모바일 장치와 클라우드 간의 효율적인 컴퓨팅 오프로드를 위한 동적 압축 기술
저자
발행사항
서울 : 성균관대학교 일반대학원, 2023
학위논문사항
학위논문(석사)-- 성균관대학교 일반대학원 : 전자전기컴퓨터공학과 2023. 8
발행연도
2023
작성언어
한국어
주제어
발행국(도시)
서울
기타서명
A dynamic compression for efficient offloading of computation between mobile and cloud
형태사항
iv, 44 p. : 삽화, 표 ; 30 cm
일반주기명
지도교수: 신동군
참고문헌: p. 39-42
UCI식별코드
I804:11040-000000175829
DOI식별코드
소장기관
최근 모바일 장치에서 딥 러닝 모델을 사용하는 어플리케이션들이 많이 개발되고 있다. 하지만 모바일 장치의 하드웨어 제약조건 때문에 모바일 장치만 사용해서 많은 연산량을 요구하는 딥 러닝 모델을 사용하는 것에는 제약이 있다. 이러한 문제를 해결하기 위해 연산의 일부를 모바일 장치에서 처리하고 남은 연산을 클라우드에서 처리하는 분할 연산을 수행한 연구들이 있다. 이 연구들은 주로 모바일 장치와 클라우드의 분할지점 선정, 모바일 장치에서 클라우드로 전송하는 데이터 압축 기법 등을 제안한다. 하지만 애플리케이션의 요구사항에 맞는 지연시간, 정확도를 충족시키면서 최적의 성능을 내는 것은 여전히 어려움이 있다.
본 논문에서는 네트워크 상태에 따른 지연시간을 줄이고 압축으로 인한 정확도 손실을 최소화할 수 있는 Offloading System Design을 제안한다. Offloading System Design은 runtime시 변화하는 bandwidth에 따라 최적의 partition point와 압축률을 찾아서 데이터를 전송한다. 압축된 데이터 전송 시 정확도의 손실을 최소화 하기 위해 다양한 압축률을 고려한 모델을 학습시킨다. 데이터 압축을 할 때 본 논문에서 제안하는 Slicing + Top-k pruning 방식을 사용해서 압축한다. 실험에서 cloud server로는 NVDIA Geforce GTX 1080 Ti를 사용했고 Mobile device로는 Jetson TX2를 사용했다. Slicing + Top-k 방식을 사용해서 압축을 했을 때 Slicing만을 사용한 방식보다 10배 이상의 압축률에서 2\% 이상 높은 정확도를 보여준다. 또한 네트워크 bandwidth의 변화에 따른 성능저하가 최소화 되는 것을 보여준다.
There has been a recent trend in developing applications that use deep learning models on mobile devices. However, using deep learning models that require a large amount of computation solely on mobile devices is limited by their hardware constraints. In order to solve this problem, there are studies that have performed partitional computations in which a part of the computation is processed on a mobile device and the remaining computation is processed in the cloud. These studies primarily focus on proposing the optimal partition points between mobile devices and clouds, as well as data compression techniques for transmitting data from mobile devices to the cloud. However, achieving optimal performance while maintaining latency and accuracy that meet the application's requirements remains challenging.
In this paper, we propose a Dynamic Compression Technique that can reduce latency according to network conditions and minimize accuracy loss due to compression. Mobile device transmits data to cloud server by dynamically finding the optimal compression rate based on the changing network bandwidth at runtime. In order to minimize the loss of accuracy when transmitting compressed data, a model considering various compression rates is trained. Data is compressed using the Slicing + Top-k pruning method proposed in this paper. In the experiment, a NVDIA Geforce GTX 1080 Ti was used as a cloud server and a Jetson TX2 board was used as a mobile device. When compression is performed using the Slicing + Top-k method, the accuracy is higher than 2\% at a compression rate of more than 10x compared to the method using Only Slicing. And we shows that the change in latency is minimized even when the network bandwidth changes.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)