Edge-InversionNet: Enabling Efficient Inference of InversionNet on Edge Devices

要約

地震完全波形インバージョン (FWI) は、地震データから地下構造を推定するために地球物理学で広く使用されている手法です。
InversionNet は、地震 FWI に適用される最も成功したデータ駆動型機械学習モデルの 1 つです。
ただし、InversionNet を実行するためのコンピューティング コストが高いため、通常はリソースに制約があるエッジ デバイスに効率的に展開することが困難になっています。
したがって、構造化プルーニング アルゴリズムを使用して、エッジ デバイス上で効率的な推論を実行できる軽量バージョンの InversionNet を取得することを提案します。
また、軽量の InversionNet を実行するためのプロトタイプを Raspberry Pi で作成しました。
実験結果は、プルーニングされた InversionNet は、モデルのパフォーマンスが中程度に低下しても、コンピューティング リソースを最大 98.2% 削減できることを示しています。

要約(オリジナル)

Seismic full waveform inversion (FWI) is a widely used technique in geophysics for inferring subsurface structures from seismic data. And InversionNet is one of the most successful data-driven machine learning models that is applied to seismic FWI. However, the high computing costs to run InversionNet have made it challenging to be efficiently deployed on edge devices that are usually resource-constrained. Therefore, we propose to employ the structured pruning algorithm to get a lightweight version of InversionNet, which can make an efficient inference on edge devices. And we also made a prototype with Raspberry Pi to run the lightweight InversionNet. Experimental results show that the pruned InversionNet can achieve up to 98.2 % reduction in computing resources with moderate model performance degradation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google