Page 82 - 《软件学报》2020年第9期

张展 等:面向边缘计算的目标追踪应用部署策略研究 2703

Fig.13 Same calculation task total processing time Fig.14 Information transmission time
图 13 相同计算任务总处理时间 图 14 信息传输时间

Fig.15 Calculation task and total information Fig.16 Track task overall calculation time
transmission time
图 15 计算任务与信息传输总时间 图 16 追踪任务总体计算时间
对任务处理时间进行分析发现,主要瓶颈在于数据转换时间.该问题由于实现方式导致.数据转换主要将深
度学习框架下的数据类型向基础数据类型转换,以适配应用框架的信息传输要求,时间延迟主要包括数据类型
转化、信息打包及解析时间.后续将针对该问题进行改进优化.
3) 神经网络模型部分卸载策略
相比将特征提取任务完全卸载至边缘云计算,模型部分卸载策略中,将卷积神经网络模型中第 1 部分,即第
一个卷积层、批标准化层(batch normalization,简称 BN)及池化层分配至终端节点计算.计算结果如图 17 所示.

Fig.17 Neural network model partial offloading strategy terminal node computes task processing time
图 17 神经网络模型部分卸载策略终端节点计算任务处理时间