此开源代码是论文《DAPart: An Online DRL-based Adaptive Partition Framework for DNN Models in Edge Computing》中的实际实验搭建的真实测试平台。
探索本项目的文档 »
查看Demo
·
中文
·
English
本篇README.md面向开发者,
该开源代码分为用户端设备和服务端设备两部分,用户端设备采用的是Jetson Nano,服务端设备采用的是具有Linux系统的电脑。本论文中实验的设备如下表格展示。
Hardware | User Equipment Device (Jetson Nano) |
Edge Server |
---|---|---|
System | Ubuntu 18.04.6 LTS | Ubuntu 22.04.2 LTS |
CPU | 4-core ARM A57@1.43GHz | Intel(R) Core(TM) i9-10940X@3.30GHz |
GPU | 128-core Maxwell@921MHz | GeForce GTX 3090 24GB |
Memory | 4GB LPDDR4 25.6GB/s | 4*16GB LPDDR4 3200 MT/s |
Hard Disk | 64GB microSDXC 140M/s(max) | 11T SSD + 42T HDD |
Network Connection | WiFi 2.4G:300Mbps 5G:867Mbps | Ethernet 1000Mbps |
注:Jetson Nano的环境安装详细过程详见官方参考文档
git clone https://github.com/Jma512/DAPart.git
DAPart
├── /data/
│ ├── /test/
│ │ └── ...
│ └── ... //实验时模拟任务所需的图像
├── /model
│ ├── /mobilenetv2/
│ │ │ └── /logs
│ │ ├── downloadmobilenetv2.py
│ │ └── mobilenetv2_pretrained_imagenet.pth
│ ├── /resnet50/
│ │ │ └── /logs
│ │ ├── downloadresnet50.py
│ │ └── resnet50_pretrained_imagenet.pth
│ ├── /vgg16/
│ │ │ └── /logs
│ │ ├── downloadvgg16.py
│ │ └── vgg16_pretrained_imagenet.pth
├── DAPart_Edge_Server.py
├── DAPart_User_Equipment.py
├── experiment_neuro.py
├── mobilenetv2.py
├── resnet50.py
├── vgg16.py
└── README.md
将该代码分别部署在用户端和服务器端即可,服务器端运行DAPart_Edge_Server.py,用户端设备运行DAPart_User_Equipment.py
xxx@xxxx(暂不公开)
该项目使用Git进行版本管理。
xxx@xxxx(暂不公开)