[发明专利]一种基于深度神经网络的边缘计算任务的分配方法及装置

权利要求书

1.一种基于深度神经网络的边缘计算任务的分配方法，其特征在于：其步骤包括：

获得参数量数据，分别计算神经网络中，待计算网络层的参数量；

获得计算量数据，根据待计算网络层的参数量获得计算量数据；

计算任务分配，根据计算量数据获得终端设备计算任务；根据终端设备计算任务获得边缘服务器的计算任务；判断剩余计算任务是否需要在云服务器执行，如需要，则将剩余计算任务分配至云服务器，如不需要，则将剩余计算任务分配至边缘服务器。

2.根据权利要求1所述的基于深度神经网络的边缘计算任务的分配方法，其特征在于：所述待计算网络层的参数量包括卷积层参数量、全连接层参数量；所述计算量数据包括卷积层计算量、全连接层计算量。

3.根据权利要求2所述的基于深度神经网络的边缘计算任务的分配方法，其特征在于：所述卷积层参数量为，

，

其中，P_l1为卷积层参数量，k₁为卷积核的宽，k₂为卷积核的高，为卷积层输入通道数，为卷积层输出通道数。

4.根据权利要求2或3所述的基于深度神经网络的边缘计算任务的分配方法，其特征在于：所述全连接层参数量为，

，

其中，P_l2为全连接层参数量，为全连接层输入的宽，为全连接层输出的宽。

5.根据权利要求4所述的基于深度神经网络的边缘计算任务的分配方法，其特征在于：所述卷积层计算量为，

，

其中，F_l1为卷积层计算量，为卷积层输出的宽，为卷积层输出的高，P_l1为卷积层参数量。

6.根据权利要求5所述的基于深度神经网络的边缘计算任务的分配方法，其特征在于：所述全连接层计算量为，

F_l2＝2*P_l2，

其中，F_l2为全连接层计算量，P_l2为全连接层参数量。

7.根据权利要求5或6所述的基于深度神经网络的边缘计算任务的分配方法，其特征在于：所述终端设备计算任务的获得方法为，

，

其中，F_l为终端设备各网络层的计算量，sum(F_l)为分配到终端设备网络层的总计算量，α为可变参数，为终端设备的计算能力。

8.根据权利要求7所述的基于深度神经网络的边缘计算任务的分配方法，其特征在于：所述边缘服务器计算任务的获得方法为，

其中，F_e是分配到边缘服务器的计算任务，F_d是分配到设备的计算任务，N为边缘服务器连接的终端设备数量，K为所述边缘服务器CPU计算能力与相连的终端设备平均CPU计算能力之比。

9.一种基于深度神经网络的边缘计算任务的分配装置，所述装置包括：

参数量数据获取模块，用于计算神经网络中，待计算网络层的参数量；

计算量数据获取模块，用于根据待计算网络层的参数量获得计算量数据；

计算任务分配模块，用于根据计算量数据获得终端设备计算任务；根据终端设备计算任务获得边缘服务器的计算任务；判断剩余计算任务是否需要在云服务器执行，如需要，则将剩余计算任务分配至云服务器，如不需要，则将剩余计算任务分配至边缘服务器。

10.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时能够实现如权利要求1-8任一项所述的基于深度神经网络的边缘计算任务的分配方法。