边缘深度学习设备基准评测

参考。

为什么需要边缘计算？

人类产生和收集的数据超过了以往任何时候。我们口袋中的设备就能产生巨量数据，比如照片、GPS 坐标、音频以及我们有意无意泄漏的各种个人信息。

此外，我们不仅会产生与个人相关的数据，也会从很多其它地方收集未知的数据，比如交通和出行控制系统、视频监控单元、卫星、智能汽车以及其它不胜枚举的智能设备。

数据增长的趋势已然形成，并还将继续呈指数级发展。在数据点方面，国际数据咨询公司（IDC）预计世界数据总量将从 2019 年的 33 ZB 增长至 2025 的 175 ZB，年增长率 61%。

尽管我们一直在处理数据，起先是在数据中心，然后是在云中，但这些解决方案不适用于数据量很大的高要求的任务。网络的性能和速度不断推进新的极限，随之而来的是对新型解决方案的需求。现在正是边缘计算和边缘设备时代的起点。

本报告是对五种新型边缘设备的基准评测。我们使用了不同的框架和模型来测试哪些组合表现最佳。我们将重点关注边缘机器学习的性能结果。

什么是边缘计算？

边缘计算包含把数据处理任务放至网络边缘的设备上，使其尽可能地靠近数据源。这种计算方式能以非常高的速度实现实时的数据处理，对很多具备机器学习能力的复杂物联网方案而言是必备能力。在此基础上，边缘计算能够缓解网络压力、降低能耗、提升安全性以及改善数据隐私。

使用这种新范式，针对边缘机器学习而优化的专用硬件和软件库组合到一起，能造就最前沿的应用和产品，进而实现大规模部署。

构建这类应用面临的最大难题源自音频、视频和图像处理任务。事实表明，深度学习技术在克服这些困难方面做得非常成功。

实现边缘深度学习

以自动驾驶汽车为例。自动驾驶汽车需要快速且持续不断地分析传入的数据，以便能在数毫秒内解析周围的世界并采取行动。这种时间限制使得我们不能依靠云来处理数据流，而是必须在本地完成处理。

但在本地处理有个缺点：硬件没有云中的超级计算机那么强大，

（编辑：平凉站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!