《表2 边缘设备算力-FLOPs回归模型》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《EdgeMI:资源受限条件下深度学习多设备协同推理》
我们采用不同的边缘设备作为实验平台,并设置不同宽度与高度的特征图map,5次计算取平均值,以降低偶然误差,利用最小二乘法求得回归方程。各边缘设备算力回归模型如表2所示,其中算力回归直线的斜率越低,表示该边缘节点的计算能力越强,同样的FLOPs,计算耗时更少,回归方程与Y轴的截距为正值,表示边缘设备在卷积计算过程中的固有时间开销。根据回归模型求得的卷积计算和全连接层矩阵预估时间,与实际计算时间有一定的误差。表2中同一边缘设备,卷积层和全连接层的算力回归模型斜率不同,即卷积层和全连接层计算相同的FLOPs耗时不同,是由于边缘设备内存不足导致与swap分区数据交换,交卷积运算与全连接层运算的swap分区交换频率导致回归模型斜率的不同。
图表编号 | XD00157063300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.15 |
作者 | 薛峰、方维维 |
绘制单位 | 北京交通大学计算机与信息技术学院、北京交通大学计算机与信息技术学院 |
更多格式 | 高清、无水印(增值服务) |