論文の概要: Impact of Thermal Throttling on Long-Term Visual Inference in a
CPU-based Edge Device
- arxiv url: http://arxiv.org/abs/2010.06291v2
- Date: Thu, 3 Dec 2020 10:37:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 23:55:14.250503
- Title: Impact of Thermal Throttling on Long-Term Visual Inference in a
CPU-based Edge Device
- Title（参考訳）: cpu系エッジデバイスにおけるサーマルスロットリングが長期視覚推定に及ぼす影響
- Authors: Th\'eo Benoit-Cattin, Delia Velasco-Montero and Jorge
Fern\'andez-Berni
- Abstract要約: 畳み込みニューラルネットワーク(CNN)の重大計算負荷は、熱収縮を招き、数秒で性能が低下する可能性がある。
4つのソフトウェアフレームワークと2つのオペレーティングシステム上で5つのCNNモデルを実行し、アクティブな冷却を行わない80のケースの長期的パフォーマンスを報告し、分析した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many application scenarios of edge visual inference, e.g., robotics or
environmental monitoring, eventually require long periods of continuous
operation. In such periods, the processor temperature plays a critical role to
keep a prescribed frame rate. Particularly, the heavy computational load of
convolutional neural networks (CNNs) may lead to thermal throttling and hence
performance degradation in few seconds. In this paper, we report and analyze
the long-term performance of 80 different cases resulting from running 5 CNN
models on 4 software frameworks and 2 operating systems without and with active
cooling. This comprehensive study was conducted on a low-cost edge platform,
namely Raspberry Pi 4B (RPi4B), under stable indoor conditions. The results
show that hysteresis-based active cooling prevented thermal throttling in all
cases, thereby improving the throughput up to approximately 90% versus no
cooling. Interestingly, the range of fan usage during active cooling varied
from 33% to 65%. Given the impact of the fan on the power consumption of the
system as a whole, these results stress the importance of a suitable selection
of CNN model and software components. To assess the performance in outdoor
applications, we integrated an external temperature sensor with the RPi4B and
conducted a set of experiments with no active cooling in a wide interval of
ambient temperature, ranging from 22 {\deg}C to 36 {\deg}C. Variations up to
27.7% were measured with respect to the maximum throughput achieved in that
interval. This demonstrates that ambient temperature is a critical parameter in
case active cooling cannot be applied.
- Abstract（参考訳）: ロボット工学や環境モニタリングなど、エッジビジュアル推論の多くのアプリケーションシナリオは、最終的には長期にわたる継続的な運用を必要とする。
このような期間において、プロセッサ温度は所定のフレームレートを維持するために重要な役割を果たす。
特に、畳み込みニューラルネットワーク(CNN)の重い計算負荷は、熱収縮を引き起こし、数秒で性能が低下する可能性がある。
本稿では,4つのソフトウェアフレームワークと2つのオペレーティングシステム上で5つのCNNモデルを実行した80のケースの長期的パフォーマンスを報告し,解析する。
本研究は, Raspberry Pi 4B (RPi4B) という低コストのエッジプラットフォーム上で, 安定した室内環境下で実施された。
その結果, ヒステリシス系アクティブ冷却はすべてのケースで熱スロットリングを防止し, スループットを90%まで向上させた。
興味深いことに、アクティブ冷却時のファンの使用範囲は33%から65%に変化した。
ファンがシステム全体の消費電力に与える影響を考えると、これらの結果はcnnモデルとソフトウェアコンポーネントの適切な選択の重要性を強調している。
屋外応用における性能を評価するため, 外部温度センサをRPi4Bに統合し, 22 {\deg}Cから36 {\deg}Cまで広い範囲で, アクティブ冷却のない一連の実験を行った。
この区間で達成された最大スループットに関して、最大27.7%の変動が測定された。
これは、アクティブ冷却が適用できない場合、環境温度が重要なパラメータであることを示している。
関連論文リスト
- Adaptive Decoding via Latent Preference Optimization [55.70602730588745]
モデルに付加されたレイヤであるAdaptive Decodingを導入し、推論時にサンプリング温度を動的に選択する。
我々の手法は、異なる温度を必要とする様々なタスクにおいて、すべての固定デコード温度を上回ります。
論文 参考訳（メタデータ） (2024-11-14T18:31:39Z) - Sensor-Aware Classifiers for Energy-Efficient Time Series Applications on IoT Devices [2.7446241148152257]
時系列データ処理は、健康モニタリング、環境モニタリング、デジタル農業など、多くの実世界のアプリケーションにおいて重要なコンポーネントである。
機械学習(ML)モデルは、分類の一般化能力のため、時系列アプリケーションに採用されている。
精度を維持しつつエネルギー消費を最小限に抑えるため,部分センサウィンドウを備えた早期出口分類器を提案する。
論文 参考訳（メタデータ） (2024-07-11T17:50:31Z) - Machine Learning-Assisted Thermoelectric Cooling for On-Demand Multi-Hotspot Thermal Management [12.515874333424929]
熱電冷却器 (TEC) は、高度電子システムにおける局所ホットスポットの直接冷却とアクティブな熱管理のための有望なソリューションを提供する。
TECは空間冷却、暖房、電力消費に大きなトレードオフをもたらす。
本研究では,大域的最適温度を達成できる熱電冷却器の機械学習支援最適化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-04-20T18:35:45Z) - etuner: A Redundancy-Aware Framework for Efficient Continual Learning Application on Edge Devices [47.365775210055396]
推論精度、微調整実行時間、エネルギー効率を最適化する効率的なエッジ連続学習フレームワークであるETunerを提案する。
実験結果から,ETunerは全体の微調整実行時間を64%削減し,エネルギー消費量を56%削減し,即時モデル微調整アプローチよりも平均推定精度を1.75%向上した。
論文 参考訳（メタデータ） (2024-01-30T02:41:05Z) - Pre-insertion resistors temperature prediction based on improved WOA-SVR [3.5738896126578537]
高電圧回路ブレーカ内のプレ絶縁抵抗(PIR)は、電流が流れるときにジュール熱を発生させることによって、臨界成分でありウォームアップする。
本研究は、有限要素シミュレーション手法と、改良された鯨最適化アルゴリズム(IWOA)アプローチにより最適化されたサポートベクトル回帰(SVR)を組み合わせる。
論文 参考訳（メタデータ） (2024-01-07T14:24:04Z) - Temperature Balancing, Layer-wise Weight Analysis, and Neural Network
Training [58.20089993899729]
本稿では,直感的で効果的な階層学習手法であるTempBalanceを提案する。
我々は、TempBalanceが通常のSGDと注意深く調整されたスペクトルノルム正規化より著しく優れていることを示す。
また、TempBalanceは最先端のメトリクスやスケジューラよりも優れています。
論文 参考訳（メタデータ） (2023-12-01T05:38:17Z) - Predicting the performance of hybrid ventilation in buildings using a
multivariate attention-based biLSTM Encoder-Decoder neural network [0.0]
本稿では,窓の開閉時の室内空気温度を予測するディープニューラルネットワーク(DNN)の機能について検討する。
その結果,DNNは窓の開閉時に5つのゾーンの室内空気温度を正確に予測できることがわかった。
論文 参考訳（メタデータ） (2023-02-08T15:24:17Z) - DaDe: Delay-adaptive Detector for Streaming Perception [0.0]
リアルタイム環境では、処理が終了すると周囲環境が変化する。
リアルタイム映像認識のレイテンシと精度を評価するために,ストリーム認識を提案する。
我々は,処理遅延をリアルタイムに反映し,最も合理的な結果が得られるモデルを開発した。
論文 参考訳（メタデータ） (2022-12-22T09:25:46Z) - Evaluating Short-Term Forecasting of Multiple Time Series in IoT
Environments [67.24598072875744]
IoT(Internet of Things)環境は、多数のIoT対応センシングデバイスを介して監視される。
この問題を緩和するため、センサーは比較的低いサンプリング周波数で動作するように設定されることが多い。
これは、予測などの後続の意思決定を劇的に妨げる可能性がある。
論文 参考訳（メタデータ） (2022-06-15T19:46:59Z) - Vision in adverse weather: Augmentation using CycleGANs with various
object detectors for robust perception in autonomous racing [70.16043883381677]
自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。
悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。
本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
論文 参考訳（メタデータ） (2022-01-10T10:02:40Z) - A scalable helium gas cooling system for trapped-ion applications [51.715517570634994]
複数のイオントラッピング実験を同時に行うためのモジュラー冷却システムを提案する。
冷却システムは、70Kで111Wのネット冷却電力を最大4実験に供給することが期待されている。
論文 参考訳（メタデータ） (2021-06-14T16:37:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。