search

Jma512 / DAPart

DAPart: An Online DRL-based Adaptive Partition Framework for DNN Models in Edge Computing
6 stars 1 forks source link

readme

DAPart

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。


DAPart

探索本项目的文档 »

查看Demo · 中文 · English

本篇README.md面向开发者，

目录

上手指南

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
开发前的主要环境配置要求
用户端设备（Jetson Nano只允许该环境版本）
  1. python==3.6.15
  2. torch==1.4.0
  3. torchvision==0.5.0
  4. tegrastats
  5. jtop

注：Jetson Nano的环境安装详细过程详见官方参考文档

服务端设备
  1. python>=3.7
  2. torch==1.13.1
  3. torchvision==0.13.1
安装步骤
  1. 克隆仓库的源代码
git clone https://github.com/Jma512/DAPart.git
  1. 安装环境配置必要的包

文件目录说明

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

部署和运行

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

贡献者

xxx@xxxx（暂不公开）

版本控制

该项目使用Git进行版本管理。

作者

xxx@xxxx（暂不公开）