1.一种VANET中基于边缘计算的深度学习任务分配算法,所述分配算法包括离线分配算法和在线分配算法,其特征在于:所述离线分配算法主要针对事先已知一段时间内到来的深度学习任务序列的情况,所述在线分配算法主要针对事先不知道需要处理的深度学习任务序列的情况;
所述离线分配算法的流程如下所示:
步骤1,对于每个深度学习任务,遍历其所有的k,求得使lkj·rkj最大的k,rkj为第k层的神经网络的输入数据大小与初始输入数据的大小之比,lkj为在边缘服务器处理k层神经网络后产生的计算开销;
步骤2,遍历所有的边缘服务器,找到当前情况下边缘服务器的剩余服务能力和剩余带宽乘积最大的边缘服务器;
步骤3,将所有的深度学习任务先按照深度学习任务的输入数据大小进行升序排序;
步骤4,对排序后的每个深度学习任务,首先对序号为1的深度学习任务进行判断,若剩余服务能力和剩余带宽乘积最大的边缘服务器能够满足所提的约束条件,则在该边缘服务器上运行该任务,若该边缘服务器不满足约束条件,则改变k的值直到满足约束条件为止,若改变k后仍然不能满足条件,则不执行该任务;
步骤5,若序号为1的深度学习任务已经分配完成,则重新计算并找到当前情况下边缘服务器的剩余服务能力和剩余带宽乘积最大的边缘服务器,并按照排好的顺序对余下的深度学习任务进行分配,若某一个深度学习任务在遍历所有k后仍然不能分配到边缘服务器中,则说明当前所有的边缘服务器均已饱和,将该深度学习任务及其之后的所有深度学习任务暂缓,并在之前的任务处理完成后重复上述流程进行判断;
所述在线分配算法的流程如下所示:
步骤1,令Bmax和Bmin为任务tj在经过改变k层神经网络后所需的最大和最小带宽,对于任务tj,首先找出目前所有边缘服务器中具有最大剩余服务能力的服务器步骤2,对该服务器的最大剩余服务能力进行判断,若满足处理条件,则认为该边缘服务器能够接受并立刻处理到来的深度学习任务;
步骤3,若该服务器的最大剩余服务能力不满足处理条件,则需要暂缓对该深度学习任务的处理,直至边缘服务器有足够的剩余服务能力进行处理。
2.根据权利要求1所述的一种VANET中基于边缘计算的深度学习任务分配算法,其特征在于:所述在线分配算法的步骤1中,服务器的剩余服务能力由函数 给出:其中, 为边缘服务器 的剩余计算能力,e为自然常数。
3.根据权利要求1所述的一种VANET中基于边缘计算的深度学习任务分配算法,其特征在于:所述在线分配算法的步骤2中,具体地,所述处理条件为:若满足该条件,则认为该边缘服务器能够接受并立刻处理到来的深度学习任务,若不满足,则需要暂缓对该深度学习任务的处理,直至边缘服务器有足够的剩余服务能力进行处理。