Detail publikace
A Reality Check on Inference at Mobile Networks Edge
Kocour Martin, Ing. (FIT VUT)
Raman Aravindh (KCL)
Leontiadis Ilias (TID)
Luque Jordi (Telefónica)
Sastry Nishanth (KCL)
Nunez-Martinez Leon (TID)
Perino Diego (TID)
Perales Carlos Segura (Telefónica)
decentralizovaný výpočet, výpočet, umělá inteligence
Edge computing je považován za klíčový prostředek k nasazení platforem umělé inteligence pro poskytování aplikací v reálném čase, jako jsou AR / VR nebo kognitivní asistence. Předchozí práce ukazují, že počítačové schopnosti nasazené velmi blízko k uživateli mohou skutečně snížit čekací dobu těchto interaktivních aplikací. Hlavní překážkou výkonu však zůstává v provozu strojového učení. V tomto článku zpochybňujeme některé předpoklady těchto prací, jako je umístění v síti, kde je implementováno hranové výpočty, a považujeme softwarové architektury v rámci několika oblíbených úloh strojového učení. Naše experimentální hodnocení ukazuje, že po vyladění výkonu, které využívá pokroků v algoritmech hlubokého učení a hardwaru, je latence sítě nyní hlavním problémovým bodem pro výkonnost jednotlivých aplikací. Rovněž hlásíme, že nasazení výpočetních schopností v prvním síťovém uzlu stále poskytuje snížení latence, ale celkově to není vyžadováno všemi aplikacemi. Na základě našich zjištění sledujeme požadavky a načrtneme návrh adaptivního výzkumu pro obecnou inferenci strojového učení napříč hranami.
@INPROCEEDINGS{FITPUB11956, author = "Alejandro Cartas and Martin Kocour and Aravindh Raman and Ilias Leontiadis and Jordi Luque and Nishanth Sastry and Leon Nunez-Martinez and Diego Perino and Segura Carlos Perales", title = "A Reality Check on Inference at Mobile Networks Edge", pages = "54--59", booktitle = "Proceedings of the 2nd ACM International Workshop on Edge Systems, Analytics and Networking (EDGESYS '19)", year = 2019, location = "Dressden, DE", publisher = "Association for Computing Machinery", ISBN = "978-1-4503-6275-7", doi = "10.1145/3301418.3313946", language = "english", url = "https://www.fit.vut.cz/research/publication/11956" }