엣지 컴퓨팅 환경에서의 딥 러닝 연산 오프로딩의 병렬 최적화 


49권  3호, pp. 256-260, 3월  2022
10.5626/JOK.2022.49.3.256


PDF

  요약

컴퓨팅 자원이 부족한 디바이스에 연산량이 많은 딥 러닝 애플리케이션을 실행하기 위해 주변에 있는 서버에 연산을 오프로딩하는 엣지 컴퓨팅 기술이 제안되었다. 그러나 딥 러닝 연산을 오프로딩하기 위해서는 서버에 모델을 먼저 업로드해야 하는 단점이 있다. 이를 해결하기 위해 모델을 점진적으로 전송하는 동시에 서버가 클라이언트 연산을 대신 수행하는 점진적 오프로딩 시스템이 제안되었다[1]. 점진적 오프로딩 시스템은 오프로딩에 걸리는 시간을 크게 단축했으나, 모델 구축 시간을 고려하지 않아서 전체 모델 업로드 시간이 늘어나는 단점이 있었다. 본 논문은 모델 구축과 모델 업로드의 병렬 최적화를 통해 기존 시스템의 문제점을 해결해서 기존 시스템 대비 전체 모델 업로드 시간을 최대 30% 개선했다.


  통계
2022년 11월부터 누적 집계
동일한 세션일 때 여러 번 접속해도 한 번만 카운트됩니다. 그래프 위에 마우스를 올리면 자세한 수치를 확인하실 수 있습니다.
  논문 참조

[IEEE Style]

K. Y. Shin and S. Moon, "Parallel Optimization of Deep Learning Computation Offloading in Edge Computing Environment," Journal of KIISE, JOK, vol. 49, no. 3, pp. 256-260, 2022. DOI: 10.5626/JOK.2022.49.3.256.


[ACM Style]

Kwang Yong Shin and Soo-Mook Moon. 2022. Parallel Optimization of Deep Learning Computation Offloading in Edge Computing Environment. Journal of KIISE, JOK, 49, 3, (2022), 256-260. DOI: 10.5626/JOK.2022.49.3.256.


[KCI Style]

신광용, 문수묵, "엣지 컴퓨팅 환경에서의 딥 러닝 연산 오프로딩의 병렬 최적화," 한국정보과학회 논문지, 제49권, 제3호, 256~260쪽, 2022. DOI: 10.5626/JOK.2022.49.3.256.


[Endnote/Zotero/Mendeley (RIS)]  Download


[BibTeX]  Download



Search




Journal of KIISE

  • ISSN : 2383-630X(Print)
  • ISSN : 2383-6296(Electronic)
  • KCI Accredited Journal

사무국

  • Tel. +82-2-588-9240
  • Fax. +82-2-521-1352
  • E-mail. chwoo@kiise.or.kr