Open shichaoya opened 8 months ago
dataset里面的表格是我在自己设备上采集的,不同dnn层在边缘设备和云端设备上的特征和推理属性,是用来构建预测器的。是提前采集好的,目前运行时候不会再有使用这个dataset,如果你想要构建一个线性回归之外的预测器,可以使用该数据集。
这里的config文件夹下的.pkl文件表示的是什么意思,是每一层的网络结构吗,这个是你自己训练生成的嘛
不是每一层的网络结构,config文件夹下的.pkl文件是根据dataset数据训练好的线性回归模型参数。 可以参考:https://blog.csdn.net/weixin_42067873/article/details/110643407
那这个文件的作用是啥呀
因为你不可能每次用到预测器的时候再开始训练,这样程序跑跑太慢,训练之后保存参数,下次使用预测器直接加载参数来节省时间。 代码部分:predictor/predictor_utils.py 143行-199行 可以去看论文中:5.1 Performance Prediction Model 有预测器的具体功能
这个预测器训练部分代码怎么用呀,还有就是你 dataset里的表格数据有没有采集数据部分的代码或是教程
你好,主要不太明白你的需求。使用方法简单来讲就是:你有数据集、数据特征和目标值,我使用的是线性回归拟合,你可以去使用随机森林算法、或者使用神经网络拟合数据集特征与指标之间的关系。采集数据的代码太久远了,可能找不到了。
感觉你研究云边协同的话,这块预测部分不用研究这么多甚至不去研究,他只是个辅助工具,甚至你可以先把dnn不同层在本地设备上的时延直接记录下来直接使用(肯定比预测的准确),应该关注的是如何为模型选取划分点
你的dataset目录下的那里面的表格数据是固定的的嘛,他是记录我们每一次协同推理的结果吗, 这个数据是什么时候采集的呢,是我们每一次运行的时候采集的嘛