Author:
Moura Filho Cláudio Márcio de Araújo,Souza Érica Teixeira Gomes de
Abstract
Redes neurais profundas são soluções para problemas que envolvem reconhecimento de padrões e diversos trabalhos tentam encontrar maneiras de otimizar o desempenho dessas redes. Essa otimização necessita de hardware adequado para ser implementada, hardware esse que pode ser muito custoso para pequenas e médias organizações. O objetivo deste trabalho é propor uma metodologia para avaliar o desempenho e custo do treinamento de redes neurais convolucionais, considerando os fatores mais impactantes no tempo de treinamento e avaliar o custo financeiro total do ambiente para essa tarefa. Nesse sentido, observou-se que fatores como o tamanho da imagem de entrada e a arquitetura da rede tem grande impacto na métrica de tempo de treinamento e por consequência no custo total.
Publisher
Sociedade Brasileira de Computação - SBC
Reference23 articles.
1. ADEBAYO, I. O.; NONSINDISO MANGANYELA; ADIGUN, M. O. Cost-Benefit Analysis of Pricing Models in Cloudlets. 25 nov. 2020.
2. CARNEIRO, T. et al. Performance Analysis of Google Colaboratory as a Tool for Accelerating Deep Learning Applications. IEEE Access, v. 6, p. 61677–61685, 2018.
3. CORREIA, Fernando. Definição de computação em nuvem segundo o NIST. Plataforma Nuvem, 2011. Disponível em: [link]. Acesso em: 02/07/2023.
4. EDINAT A. Cloud Computing Pricing Models: A Survey. International Journal of Scientific Engineering and Research (IJSER). 2018.
5. ELSHAWI, R. et al. DLBench: a comprehensive experimental evaluation of deep learning frameworks. Cluster Computing, v. 24, n. 3, p. 2017–2038, 7 fev. 2021.