面向边缘智能的模型训练服务部署和任务卸载研究.pdf

要 摘   摘要 入 ５ Ｇ 云 网 及 步 时代 计 式难以应对 络边缘产生的大 数据以 越来越多 ， 算模 量 些 。 网 生 延迟敏感应 边缘计 被提出来应对这 挑战 为 了充分利用 络边缘产 的 用 ， 算 量 学 通 形处 大 据 习等方法 常被采用 其 中 度 习在以图 为代表的 的 数 ， 机器 ， 深 学 理 “ ” 一 。 这 下 诸 应 场景取得了 良 的效果 在 边缘智能 概念的推动 将 缘计 多 用 好 ， 边 和深 学习 结 同 基于 地理 特 进 边 算技术 度 等技术 合 时 边缘数据的 分布式 点 行 缘分 型 一 热 术 势。 布式模 训练成为了 个 门的技 趋 在 型 要在 缘 上部 型 网络边缘进行分布式模 训练首先需 边 节点 署相 应的模 训 。 量 通 延迟 练服务 已有的服务部署 究往往针对轻 的普 服务， 主要从服务请求 和 研 研 。 型 性 系统能耗等角度 究服务部署 模 训练服务的任务请求由于其资 的密集 源 运 通 边 差 应 研 和 的长期 与普 的 缘服务有较大的 别 需 从新的 用场景 究服 行 性 ， 要 。