Edgent，一个协同和按需的DNN协同推理框架，它将设备与边缘协同作用。Edgent包含两个关键点：（1）自适应地将DNN计算划分在设备和边缘之间的DNN分区，利用相邻的混合计算资源进行实时的DNN推理；（2）通过在适当的中间DNN层提前退出来加速DNN推理，从而进一步降低计算延迟。
- DNN处理的传统方式是将移动设备生成的输入数据发送到云端进行处理，推理后将结果发送回移动
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/菜鸟追梦旅行/article/detail/190858
推荐阅读
相关标签
