最近這些年,云計算在互聯(lián)網(wǎng)中扮演了重要的角色,從個人消費產(chǎn)品到工業(yè)產(chǎn)品都有云計算作為支撐,云計算的出現(xiàn)讓各行各業(yè)發(fā)生了天翻地覆的變化,在云計算發(fā)展的同時,終端設備的復雜性與多樣性也在不斷地增加,使用傳統(tǒng)的云計算來達到低時延與低功耗的目標對于終端設備來說是一個巨大的挑戰(zhàn),邊緣計算可以彌補云計算在這些方面的不足。深度學習在終端設備應用也更加頻繁,從語音識別到圖像識別離不開深度學習,深度學習的網(wǎng)絡復雜,計算量大,在終端設備上部署深度學習算法難度較大,邊緣計算給在終端設備應用深度學習算法上提供了便利性。本文主要的工作是深入地研究了邊緣計算中實現(xiàn)深度學習訓練與計算的方法,分析了目前在邊緣計算中部署深度學習的意義及挑戰(zhàn),提出了一種基于終端設備接收信號強度（Received Signal Strength Indication,RSSI）降低終端設備功耗的計算卸載方案。本文搭建了一個邊緣計算的硬件平臺驗證此卸載方案的有效性,硬件平臺以搭載了4G網(wǎng)卡的樹莓派4B作為終端設備,以阿里云服務器模擬邊緣服務器,為了更準確的測試終端設備的功耗,本文自研了一款用來分析終端設備功耗的測試設備,終端設備根據(jù)RSSI... 

【文章來源】：合肥工業(yè)大學安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【部分圖文】：

MEC架構

車聯(lián)網(wǎng)Fig2.2Automotivenetworking

物聯(lián)網(wǎng)關Fig2.3IoTgateway


本文編號：3518510