买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜贵州大学申请的专利一种用于深度神经网络任务的云边端多重卸载方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119071164B 。

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411558288.4，技术领域涉及：H04L41/0894；该发明授权一种用于深度神经网络任务的云边端多重卸载方法及系统是由李少波;覃信祺;张星星;吴封斌;谢灿坤;朱科谕;王金明设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本一种用于深度神经网络任务的云边端多重卸载方法及系统在说明书摘要公布了：本发明涉及数字信息的传输技术领域，具体提供一种用于深度神经网络任务的云边端多重卸载方法及系统。本发明的方法包括获取深度神经网络任务；基于所述深度神经网络任务，生成与所述深度神经网络任务对应的多个不同任务阶段的任务；将所述深度神经网络任务以及所述多个不同任务阶段的任务代入任务卸载优化模块，生成对每个任务阶段的任务的卸载策略；选择性地对每个任务阶段的任务的卸载策略进行动态优化，得到对每个任务阶段的任务的动态卸载策略；基于对每个任务阶段的任务的动态卸载策略，执行对深度神经网络任务的多阶段卸载。灵活分配资源，优化多任务场景下的卸载性能，使得提升了时间效率、能耗管理和资源利用率。

本发明授权一种用于深度神经网络任务的云边端多重卸载方法及系统在权利要求书中公布了：1.一种用于深度神经网络任务的云边端多重卸载方法，其特征在于，所述方法应用于云边端多重卸载系统，所述系统包括多种不同类型的处理设备，所述方法包括以下步骤：获取深度神经网络任务；基于所述深度神经网络任务，生成与所述深度神经网络任务对应的多个不同任务阶段的任务，其中，所述不同任务阶段至少包括轻量级任务阶段以及计算密集型任务阶段；将所述深度神经网络任务以及所述多个不同任务阶段的任务代入任务卸载优化模块，生成对每个任务阶段的任务的卸载策略，其中，所述卸载策略至少包括任务卸载路径、任务执行处理设备的类型以及各个任务阶段的任务的卸载优先级；选择性地对每个任务阶段的任务的卸载策略进行动态优化，得到对每个任务阶段的任务的动态卸载策略；基于对每个任务阶段的任务的动态卸载策略，执行对深度神经网络任务的多阶段卸载；所述基于所述深度神经网络任务，生成与所述深度神经网络任务对应的多个不同任务阶段的任务包括：基于所述深度神经网络任务，对所述深度神经网络任务中的各个任务阶段进行任务拆分，得到拆分后的多个任务阶段的任务；对拆分后的多个任务阶段的任务进行识别，得到与所述深度神经网络任务对应的多个不同任务阶段的任务；所述将所述深度神经网络任务以及所述多个不同任务阶段的任务代入任务卸载优化模块，生成对每个任务阶段的任务的卸载策略包括：基于所述深度神经网络任务，得到所述深度神经网络任务的评价指标；基于所述深度神经网络任务的评价指标、多个不同任务阶段的任务以及PSO算法，生成对多个不同任务阶段的任务的初始卸载策略，其中，所述初始卸载策略包括对多个不同任务阶段的任务的初始卸载路径、每个任务所对应的初始处理设备类型以及各个任务阶段的任务的卸载优先级；对所述初始卸载策略执行模拟退火算法处理，得到初级优化卸载策略；对初级优化卸载策略执行Q-learning算法处理，得到优化卸载策略；以所述优化卸载策略作为对每个任务阶段的任务的卸载策略进行输出；所述基于所述深度神经网络任务，得到所述深度神经网络任务的评价指标包括：对所述深度神经网络任务进行时间计算，得到所述深度神经网络任务的卸载总时间；对所述深度神经网络任务进行能耗计算，得到运行所述深度神经网络任务的设备运行总能耗；对所述深度神经网络任务进行成本计算，得到运行所述深度神经网络任务的设备所需总成本；基于所述深度神经网络任务的卸载总时间、运行所述深度神经网络任务的设备运行总能耗以及运行所述深度神经网络任务的设备所需总成本，得到所述深度神经网络任务的评价指标；对所述深度神经网络任务进行时间计算，得到所述深度神经网络任务的卸载总时间包括：所述深度神经网络的计算主要集中在卷积层和全连接层：在卷积层中，对输入特征图和卷积核进行卷积操作，其中，卷积层的计算负载由对每个卷积核应用于输入特征图所需的浮点运算次数决定；卷积层的计算公式如下： ；其中，代表第层任务的计算工作量；全连接层的计算公式如下： ；其中，分别表示输出特征图的宽和高，K表示卷积核的高度和宽度，此处设置为高度与宽度一致，表示输入和输出特征图的通道数，分别表示输入和输出神经元数目；其中，“乘以2”操作是因为每个卷积操作包括一次乘法和一次加法；在计算任务卸载时间时，设定任务刚开始的时刻，考虑任务的计算处理时间和不同层次之间数据的传输时间；第层任务在第台设备上的处理时间计算公式如下： ；其中，是第层任务的计算工作量，是第台设备的计算速度，此处表示为每秒能够执行的浮点运算次数；若存在第层任务的输出来自第层任务的输入，则第层到第层任务的数据传输时间通过以下公式获得： ；其中，表示第层任务的输出数据的大小，其中，单位为MB，分别表示局域网和广域网的传输速率，表示第层和第层任务执行所处的设备编号，表示所有属于云端服务器设备的编号的集合；深度神经网络的最终结果传回终端服务器的传输时间计算公式如下： ；其中，表示最终输出至终端的数据的大小，其中，单位为MB，表示最后一个任务执行所处的设备编号，表示终端设备编号，表示所有属于边缘服务器设备的编号的集合；第层任务所需的数据到达时间的计算公式如下： ；其中，是所有直接前置任务，即第层任务的完成时间；第层任务所需的数据完成时间的计算公式如下： ；整个深度神经网络任务的卸载总时间通过以下公式获得： ； 对所述深度神经网络任务进行能耗计算，得到运行所述深度神经网络任务的设备运行总能耗包括：设备的总使用时长的计算公式如下： ；其中：表示分配给设备的任务集合；设备的能耗的计算公式如下： ；其中，表示第台设备的单位时间能耗率（Jh）运行所述深度神经网络任务的设备运行总能耗通过以下公式获得： ；其中：是实际参与任务计算的设备总数量；所述深度神经网络在租用服务器的订购类型包括按需订购和包时订购；对所述深度神经网络任务进行成本计算，得到运行所述深度神经网络任务的设备所需总成本包括：设备的按需订购使用成本的计算公式如下： ；设备的包时订购使用成本的计算公式如下： ；其中，为设备的按需订购的单位时间使用成本，为设备的包时订购的单位时间使用成本，为设备i的包时订购成本；运行所述深度神经网络任务的设备所需总成本通过以下公式获得： ；其中，表示设备的使用成本，根据订购类型，即按需订购或者包时订购计算。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人贵州大学，其通讯地址为：550025 贵州省贵阳市花溪区贵州大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。