BriefGPT - AI 论文速递
·
面向协作边缘平台的自适应工作负载分配用于重视准确性的深度神经网络推理
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出了一种自适应工作负载分配方法，考虑边缘设备的节点异构性和应用特定的准确性和性能要求，以提高性能和准确度。测试结果表明，平均性能提升了41.52%，输出准确度提升了5.2%。
🎯
关键要点
-
本研究提出了一种自适应工作负载分配方法。
-
该方法考虑了边缘设备的节点异构性和应用特定的准确性与性能要求。
-
通过组合优化异构感知的工作负载分割和动态准确配置 DNN 模型，确保性能和准确度。
-
在 Odroid XU4、Raspberry Pi4 和 Jetson Nano 板的边缘集群上进行了测试。
-
与最先进的工作负载分配策略相比，平均性能提升了 41.52%。
-
输出准确度提升了 5.2%。
➡️
