基于离散事件的边缘深度学习模拟器的构建与应用制造技术

基于离散事件的边缘深度学习模拟器的构建方法，在仿真模块中构建网内缓存模块，所述网内缓存模块用于在边缘节点缓存数据，为深度学习提供数据支撑；构建基于深度学习的边缘仿真环境，以使边缘节点支持深度学习，本发明专利技术将深度学习框架集成到边缘仿真环境中，以实现在边缘环境中进行分布式学习。该边缘深度学习模拟器可用于联邦学习或边缘集成学习。拟器可用于联邦学习或边缘集成学习。拟器可用于联邦学习或边缘集成学习。

【技术实现步骤摘要】
基于离散事件的边缘深度学习模拟器的构建与应用


[0001]本专利技术属于人工智能与深度学习
，涉及边缘计算，特别涉及边缘学习仿真，为一种基于离散事件的边缘深度学习模拟器。

技术介绍

[0002]分布式机器学习是机器学习当前最热门的研究领域之一,尤其是随着“大数据”概念的兴起，数据爆炸式增长，我们迎来了崭新的“big data”时代。传统的机器学习注重在单机中处理数据的速度，而庞大的数据存储和计算在单机上是远远做不到的，且硬件支持的有限性使得在单机上做大数据处理显得十分吃力，将计算模型分布式地部署到多台、多类型机器上进行同时计算是必要的解决方式。分布式机器学习的目标是将具有庞大数据和计算量的任务分布式地部署到多台机器上，以提高数据计算的速度和可扩展性，减少任务的耗时。
[0003]随着分布式学习的诞生，分布式学习在边缘计算中得以快速发展。与此同时，由于计算机和网络通信技术的发展，新的网络协议和算法不断诞生。如果模拟器够与深度学习框架交互，则可以促进此类研究。然而网络协议的不可控和易变的特性，给新的网络方案的验证带来了极大困难。针对这本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于离散事件的边缘深度学习模拟器的构建方法，基于边缘节点架构，其特征在于，包括如下步骤：步骤1，在仿真模块中构建网内缓存模块，所述网内缓存模块用于为边缘节点缓存数据，为深度学习提供数据支撑；步骤2，构建基于深度学习的边缘仿真环境，以使边缘节点支持深度学习，步骤如下：步骤2.1，在仿真模块中构建深度学习模块；步骤2.2，为深度学习模块和仿真模块联合编译创造条件；步骤2.3，在仿真的边缘学习中使用深度学习模块进行深度学习。2.根据权利要求1所述基于离散事件的边缘深度学习模拟器的构建方法，其特征在于，所述仿真模块包括应用程序子模块、拓扑和节点；所述应用程序子模块用于获取应用程序，并使用由系统软件控制的资源来实现相应目标；所述节点用于仿真边缘设备；所述拓扑用于构建边缘设备之间的通信。3.根据权利要求1所述基于离散事件的边缘深度学习模拟器的构建方法，其特征在于，所述网内缓存模块基于LRU缓存算法，以边缘节点之间发送的数据包为缓存单位。4.根据权利要求1所述基于离散事件的边缘深度学习模拟器的构建方法，其特征在于，所述网内缓存模块在仿真模块中的构建过程如下：在仿真模块中，构建基于LRU缓存算法的LRU缓存模块，将所述LRU缓存模块加入到边缘节点中。5.根据权利要求4所述基于离散事件的边缘深度学习模拟器的构建方法，其特征在于，所述LRU缓存模块的构建方法是：在仿真模块的核心目录下，使用创建新模块的命令创建自定义的新模块，并将新模块命名为LRU，将LRU缓存算法放到新模块的目...

【专利技术属性】
技术研发人员：许志伟，刘晓燕，秦亚娜，刘利民，
申请(专利权)人：内蒙古工业大学，
类型：发明
国别省市：