DAPart

此开源代码是论文《DAPart: An Online DRL-based Adaptive Partition Framework for DNN Models in Edge Computing》中的实际实验搭建的真实测试平台。

DAPart

探索本项目的文档 »

查看Demo · 中文 · English

本篇README.md面向开发者，

目录

• 上手指南
  • 开发前的配置要求
    • 用户端设备
    • 服务端设备
  • 安装步骤
• 文件目录说明
• 部署和运行
• 贡献者
• 版本控制
• 作者

上手指南

该开源代码分为用户端设备和服务端设备两部分，用户端设备采用的是Jetson Nano，服务端设备采用的是具有Linux系统的电脑。本论文中实验的设备如下表格展示。

Hardware	User Equipment Device (Jetson Nano)	Edge Server
System	Ubuntu 18.04.6 LTS	Ubuntu 22.04.2 LTS
CPU	4-core ARM [email protected]	Intel(R) Core(TM) [email protected]
GPU	128-core Maxwell@921MHz	GeForce GTX 3090 24GB
Memory	4GB LPDDR4 25.6GB/s	4*16GB LPDDR4 3200 MT/s
Hard Disk	64GB microSDXC 140M/s(max)	11T SSD + 42T HDD
Network Connection	WiFi 2.4G:300Mbps 5G:867Mbps	Ethernet 1000Mbps

开发前的主要环境配置要求

用户端设备（Jetson Nano只允许该环境版本）

1. python==3.6.15
2. torch==1.4.0
3. torchvision==0.5.0
4. tegrastats
5. jtop

注：Jetson Nano的环境安装详细过程详见官方参考文档

服务端设备

1. python>=3.7
2. torch==1.13.1
3. torchvision==0.13.1

安装步骤

1. 克隆仓库的源代码

git clone https://github.com/Jma512/DAPart.git

2. 安装环境配置必要的包

文件目录说明

DAPart 
├── /data/
│  ├── /test/
│  │  └── ...
│  └── ...      //实验时模拟任务所需的图像
├── /model
│  ├── /mobilenetv2/
│  │  │  └── /logs
│  │  ├── downloadmobilenetv2.py
│  │  └── mobilenetv2_pretrained_imagenet.pth
│  ├── /resnet50/
│  │  │  └── /logs
│  │  ├── downloadresnet50.py
│  │  └── resnet50_pretrained_imagenet.pth
│  ├── /vgg16/
│  │  │  └── /logs
│  │  ├── downloadvgg16.py
│  │  └── vgg16_pretrained_imagenet.pth
├── DAPart_Edge_Server.py
├── DAPart_User_Equipment.py
├── experiment_neuro.py
├── mobilenetv2.py
├── resnet50.py
├── vgg16.py
└── README.md

部署和运行

将该代码分别部署在用户端和服务器端即可，服务器端运行DAPart_Edge_Server.py,用户端设备运行DAPart_User_Equipment.py

贡献者

xxx@xxxx（暂不公开）

版本控制

该项目使用Git进行版本管理。

作者

xxx@xxxx（暂不公开）