面向边缘智能的神经网络计算方法研究

目录

声明

致谢

1 引言

1.1 研究背景

1.2 研究意义

1.3 国内外研究现状

1.4 主要研究内容

1.5 论文组织结构

2 相关技术基础

2.1 边缘计算相关知识

2.1.1 边缘计算定义

2.1.2 边缘计算架构

2.1.3 边缘计算应用场景

2.2 深度模型压缩相关知识

2.2.1 深度学习经典网络

2.2.2 深度模型压缩分类

2.3 深度学习框架

2.3.1 深度学习框架介绍

2.3.2 深度学习框架对比

2.4 本章小结

3 单边缘设备神经网络按需计算方法研究

3.1 问题描述

3.2 研究基础

3.2.1 知识蒸馏

3.2.2 早期退出机制

3.3 方案设计

3.3.1 EdgeKE 训练

3.3.2 EdgeKE 推理

3.4 实验结果及分析

3.4.1 实验设置

3.4.1 训练方法实验结果及分析

3.4.1 推理方法实验结果及分析

3.5 本章小结

4 多边缘设备神经网络分布式计算方法研究

4.1 问题描述

4.2 研究基础

4.2.1 Map-Reduce架构

4.2.2 基于任务划分的解决方案

4.3 方案设计

4.3.1 时间预估模型

4.3.2 卷积层划分策略

4.3.3 数据调度策略

4.4 实验结果及分析

4.4.1 实验设置

4.4.2 卷积层实验结果及分析

4.4.3 边缘集群加速比实验结果及分析

4.5 本章小结

5 总结与展望

5.1 总结

5.2 展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集