《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。