为了这个目标,作者们提出了在云、边缘以及终端设备这样的分布式计算层级上的分布式深度神经网络(DDNN)。论文内容摘要如下,具体细节请查看论文原文。 在能够适应云上的神经网络推理的同时,DDNN 也允许在边缘、终端设备上使用神经网络的浅层部分进行更快、本地化的推理。 在可延展的分布式计算层级支持下,DDNN 能按比例扩大网络大小,且在区域跨度上进行扩展。由于其分布式特性,DDNN 增强了传感器融合、系统故障容错、数据隐私。 作为此概念的证实,我们演示了一个 DDNN 能够利用传感器的多元性改进目标识别的准确率、减少通信成本。 在我们的实验中,对比传统的在云中卸载原始传感器数据的方法,DDNN 能够在终端设备本地处理大部分传感器数据,同时取得高准确率,通信成本能够降低 20 倍。 ? 图 2:DDNN 架构的概览。
[20210305104801.png] [ddnn081kif.png] [097eba5no9.png] 线程安全性不同 ArrayList和LinkedList都不是线程安全的,但是Vector是线程安全的
5Z8ccjdw5GnZWnGjcdGGnZ5wwwWGG5d=W5ldjwGZZdZwdG5cGGnZGlGc=W5ccWZ8=cGljdGcdld=8cj8jwn=lj88ZZ5jn5lcZ=Gdw=Zl58WZZl5ccwccwG5d5w8Z5wllj5ddnn
khK4DP5DxQiyEAwXkga2eMgMceZUkHxnkJxmImGkR8SUuh6kTlKgOneQbtELEk1WbfgWNgHcWtHuSXIhGotlb3erwucB8/QVwUwxZbLC48+20DDNn
sBEnlZ1P6M0x6pJ4psfRDJnwMIPSDlsYAXsGOlwhGKcY/joPQ3bRLVVEfQs4OjGBMiP0kZLjRzUMhTHe4gRBMU92LPf9pVnwJvyTsDqN47ddNN1H8OokFavwAdJD8K