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
北京交通大学;