Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

A Reality Check on Inference at Mobile Networks Edge

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F19%3APU132061" target="_blank" >RIV/00216305:26230/19:PU132061 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://dl.acm.org/citation.cfm?doid=3301418.3313946" target="_blank" >https://dl.acm.org/citation.cfm?doid=3301418.3313946</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1145/3301418.3313946" target="_blank" >10.1145/3301418.3313946</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    A Reality Check on Inference at Mobile Networks Edge

  • Popis výsledku v původním jazyce

    Edge computing is considered a key enabler to deploy ArtificialIntelligence platforms to provide real-time applications such asAR/VR or cognitive assistance. Previous works show computingcapabilities deployed very close to the user can actually reduce theend-to-end latency of such interactive applications. Nonetheless,the main performance bottleneck remains in the machine learninginference operation. In this paper, we question some assumptionsof these works, as the network location where edge computing isdeployed, and considered software architectures within the frame-work of a couple of popular machine learning tasks. Our experimen-tal evaluation shows that after performance tuning that leveragesrecent advances in deep learning algorithms and hardware, net-work latency is now the main bottleneck on end-to-end applicationperformance. We also report that deploying computing capabilitiesat the first network node still provides latency reduction but, over-all, it is not required by all applications. Based on our findings, weoverview the requirements and sketch the design of an adaptivearchitecture for general machine learning inference across edgelocations.

  • Název v anglickém jazyce

    A Reality Check on Inference at Mobile Networks Edge

  • Popis výsledku anglicky

    Edge computing is considered a key enabler to deploy ArtificialIntelligence platforms to provide real-time applications such asAR/VR or cognitive assistance. Previous works show computingcapabilities deployed very close to the user can actually reduce theend-to-end latency of such interactive applications. Nonetheless,the main performance bottleneck remains in the machine learninginference operation. In this paper, we question some assumptionsof these works, as the network location where edge computing isdeployed, and considered software architectures within the frame-work of a couple of popular machine learning tasks. Our experimen-tal evaluation shows that after performance tuning that leveragesrecent advances in deep learning algorithms and hardware, net-work latency is now the main bottleneck on end-to-end applicationperformance. We also report that deploying computing capabilitiesat the first network node still provides latency reduction but, over-all, it is not required by all applications. Based on our findings, weoverview the requirements and sketch the design of an adaptivearchitecture for general machine learning inference across edgelocations.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2019

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 2nd ACM International Workshop on Edge Systems, Analytics and Networking (EDGESYS '19)

  • ISBN

    978-1-4503-6275-7

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    54-59

  • Název nakladatele

    Association for Computing Machinery

  • Místo vydání

    Dressden

  • Místo konání akce

    Dressden

  • Datum konání akce

    25. 3. 2019

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000470896200010