论文部分内容阅读
最近这些年,云计算在互联网中扮演了重要的角色,从个人消费产品到工业产品都有云计算作为支撑,云计算的出现让各行各业发生了天翻地覆的变化,在云计算发展的同时,终端设备的复杂性与多样性也在不断地增加,使用传统的云计算来达到低时延与低功耗的目标对于终端设备来说是一个巨大的挑战,边缘计算可以弥补云计算在这些方面的不足。深度学习在终端设备应用也更加频繁,从语音识别到图像识别离不开深度学习,深度学习的网络复杂,计算量大,在终端设备上部署深度学习算法难度较大,边缘计算给在终端设备应用深度学习算法上提供了便利性。本文主要的工作是深入地研究了边缘计算中实现深度学习训练与计算的方法,分析了目前在边缘计算中部署深度学习的意义及挑战,提出了一种基于终端设备接收信号强度(Received Signal Strength Indication,RSSI)降低终端设备功耗的计算卸载方案。本文搭建了一个边缘计算的硬件平台验证此卸载方案的有效性,硬件平台以搭载了4G网卡的树莓派4B作为终端设备,以阿里云服务器模拟边缘服务器,为了更准确的测试终端设备的功耗,本文自研了一款用来分析终端设备功耗的测试设备,终端设备根据RSSI决策深度学习网络的分割点,终端设备与边缘服务器分别运行客户端与服务端程序完成对应的深度学习网络层计算,功耗测试设备同时记录终端设备运行功耗。实验最后统计分析不同的RSSI下使用RSSI卸载、纯本地计算与纯边缘服务器计算三种不同模式下终端设备运行功耗的差别。实验结果表明,当此终端设备的RSSI为-50d Bm时,网络质量较好,设备吞吐量较高,此时终端设备将所有的计算任务卸载到边缘服务器可以降低约35%的功耗,当RSSI降低到-70d Bm时,终端设备吞吐量降低,使用卸载模块将一部分网络卸载至边缘服务器可以降低约22%的功耗,当RSSI降低到-80d Bm时,终端设备的吞吐量非常低,与边缘服务器的通信开销增大,使用卸载模块反而会增加终端设备功耗。基于终端设备RSSI降低终端设备功耗的计算卸载方案,在特定的RSSI范围内能够有效地降低终端设备的功耗,当RSSI强度较低时,终端设备在本地计算比在边缘服务器计算的功耗更低,此时应用计算卸载反而会增加功耗。