Beam Search ottimizza la latenza dello split learning su ESP32-S3
Un nuovo articolo presenta il primo benchmark sperimentale di latenza dello split learning basato su TinyML su schede ESP32-S3, confrontando i protocolli UDP, TCP, ESP-NOW e BLE. Lo studio analizza le scelte dei punti di split attraverso MobileNet-V2 e ResNet50 per minimizzare la latenza di inferenza end-to-end. Viene proposto un algoritmo basato su Beam Search per l'ottimizzazione del punto di split, confrontato con Greedy Search e altri metodi.
Fatti principali
- Primo benchmark sperimentale di latenza dello SL basato su TinyML su schede ESP32-S3
- Confronto di quattro protocolli wireless: UDP, TCP, ESP-NOW, BLE
- Analisi dei punti di split attraverso MobileNet-V2 e ResNet50
- Proposto algoritmo basato su Beam Search per l'ottimizzazione del punto di split
- Confronto con Greedy Search e altri metodi
- Pubblicato su arXiv con ID 2507.16594
- Lo split learning affronta l'inferenza del deep learning su nodi edge/IoT a basso consumo
- La latenza di inferenza con protocolli wireless realistici a basso consumo era precedentemente inesplorata
Entità
Istituzioni
- arXiv