【技术实现步骤摘要】
一种多用户边缘智能场景下的神经网络分割及卸载方法
[0001]本专利技术属于5G网络边缘智能
,尤其涉及一种多用户边缘计算系统中神经网络的分割及卸载方法,该方法适用于用户设备能量和服务器资源都有限的情况下,制定出合理的神经网络分割和卸载决策,最大化用户任务完成率。
技术介绍
[0002]随着深度学习的发展,近年来有关神经网络的应用呈现爆炸式的增长。从人脸识别到无人驾驶都是有关神经网络的应用。与此同时,物联网产业的发展诞生了一系列智能终端设备,越来越多的神经网络应用被部署在智能终端上,比如智能手机和智能可穿戴设备,甚至是嵌入式设备。
[0003]物联网终端设备是计算资源和能量资源都非常有限的设备,其在保证基本功能正常运行的情况下仅有有限的能量能支持神经网络的推理计算。传统的云计算虽然可以协助进行神经网络的推理计算,但其通过将任务传输到云上进行推理计算减轻设备负载的过程中,大量的数据传输会导致核心网负载过大,从而大幅增加传输时延以及传输能耗。网络分割理论和边缘卸载技术的出现使得用户可以将神经网络的部分网络层,尤其是计算量大的网络层分割并卸载到边缘服务器上进行推理计算,这样不仅能够加速终端设备神经网络的推理计算,减轻了核心网的负载,而且大幅降低设备的计算时延和传输能耗。因此,如何对神经网络做出有效的分割决策和卸载决策就成为了一个值得研究的问题。
技术实现思路
[0004]本专利技术要克服现有技术的上述缺点,提供一种多用户边缘计算系统中神经网络的分割及卸载方法。
[0005]首先,为了最 ...
【技术保护点】
【技术特征摘要】
1.一种多用户边缘智能场景下的神经网络分割及卸载方法,其特征在于,包括如下步骤:步骤1:将边缘服务器放置于基站BS中,并通过有线与BS连接;边缘服务器上放置各类已训练好的DNN模型,其计算资源为TH;在基站的通信范围内放置N个用户设备,每个设备i也放置一个已训练好的DNN模型,其能量限制为S
i
;步骤2:每个设备i差生一个计算任务r
i
={G
i
,C
i
,O
i
,S
i
},这里G
i
=<V
i
,E
i
>表示处理计算任务的神经网络,其中表示图中的各节点,每个节点代表一个网络层,E
i
={(v
i,j
,v
i,l
)|(v
i,j
,v
i,l
)∈V
i
}表示各节点之间的边;表示计算网络层v
i,j
所需要的浮点数计算量;所需要的浮点数计算量;表示各网络层输出数据量的大小,其中o
i,j
(bit)表示的是网络层v
i,j
输出的数据大小,S
i
表示设备的能量限制;步骤3:以每个用户设备的能量S
i
和边缘服务器的计算资源TH为约束条件,以神经网络分割方案和卸载方案为优化变量,以最大化每个用户计算任务的完成率为优化目标建立优化问题P;步骤4:把优化问题P分解为两个子问题P1和P2;采用一种遍历搜索结合最大流最小割的方法对子问题P1进行求解;根据子问题P1的求解结果,采用动态规划算法求解问题P2;最终求得优化问题P,从而得到DNN网络最佳分割及卸载方案。2.如权利要求1所述的一种多用户边缘智能场景下的神经网络分割及卸载方法,其特征在于,步骤3所述的优化问题P的表达式为:其中V
loc
和V
mec
是所有用户的DNN网络分割决策,分别表示各用户在本地计算和边缘计算的网络层集合;th={th1,
…
,th
N
}表示服务器分配给各设备的计算资源;I={I1,I2,
…
,I
N
},I
i
∈{0,1},表示设备i上的计算请求是否被执行,I
i
=1表示请求被执行,否则表示不执行。3.如权利要求1所述的一种多用户边缘智能场景下的神经网络分割及卸载方法,其特征在于,优化问题P的限制条件表达式为:0≤th
i
≤TH
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)I
i
∈{0,1}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中式(1)表示边缘服务器给设备分配的资源在1到TH之间,不能超过服务器的资源限制;式(2)表示所有设备所被分配计算资源的总和不能超...
【专利技术属性】
技术研发人员:田贤忠,许鹏程,孟慧骁,缪娉婷,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。