-
公开(公告)号：CN119512750A
公开(公告)日：2025-02-25
申请号：CN202411599829.8
申请日：2024-11-11
Applicant: 西北工业大学
Abstract: 本发明公开了面向工业边缘场景异构卷积神经网络的多目标解析方法。该方法包括：获取多个目标任务，其中，不同目标任务采用不同卷积神经网络模型进行处理；当每一目标任务从终端设备卸载到边缘服务器时，将不同卷积神经网络模型通过分组层粒度划分和优化器搜索进行处理，使不同卷积神经网络模型的可分割层数相等，其中，每一目标任务对应一个终端设备和一个边缘服务器。本发明解决了现有的技术解析异构CNN推理任务寻找最佳卸载方案时，通过频繁地初始化来应对搜索空间和分割层之间关系的动态，每个模型量身定制解析策略会造成计算资源的浪费和模型间相关性的损失的技术问题。
-
公开(公告)号：CN118245180A
公开(公告)日：2024-06-25
申请号：CN202410224292.0
申请日：2024-02-29
Applicant: 西北工业大学
Abstract: 本申请的实施例涉及任务调度技术领域，特别涉及一种基于深度强化学习的多边缘节点任务调度方法，该方法包括：通过有向无环图的表示方式对计算任务之间的逻辑关系进行形象化表示；其中，所述有向无环图中的任务节点表征所要执行的计算任务及其任务类型，所述有向无环图中的边用于表征各所述计算任务之间的执行顺序；计算各所述任务节点的优先级，并按照所述优先级对各所述任务节点进行拓扑排序，将各所述计算任务之间的执行顺序表示为一个线性序列；将所述线性序列输入至预训练的深度确定性策略梯度模型中，获取所述深度确定性策略梯度模型输出的各所述计算任务的调度策略，从而实现实时复杂的计算任务在边缘计算框架下的有效调度执行。
-
Search Results
2
records
(took 0.02 seconds)
