[发明专利]基于离散事件的边缘深度学习模拟器的构建与应用

说明书

基于离散事件的边缘深度学习模拟器的构建方法，在仿真模块中构建网内缓存模块，所述网内缓存模块用于在边缘节点缓存数据，为深度学习提供数据支撑；构建基于深度学习的边缘仿真环境，以使边缘节点支持深度学习，本发明将深度学习框架集成到边缘仿真环境中，以实现在边缘环境中进行分布式学习。该边缘深度学习模拟器可用于联邦学习或边缘集成学习。

技术领域

本发明属于人工智能与深度学习技术领域，涉及边缘计算，特别涉及边缘学习仿真，为一种基于离散事件的边缘深度学习模拟器。

背景技术

分布式机器学习是机器学习当前最热门的研究领域之一,尤其是随着“大数据”概念的兴起，数据爆炸式增长，我们迎来了崭新的“big data”时代。传统的机器学习注重在单机中处理数据的速度，而庞大的数据存储和计算在单机上是远远做不到的，且硬件支持的有限性使得在单机上做大数据处理显得十分吃力，将计算模型分布式地部署到多台、多类型机器上进行同时计算是必要的解决方式。分布式机器学习的目标是将具有庞大数据和计算量的任务分布式地部署到多台机器上，以提高数据计算的速度和可扩展性，减少任务的耗时。

随着分布式学习的诞生，分布式学习在边缘计算中得以快速发展。与此同时，由于计算机和网络通信技术的发展，新的网络协议和算法不断诞生。如果模拟器够与深度学习框架交互，则可以促进此类研究。然而网络协议的不可控和易变的特性，给新的网络方案的验证带来了极大困难。针对这一问题诞生了三种方法，分析方法，网络模拟，实验网方法。网络模拟作为分析方法和实验网方法的中间阶段，具有灵活性，低成本，可以对新协议进行初步验证和实现。网络模拟与分布式学习的结合在实际的训练和测试过程中也面临众多问题和挑战。目前，在边缘设备上有一些主流的仿真框架，如MatLab，ns3等。随着数据的迅速增长以及深度学习的发展，这些框架已经无法满足现有的需求。MatLab在设计算法，操作代码，嵌入系统方面都比较简洁。但是它不支持离散事件等系统化的仿真方法，使边缘学习性能验证的有效性无法保证。而ns3作为网络模拟器，还未涉及到深度学习领域。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种基于离散事件的边缘深度学习模拟器，将深度学习框架集成到边缘仿真环境中，以实现在边缘环境中进行分布式学习。

为了实现上述目的，本发明采用的技术方案是：

基于离散事件的边缘深度学习模拟器的构建方法，包括如下步骤：

步骤1，在仿真模块中构建网内缓存模块，所述网内缓存模块用于在边缘节点缓存数据，为深度学习提供数据支撑；

步骤2，构建基于深度学习的边缘仿真环境，以使边缘节点支持深度学习，步骤如下：

步骤2.1，在仿真模块中构建深度学习模块；

步骤2.2，为深度学习模块和仿真模块联合编译创造条件；

步骤2.3，在仿真的边缘学习中使用深度学习模块进行深度学习。

在一个实施例中，所述仿真模块包括应用程序子模块、拓扑和节点；所述应用程序子模块用于获取应用程序，并使用由系统软件控制的资源来实现相应目标；所述节点用于仿真边缘设备；所述拓扑用于构建边缘设备之间的通信。

在一个实施例中，所述网内缓存模块基于LRU缓存算法，以边缘节点之间发送的数据包为缓存单位。

在一个实施例中，所述网内缓存模块在仿真模块中的构建过程如下：

在仿真模块中，构建基于LRU缓存算法的LRU缓存模块，将所述LRU缓存模块加入到边缘节点中。

在一个实施例中，所述LRU缓存模块的构建方法是：

在仿真模块的核心目录下，使用创建新模块的命令创建自定义的新模块，并将新模块命名为LRU，将LRU缓存算法放到新模块的目录的相应位置；