System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种边缘任务部署方法及装置、处理设备、计算机可读存储介质制造方法及图纸_技高网

一种边缘任务部署方法及装置、处理设备、计算机可读存储介质制造方法及图纸

技术编号:43058103 阅读:3 留言:0更新日期:2024-10-22 14:38
本申请公开了一种边缘任务部署方法及装置、处理设备、计算机可读存储介质,所述方法包括:接收边缘任务请求,所述边缘任务请求携带边缘任务的类型以及边缘任务的需求;基于所述边缘任务的类型确定多组计算组件,并通过资源开销预估模型确定所述多组计算组件中各组计算组件对应的资源开销范围;基于所述边缘任务的需求和所述多组计算组件中各组计算组件对应的资源开销范围,从所述多组计算组件中选择一组计算组件作为目标计算组件;基于所述目标计算组件以及所述目标计算组件对应的资源开销范围确定所述边缘任务的部署策略。

【技术实现步骤摘要】

本申请涉及边缘计算,尤其涉及一种边缘任务部署方法及装置、处理设备、计算机可读存储介质


技术介绍

1、边缘智能是边缘计算中的一个重要方向,它将边缘计算和机器学习算法结合起来,在边缘设备上就近处理目标任务(称为边缘任务);常见的目标任务有目标检测、物体跟踪等。机器学习算法通过网络模型来实现,在边缘设备上部署网络模型后,边缘设备可以通过网络模型处理目标任务。

2、为了提高边缘任务的处理效率,需要将边缘任务合理地部署在边缘设备上。边缘任务的部署与边缘任务的资源开销有关,如何评估边缘任务的资源开销,从而合理地部署边缘任务是需要解决的问题。


技术实现思路

1、本申请实施例提供了一种边缘任务部署方法及装置、处理设备、芯片、计算机可读存储介质及计算机可读存储介质。

2、本申请实施例提供的边缘任务部署方法,包括:

3、接收边缘任务请求,所述边缘任务请求携带边缘任务的类型以及边缘任务的需求;

4、基于所述边缘任务的类型确定多组计算组件,并通过资源开销预估模型确定所述多组计算组件中各组计算组件对应的资源开销范围;

5、基于所述边缘任务的需求和所述多组计算组件中各组计算组件对应的资源开销范围,从所述多组计算组件中选择一组计算组件作为目标计算组件;

6、基于所述目标计算组件以及所述目标计算组件对应的资源开销范围确定所述边缘任务的部署策略。

7、本申请实施例提供的边缘任务部署装置,应用于处理设备,所述装置包括:

8、接收单元,用于接收边缘任务请求,所述边缘任务请求携带边缘任务的类型以及边缘任务的需求;

9、第一确定单元,用于基于所述边缘任务的类型确定多组计算组件,并通过资源开销预估模型确定所述多组计算组件中各组计算组件对应的资源开销范围;

10、选择单元,用于基于所述边缘任务的需求和所述多组计算组件中各组计算组件对应的资源开销范围,从所述多组计算组件中选择一组计算组件作为目标计算组件;

11、第二确定单元,用于基于所述目标计算组件确定所述边缘任务的部署策略。

12、本申请实施例提供的处理设备,包括:处理器和存储器,该存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行上述的边缘任务部署方法。

13、本申请实施例提供的芯片,包括:处理器,用于从存储器中调用并运行计算机程序,使得安装有所述芯片的设备执行上述的边缘任务部署方法。

14、本申请实施例提供的计算机程序产品,包括计算机程序指令,该计算机程序指令使得计算机执行上述的边缘任务部署方法。

15、本申请实施例提供的计算机可读存储介质,用于存储计算机程序,所述计算机程序使得计算机执行上述的边缘任务部署方法。

16、本申请实施例的技术方案中,一方面,通过资源开销预估模型评估多组计算组件中各组计算组件对应的资源开销范围,从而实现了按照不同的计算组件分别对边缘任务的资源开销范围进行了评估;另一方面,基于边缘任务的需求和多组计算组件中各组计算组件对应的资源开销范围,从多组计算组件中选择一组计算组件作为目标计算组件,基于目标计算组件以及目标计算组件对应的资源开销范围确定边缘任务的部署策略,从而实现了为边缘任务选择合适的目标计算组件,为边缘任务的部署提供了参考。

本文档来自技高网...

【技术保护点】

1.一种边缘任务部署方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述通过资源开销预估模型确定所述多组计算组件中各组计算组件对应的资源开销范围,包括:

3.根据权利要求2所述的方法,其特征在于,所述计算组件包括所述边缘任务的机器学习算法、所述机器学习算法的开发库以及硬件;所述计算组件的属性信息包括:所述机器学习算法的属性信息、所述开发库的属性信息以及所述硬件的属性信息。

4.根据权利要求2所述的方法,其特征在于,所述通过所述资源开销预估模型输出所述计算组件对应的资源开销范围,包括:

5.根据权利要求4所述的方法,其特征在于,所述资源开销包括计算资源开销、内存资源开销以及能耗资源开销;其中,所述计算资源开销基于时间复杂度因子和时间复杂度确定;所述内存资源开销基于空间复杂度因子和空间复杂度确定;所述能耗资源开销基于能耗确定;所述时间复杂度与执行所述边缘任务所需的运算次数有关,所述空间复杂度与执行所述边缘任务所需的内存大小有关。

6.根据权利要求5所述的方法,其特征在于,所述接收边缘任务请求之前,所述方法还包括:

7.根据权利要求1至6中任一项所述的方法,其特征在于,所述接收边缘任务请求之前,所述方法还包括:

8.一种边缘任务部署装置,其特征在于,应用于处理设备,所述装置包括:

9.一种处理设备,其特征在于,包括:处理器和存储器,该存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,执行如权利要求1至7中任一项所述的方法。

10.一种计算机程序产品,其特征在于,包括计算机程序指令,该计算机程序指令使得计算机执行如权利要求1至7中任一项所述的方法。

11.一种计算机可读存储介质,其特征在于,用于存储计算机程序,所述计算机程序使得计算机执行如权利要求1至7中任一项所述的方法。

...

【技术特征摘要】

1.一种边缘任务部署方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述通过资源开销预估模型确定所述多组计算组件中各组计算组件对应的资源开销范围,包括:

3.根据权利要求2所述的方法,其特征在于,所述计算组件包括所述边缘任务的机器学习算法、所述机器学习算法的开发库以及硬件;所述计算组件的属性信息包括:所述机器学习算法的属性信息、所述开发库的属性信息以及所述硬件的属性信息。

4.根据权利要求2所述的方法,其特征在于,所述通过所述资源开销预估模型输出所述计算组件对应的资源开销范围,包括:

5.根据权利要求4所述的方法,其特征在于,所述资源开销包括计算资源开销、内存资源开销以及能耗资源开销;其中,所述计算资源开销基于时间复杂度因子和时间复杂度确定;所述内存资源开销基于空间复杂度因子和空间复杂度确定;所述能耗资源开销基于能耗确定;所述时间复杂度与执行所述边...

【专利技术属性】
技术研发人员:张星洲刘景磊张婷婷陈燕军陈俊权
申请(专利权)人:中国移动通信有限公司研究院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1