亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        深度學(xué)習(xí)模型的云邊協(xié)同訓(xùn)練和部署

        2022-02-02 23:48:45吳子強劉敏張義偉李松珂
        電子產(chǎn)品世界 2022年12期
        關(guān)鍵詞:深度學(xué)習(xí)

        吳子強 劉敏 張義偉 李松珂

        摘要:將云邊協(xié)同技術(shù)應(yīng)用到深度學(xué)習(xí)模型的訓(xùn)練和部署,可以解決目前工業(yè)質(zhì)檢領(lǐng)域深度學(xué)習(xí)模型訓(xùn)練和部署方法的不足,使模型的訓(xùn)練和部署更加安全、高效、智能化、低成本。

        關(guān)鍵詞:云邊協(xié)同;深度學(xué)習(xí);服務(wù)器部署;

        *基金項目:安徽省科技重大專項項目,基于5G通信的運化視覺檢測系統(tǒng)研發(fā)(202003a05020002)。

        0引言

        從“工業(yè)4.0”到“中國制造2025”,在國家大力提倡和發(fā)展工業(yè)生產(chǎn)智能制造的環(huán)境下,人工智能工業(yè)質(zhì)檢解決方案將全面賦能工業(yè)生產(chǎn)制造。目前視覺檢測系統(tǒng)憑借其獨特的優(yōu)勢逐漸替代人工檢測方式,廣泛應(yīng)用于生產(chǎn)流水線中。與傳統(tǒng)方式相比,深度學(xué)習(xí)可以在訓(xùn)練過程中自學(xué)習(xí)相關(guān)屬性,省去特征工程環(huán)節(jié),識別精度更高、更加靈活。

        深度學(xué)習(xí)模型的訓(xùn)練往往要進行大量數(shù)據(jù)的處理工作,對硬件的內(nèi)存和計算能力要求較高,因此需要在資源充足的數(shù)據(jù)中心完成。在視覺檢測系統(tǒng)中,檢測器本身從硬件成本和檢測實時性考慮,都不適合充當(dāng)數(shù)據(jù)中心。而在工廠內(nèi)各車間、產(chǎn)線部署服務(wù)器單獨進行模型訓(xùn)練,既效率低,也無法實現(xiàn)模型的統(tǒng)一管理和部署。收集大量的樣本數(shù)據(jù)送往云端數(shù)據(jù)中心進行模型訓(xùn)練則存在兩個主要的弊端。一方面,將所有產(chǎn)線數(shù)據(jù)傳輸?shù)皆贫藭o核心網(wǎng)絡(luò)帶來沉重負(fù)擔(dān),造成服務(wù)延時。另一方面,大量的原始數(shù)據(jù)通過廣域網(wǎng)傳輸容易泄露用戶數(shù)據(jù)隱私,違背用戶意愿。

        隨著工業(yè)互聯(lián)網(wǎng)和邊緣計算[2]的發(fā)展,將云邊協(xié)同[3]技術(shù)應(yīng)用到深度學(xué)習(xí)模型的訓(xùn)練和部署,可以解決目前工業(yè)質(zhì)檢領(lǐng)域深度學(xué)習(xí)模型訓(xùn)練[4]和部署方法的不足,使模型的訓(xùn)練和部署更加安全、高效、智能化、低成本。

        1系統(tǒng)架構(gòu)組成

        為了推動工業(yè)質(zhì)檢領(lǐng)域深度學(xué)習(xí)技術(shù)的應(yīng)用,本文提供了一種深度學(xué)習(xí)模型的云邊協(xié)同訓(xùn)練和部署方法,為了實現(xiàn)上述目的采用如下技術(shù)方案,通過工業(yè)視覺檢測系統(tǒng)實現(xiàn)檢測模型的自動化訓(xùn)練和部署,具體系統(tǒng)架構(gòu)組成如下。

        1)如圖1所示,工業(yè)視覺檢測系統(tǒng)包括檢測器、邊緣服務(wù)器、中心云服務(wù)器組成。

        2)如圖2所示,中心云服務(wù)器 Web 應(yīng)用執(zhí)行分布式任務(wù)處理。在收到控制終端的控制命令后,發(fā)布異步任務(wù)(訓(xùn)練或部署模型),發(fā)布定時任務(wù)更新任務(wù)執(zhí)行進度,任務(wù)信息立即放入消息隊列中,任務(wù)執(zhí)行單元從消息隊列中依次取出任務(wù)執(zhí)行,并存儲執(zhí)行結(jié)果。

        3)如圖3所示,模型訓(xùn)練任務(wù)流程。模型的訓(xùn)練配置數(shù)據(jù),包括訓(xùn)練集、驗證集生成器配置、模型尺寸、迭代次數(shù)、分類種類配置,以及數(shù)據(jù)預(yù)處理、預(yù)訓(xùn)練權(quán)重、回調(diào)函數(shù)、模型微調(diào)等項目配置,通過前端傳遞到中心云服務(wù)器后端,后端將任務(wù)消息放入 Redis 隊列,任務(wù)執(zhí)行單元從隊列取出并解析任務(wù)信息,向保持長連接的邊緣服務(wù)器發(fā)送任務(wù),同時開啟定時任務(wù),獲取任務(wù)執(zhí)行進度,如圖4所示。邊緣服務(wù)器接收到任務(wù)之后,采集相應(yīng)檢測器存儲的原始數(shù)據(jù),采集完成后按照任務(wù)要求,開展模型訓(xùn)練,如圖5所示。在回調(diào)函數(shù)中每次訓(xùn)練 Batch開始的時候記錄訓(xùn)練進度、模型精度和損失值,向中心云服務(wù)器定時返回模型訓(xùn)練進度和訓(xùn)練效果。模型訓(xùn)練完成,可自動上傳至中心云服務(wù)器進行進一步的評估測試。

        4)如圖6所示,模型部署任務(wù)流程。模型的部署配置數(shù)據(jù),包括指定產(chǎn)線、指定檢測器、指定品牌模型等項目配置,通過前端傳遞到中心云服務(wù)器后端,后端將任務(wù)消息放入 Redis 隊列,任務(wù)執(zhí)行單元從隊列取出并解析任務(wù)信息,向保持長連接的邊緣服務(wù)器發(fā)送任務(wù),同時開啟定時任務(wù),獲取任務(wù)執(zhí)行進度。邊緣服務(wù)器接收到任務(wù)之后,向指定檢測器發(fā)送訓(xùn)練好的模型文件。向中心云服務(wù)器定時返回模型下發(fā)進度。檢測器接收完成模型文件,放入指定的品牌參數(shù)文件夾下,檢測器執(zhí)行加載模型。邊緣服務(wù)器向中心云服務(wù)器返回模型部署成功消息。

        通過上面具體實施方式,所述技術(shù)領(lǐng)域的技術(shù)人員可容易地實現(xiàn)本發(fā)明。但是應(yīng)當(dāng)理解,本發(fā)明并不限于上述的具體實施方式。在公開的實施方式的基礎(chǔ)上,所述技術(shù)領(lǐng)域的技術(shù)人員可任意組合不同的技術(shù)特征,實現(xiàn)不同的技術(shù)方案。

        2部署方法

        云邊協(xié)同的模型訓(xùn)練和部署方法操作步驟如下:

        1)檢測器由工控機、單片機、圖像采集通訊組件、光源控制電路、編碼器信號采集電路等部分組成,工廠內(nèi)各產(chǎn)線檢測器調(diào)用深度學(xué)習(xí)模型對產(chǎn)品質(zhì)量進行實時檢測,此外檢測器還負(fù)責(zé)將歷史數(shù)據(jù)傳送到該產(chǎn)線的邊緣服務(wù)器中。

        2)邊緣服務(wù)器與中心云服務(wù)器保持長連接,在收到中心云服務(wù)模型訓(xùn)練命令后,解析命令,獲取任務(wù)參數(shù)信息,采集指定檢測器存儲數(shù)據(jù),進行模型訓(xùn)練。同時定時更新訓(xùn)練進度、訓(xùn)練精度、訓(xùn)練損失值等過程信息給中心云服務(wù)器。

        3)邊緣服務(wù)器與中心云服務(wù)器保持長連接,在收到中心云服務(wù)模型部署命令后,解析命令,向檢測器下發(fā)訓(xùn)練好的模型文件。同時定時更新模型下發(fā)進度、檢測器加載模型進度等過程信息給中心云服務(wù)器。

        4)中心云服務(wù)器搭建 Web 應(yīng)用,接收用戶的遠程控制,向中心云服務(wù)器發(fā)送模型訓(xùn)練和部署命令,以及接收中心云服務(wù)器返回信息,向用戶顯示任務(wù)執(zhí)行情況。

        3結(jié)束語

        通過云邊協(xié)同的方式訓(xùn)練和部署深度學(xué)習(xí)模型,可以實現(xiàn)模型更加便捷地發(fā)布到檢測設(shè)備,確保生產(chǎn)車間數(shù)據(jù)不出廠,降低了網(wǎng)絡(luò)負(fù)載和數(shù)據(jù)泄露風(fēng)險。同時,充分利用邊緣服務(wù)器硬件資源,可視化和自動化的深度學(xué)習(xí)模型訓(xùn)練和部署,有利于推動深度學(xué)習(xí)在智能制造、工業(yè)質(zhì)檢領(lǐng)域的商業(yè)化應(yīng)用。基于這種檢測方法可以開發(fā)出應(yīng)用于各種工業(yè)視覺檢測系統(tǒng),具有廣泛的應(yīng)用空間。

        參考文獻:

        [1]曲春光.分布式深度學(xué)習(xí)訓(xùn)練優(yōu)化設(shè)計與實現(xiàn)[D].重慶:西南大學(xué),2020:14-17.

        [2]劉建甌.基于邊緣計算的計算和網(wǎng)絡(luò)融合系統(tǒng)架構(gòu)設(shè)計和實現(xiàn)[D].西安:西安電子科技大學(xué),2020:17-19.

        [3]崔羽飛,張云勇,張第,等.基于云邊協(xié)同的工業(yè)互聯(lián)網(wǎng)實踐[J].電信科學(xué).2020(2):110-115.

        [4]王海川.面向邊緣智能的模型訓(xùn)練服務(wù)部署和任務(wù)卸載研究[D].合肥:中國科學(xué)技術(shù)大學(xué),2020:16-33.

        猜你喜歡
        深度學(xué)習(xí)
        從合坐走向合學(xué):淺議新學(xué)習(xí)模式的構(gòu)建
        面向大數(shù)據(jù)遠程開放實驗平臺構(gòu)建研究
        基于自動智能分類器的圖書館亂架圖書檢測
        搭建深度學(xué)習(xí)的三級階梯
        有體驗的學(xué)習(xí)才是有意義的學(xué)習(xí)
        電子商務(wù)中基于深度學(xué)習(xí)的虛假交易識別研究
        利用網(wǎng)絡(luò)技術(shù)促進學(xué)生深度學(xué)習(xí)的幾大策略
        考試周刊(2016年94期)2016-12-12 12:15:04
        MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場域建構(gòu)
        大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
        深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
        国产午夜在线观看视频| 国产亚洲精久久久久久无码77777| 国产美熟女乱又伦av果冻传媒| 青青草久热手机在线视频观看 | 隔壁的日本人妻bd高清中字| 中文字幕av伊人av无码av| 欧洲成人午夜精品无码区久久| 久久综合狠狠色综合伊人| 91spa国产无码| 精品视频在线观看一区二区有| 中文字幕精品一区二区的区别| 欧美变态另类刺激| 99久久综合精品五月天| 国产亚洲精久久久久久无码苍井空| 青青草视频在线播放81| 黄片视频免费在线观看国产| 米奇影音777第四色| 欧美激情中文字幕在线一区二区| 羞涩色进入亚洲一区二区av| 久久亚洲中文字幕精品一区| 欧美疯狂做受xxxx高潮小说| 日本不卡在线一区二区三区视频| 成熟的女人毛茸茸色视频| 欧洲多毛裸体xxxxx| 中文字幕影片免费在线观看| 开心五月婷婷综合网站| 亚洲综合一区二区三区天美传媒| 痉挛高潮喷水av无码免费| 国产熟女亚洲精品麻豆| 隔壁人妻欲求不满中文字幕| 亚洲av永久无码精品漫画| 欧美亚洲国产精品久久高清| 精品日本韩国一区二区三区| 午夜免费观看日韩一级视频| 国产美女久久精品香蕉69| 亚洲欧美成人中文在线网站| 日本不卡视频一区二区三区| yw尤物av无码国产在线观看| 中文字幕经典一区| 亚洲中文乱码在线视频| 亚洲香蕉成人av网站在线观看|